Read this in English → [lien]
La première partie l’a montré : en Afrique, la question de l’IA et de l’emploi n’est ni la protection ni la dérive, mais la création délibérée. Place au concret — les nouvelles catégories de travail que fait émerger l’intelligence abondante, et la stratégie pour les bâtir. Deuxième partie sur deux.
La première partie défendait une thèse : dans la plupart des pays d’Afrique, l’IA est moins une menace pour les emplois formels existants — ils sont relativement peu nombreux — que la matière première pour bâtir les nombreux autres dont le continent a besoin. Et l’approche qui convient n’est ni celle des États-Unis, qui laissent faire le marché, ni celle de la Chine, qui défend les emplois existants, mais la création délibérée de travail nouveau.
Mais une thèse n’est pas un plan. « L’IA va créer des emplois » n’est qu’un slogan tant qu’on ne peut pas nommer ces emplois ni les mesures qui les font naître. Voici donc le concret : à quoi ressemble réellement ce travail, et ce que contiendrait une stratégie pour le construire.
Partons du point clé de la première partie. Dans une grande partie de l’Afrique, ce qui manque n’est pas le travail à accomplir — ce sont des personnes capables de l’accomplir de façon productive. L’objectif n’est donc pas de protéger un effectif, ni de courir après les emplois que l’externalisation voudra bien offrir. Il est de maximiser le nombre de personnes que l’intelligence abondante rend productives. Ce simple changement de perspective change ce que l’on construit.
Le travail nouveau que le bond en avant fait naître
L’erreur est d’imaginer que l’IA ne fait que supprimer des emplois. L’histoire est claire : les technologies à usage général créent aussi des catégories de travail que personne n’aurait su nommer à l’avance — et l’Afrique peut construire ces catégories délibérément, au lieu d’attendre de voir lesquelles apparaîtront. Plusieurs se dessinent déjà :
Intégrateurs d’IA pour les petites entreprises — celles et ceux qui déploient, adaptent et font tourner au quotidien les outils d’IA qui rendent les PME productives. La plupart des petites entreprises n’engageront jamais un grand cabinet de conseil ; quelqu’un de local fera le travail technique, le conseil et la maintenance — souvent la même personne. Et il y en a énormément à faire.
Spécialistes des langues locales — celles et ceux qui adaptent, évaluent et maintiennent les systèmes en wolof, bambara, yoruba, swahili, lingala, amharique, et les centaines de langues que les modèles mondiaux négligent. Bien menée, c’est une activité qualifiée et durable — l’inverse de l’annotation ponctuelle et mal payée contre laquelle la première partie mettait en garde. C’est la couche de conception et de qualité, celle qui se situe au-dessus de l’étiquetage brut des données, et non l’étiquetage lui-même.
Conseillers agricoles et opérateurs d’outils d’IA — celles et ceux qui apportent aux exploitations l’irrigation intelligente, les capteurs de culture et les robots de terrain, et qui aident les agriculteurs à tirer parti de ce que ces outils révèlent. Avec cet appui, un seul agriculteur peut travailler une surