Le débat sur l’IA et l’emploi a deux réponses. L’Afrique en a besoin d’une troisième - Partie 1/2
Pour l'Afrique, l'IA n'est pas une menace pour l'emploi. C'est le moyen d'en créer.
Read this in English → [link]
Les deux superpuissances de l’IA gèrent son effet sur l’emploi de façons très différentes : l’une laisse largement faire le marché, l’autre pilote depuis le sommet. Aucune des deux ne convient à l’Afrique, car toutes deux supposent un vaste stock d’emplois formels qui, ici, n’a jamais été bâti à la même échelle. Ce n’est pas une raison pour laisser filer, ni pour se mettre sur la défensive. C’est une raison d’avoir une stratégie. Première partie sur deux : comment faire de l’IA, non plus une menace pour l’emploi, mais ce qui finit enfin par en créer — inspirée d’un récent article de Katrin Bennhold dans le New York Times sur la Chine et l’emploi face à l’IA.
Tout est parti d’un article de Katrin Bennhold dans le New York Times. Elle y décrit deux manières très différentes dont l’effet de l’IA sur l’emploi se déploie chez les deux superpuissances de l’IA.
Aux États-Unis, la réponse consiste essentiellement à ne pas intervenir. Les grands laboratoires courent après la superintelligence — des machines censées dépasser l’intelligence humaine, et pas seulement l’égaler — pendant que l’État reste en retrait, en supposant que le marché absorbera le choc de lui-même. Il n’y a pas vraiment de plan : laisser faire le marché est la stratégie. Appelons cela le laissez-faire.
En Chine, c’est tout autre chose. Pékin a inscrit la question de l’emploi dans son plan quinquennal et est passé à l’acte : pression sur les entreprises pour éviter les licenciements, salariés licenciés soutenus devant les tribunaux, formations financées, et même l’émergence d’un champ universitaire pour déterminer qui crée la valeur une fois les machines arrivées. Appelons cela la protection : l’État gère activement l’effet sur la main-d’œuvre existante.
Deux approches très différentes — mais le même postulat de départ. Toutes deux tiennent pour acquis un vaste stock d’emplois formels (chaînes de production, centres d’appels, postes de bureau) et se jouent autour de ce que l’IA lui fait subir. L’une laisse ce stock être bouleversé, l’autre le défend. Dans les deux cas, c’est ce stock qui est au cœur du débat.
La plupart des pays d’Afrique n’ont jamais bâti ce stock d’emplois formels à une échelle comparable. Et cela change la question.
L’Afrique part d’un autre point de départ
Dans la plus grande partie du continent, le problème central de l’emploi n’est pas trop peu d’emplois après l’IA. C’est trop peu d’emplois, tout court — et une population jeune qui arrive plus vite qu’aucune économie formelle ne parvient à l’absorber.
Près de 85 % de l’emploi en Afrique subsaharienne est informel — petite agriculture, commerce de rue, services de proximité — contre une moyenne mondiale d’environ 58 %. Chaque année, plus de 10 millions de jeunes entrent sur le marché du travail africain, et la croissance actuelle ne crée qu’environ 3 millions d’emplois formels pour les accueillir. Selon une estimation, la seule Afrique subsaharienne devra créer de l’ordre de 15 millions d’emplois par an d’ici 2030 rien que pour suivre le rythme des nouveaux arrivants — et d’ici 2050, la région ajoutera plus de 620 millions de personnes à sa population en âge de travailler, la plus forte expansion de ce type au monde.
Un débat construit autour de ce que l’IA fait subir à un stock d’emplois formels — le laisser être bouleversé ou le défendre — est en réalité un débat pour les grandes économies industrialisées. Il répond à une question que ne se posent ni une grande partie de l’Afrique, ni d’autres économies jeunes et largement informelles.
Pourquoi aucune des deux réponses ne convient
Transposez chacune de ces approches à l’Afrique, et le décalage saute aux yeux.
Le laissez-faire suppose un marché d’emplois formels qui fonctionne, que l’IA viendrait rebattre. Là où ce marché est mince, « laisser faire » ne produit pas une redistribution certes chaotique mais dynamique. Cela produit une dérive : l’IA étrangère est consommée, la valeur qu’elle crée est captée ailleurs, et l’économie locale hérite du bas extractif de la chaîne, sans le haut productif. Ici, la passivité n’est pas neutre. C’est un choix : celui de laisser passer l’occasion.
La protection échoue pour la raison inverse : ici, il y a bien moins à protéger. Défendre le stock plus réduit d’emplois formels qui existent bel et bien passe à côté de l’essentiel — de la même manière, et pour la même raison, que « posséder le modèle le plus puissant » était la mauvaise course. Le vrai défi n’est pas d’amortir les emplois perdus à cause de l’IA ; c’est de créer les nombreux autres dont l’économie a encore besoin.
Reste une troisième posture, et c’est la bonne : ni la dérive, ni la défense, mais la création délibérée. La question de l’IA et de l’emploi, en Afrique, n’est pas « combien d’emplois vont survivre ? ». C’est « combien pouvons-nous en construire — et allons-nous le faire délibérément ? ».
Ce mot — délibérément — change tout. La phrase la plus utile de l’article du Times ne porte pas sur les méthodes chinoises, dont l’essentiel ne se transpose pas de toute façon. C’est sa conclusion : les décideurs ont une marge de manœuvre. La direction que prend cette technologie est un choix, pas la météo. Et cette marge de manœuvre va à l’encontre des deux autres approches à la fois — la dérive du laissez-faire comme le réflexe passéiste de la protection. Elle mène à la stratégie. Ce que contient cette stratégie fera l’objet de la deuxième partie. La première établit qu’il faut en avoir une.
Soyons clairs sur les limites de cette affirmation, car elles comptent. Je ne dis pas qu’aucun emploi africain n’est menacé — certains le sont, et j’y viendrai franchement. Je dis où se situe l’essentiel. Pour un continent dont le défi central est un manque d’emplois, et non leur destruction soudaine, la posture qui convient n’est ni passive ni défensive. Elle est proactive.
L’intelligence devient une infrastructure
Commençons par comprendre pourquoi cette création est même possible — pourquoi l’IA abondante est ici un levier plutôt qu’une menace.
L’intention affichée de la Chine est d’utiliser l’IA pour augmenter ses travailleurs plutôt que les remplacer, en rendant plus productifs ceux qui occupent déjà un emploi formel. Reprenez cette intention et dirigez-la vers une autre cible : non pas les personnes en emploi, mais l’immense masse des sous-employés — le petit exploitant agricole, le commerçant de marché, le micro-entrepreneur, l’agent de santé communautaire, le petit dispensaire. Ils sont ici bien plus nombreux que les employés de bureau, et c’est tout l’enjeu.
De même que les routes, l’électricité et l’internet sont chacun devenus des infrastructures sur lesquelles une économie entière pouvait s’appuyer, l’intelligence abondante devient une infrastructure cognitive — et elle arrive sur l’économie informelle comme une capacité brute. Un diagnostic de maladie des cultures sur un simple smartphone transforme l’intuition d’un agriculteur en décision, et permet à un seul conseiller agricole d’atteindre bien plus de producteurs qu’auparavant. Un conseil en langue locale transforme un commerçant privé de données de marché en quelqu’un qui peut fixer ses prix et planifier. Un agent de santé assisté par l’IA peut prendre en charge, en toute sécurité, des cas qui exigeaient auparavant d’orienter le patient à des centaines de kilomètres. Rien de tout cela n’est un emploi salarié dans une tour de bureaux. C’est un multiplicateur de productivité posé sur l’économie qui fait déjà vivre la majeure partie du continent — un plancher que l’on relève pour ceux qui s’y tiennent.
Cela révèle la nature réelle de la pénurie. Les gouvernements demandent d’ordinaire : comment créer des emplois ? La bonne question est plutôt : comment accroître la capacité productive ? — car, dans une grande partie de l’Afrique, ce qui manque n’est pas le travail à accomplir, mais des personnes capables de l’accomplir de façon productive. Quand l’intelligence devient une infrastructure, des millions de gens jusque-là exclus du travail productif faute de formation, d’outils ou d’institutions peuvent soudain y accéder. La ressource rare n’est plus l’intelligence : c’est l’humain capable de l’appliquer.
Le vrai bond en avant : s’affranchir des modèles dépassés, pas de la technologie
C’est ici que le mot leapfrogging doit être employé avec précision, car sa version courante est trop étroite.
La plupart des gens entendent « leapfrogging » et pensent : sauter le téléphone fixe, sauter les agences bancaires, sauter l’ordinateur de bureau — passer directement à la technologie la plus récente. Vrai, jusqu’à un certain point. Mais le vrai bond en avant ne consiste pas à sauter une technologie. Il consiste à s’affranchir d’un modèle d’organisation dépassé.
Le monde développé a bâti ses économies en créant d’abord des millions d’emplois de bureau, administratifs et de back-office — et il dépense aujourd’hui une énergie politique considérable à chercher comment les automatiser sans provoquer de rupture sociale. L’Afrique n’a pas à entrer dans ce piège pour devoir ensuite en ressortir. Elle peut sauter toute l’étape qui consiste à fabriquer des emplois administratifs à faible valeur pour les démanteler une génération plus tard, et construire d’emblée un travail à plus forte valeur, porté par l’IA. C’est un saut bien plus grand que d’enjamber un câble dans le sol. C’est sauter tout un détour économique.
La couche humaine est le moteur d’emplois
Et déployer l’IA dans les conditions africaines ne se contente pas de rendre les travailleurs existants plus productifs. Cela crée des catégories de travail entièrement nouvelles — et le modèle existe déjà.
Chaque saut africain précédent a fait exactement cela. Le mobile money en est l’exemple le plus clair. Il n’a pas seulement numérisé les paiements ; il a bâti un vaste réseau humain pour les faire fonctionner. Le réseau d’agents M-Pesa, au seul Kenya, dépasse aujourd’hui 300 000 points de service — plus de points de présence que toutes les banques du pays réunies. C’était une catégorie d’emplois qui n’existait pas avant le saut : des centaines de milliers de personnes gagnant leur vie à l’interface humaine entre une nouvelle technologie et des populations qui ne pouvaient pas se servir seules. La technologie n’a pas retiré l’humain de la boucle. Elle a créé la boucle et y a placé des humains.
Le déploiement de l’IA a besoin de la même couche, et il en a cruellement besoin — des gens pour adapter les modèles aux langues locales, les ajuster aux conditions réelles d’un secteur, les faire tourner là où l’infrastructure ne suivra pas, et livrer le service à ceux qui ne toucheront jamais une API brute. Ce que sont concrètement ces emplois, et comment une stratégie les construit délibérément, fera l’objet de la deuxième partie. Ce qu’il faut retenir pour l’instant, c’est que ce sont des emplois nouveaux que le saut engendre — et non d’anciens emplois qu’il défend.
Trois points dont cet argument doit tenir compte
Un argument sérieux nomme ses propres faiblesses. Celui-ci en a trois.
Certains emplois africains sont bel et bien menacés. Le Kenya, l’Afrique du Sud, le Nigeria et l’Égypte comptent de véritables emplois d’externalisation (BPO), de centres d’appels et de back-office — exactement le type de travail que l’IA peut automatiser. Pire : la voie de l’externalisation de services, que l’Inde a gravie jusqu’à la prospérité, risque de disparaître avant qu’une grande partie de l’Afrique ne l’atteigne. Si l’IA automatise l’externalisation d’entrée de gamme, cette première marche s’efface avant que la plupart du continent ne puisse y poser le pied. C’est réel, et cela renforce l’argument au lieu de l’affaiblir — c’est précisément pourquoi la stratégie ne peut pas consister à courir après le modèle d’externalisation que tout le monde est en train d’automatiser, mais à construire la couche supérieure: celle du déploiement.
« l’IA va créer des emplois » n’est qu’un slogan tant que personne ne construit la couche qui les crée. Rien de tout cela n’est automatique — et c’est exactement là que le laissez-faire échoue en Afrique. Sans capacités locales, le continent consomme l’IA étrangère et ne capte rien du travail qui l’entoure. L’augmentation a lieu ; la valeur, elle, s’en va. L’opportunité est conditionnelle, et la condition, c’est le capital humain et la coordination. Ce n’est pas une faille dans l’argument. C’est la raison même pour laquelle une stratégie délibérée est indispensable.
Le travail d’IA bas de gamme qui existe déjà a été synonyme d’exploitation. Le travail de données que l’Afrique connaît déjà est un avertissement, pas un modèle. Le magazine TIME a rapporté que des travailleurs kényans entraînant les filtres de sécurité de ChatGPT gagnaient moins de deux dollars de l’heure, en triant des contenus violents et éprouvants ; une grande plateforme s’est ensuite retirée du Kenya du jour au lendemain, laissant des milliers de personnes sans ressources. Voilà à quoi ressemblent les « emplois de l’IA » quand le travail est extractif et que la valeur se trouve ailleurs — et c’est la meilleure raison de viser plus haut, vers la propriété, plutôt que de compter les volumes tout en bas.
Nommer ces faiblesses n’affaiblit pas la thèse de la création. Cela définit ce à quoi doit ressembler une bonne création : locale, détenue localement, et qui monte en gamme.
Qui crée la valeur quand l’intelligence est bon marché ?
Ce qui nous ramène à la question la plus étrange de l’article du Times — celle autour de laquelle des chercheurs chinois bâtissent tout un champ d’étude : qui crée la valeur après l’IA ?
Quand l’intelligence elle-même est abondante et presque gratuite, la valeur revient à celui qui l’applique et l’adapte à un problème réel, dans un lieu réel. En Afrique, dans l’immense majorité des cas, celui qui l’applique est une personne — l’agent, l’opérateur, le bâtisseur, le travailleur augmenté. La réponse à « qui crée la valeur après l’IA » n’est donc ni une machine, ni un laboratoire. C’est un emploi. Toute la tâche consiste à faire en sorte qu’il y en ait assez, qu’ils montent en gamme, et qu’ils soient détenus ici.
Voilà pour la thèse. Le plan d’action — les emplois précis que l’ère de l’IA rend possibles, et la stratégie qui les construit délibérément — fera l’objet de la deuxième partie.
Leap. Build. Own.
Cet article part de la chronique de Katrin Bennhold dans le New York Times sur l’approche chinoise de l’IA et de l’emploi. Les chiffres sur l’emploi informel et le déficit d’emplois proviennent de l’OIT et du rapport 2026 de la Fondation Mastercard sur l’emploi des jeunes en Afrique ; la projection de population active, de la Banque mondiale ; et les chiffres sur les agents de mobile money, des propres publications de Safaricom. Les éléments sur le travail de données sont tirés des reportages de TIME de 2023 et de la couverture ultérieure du secteur.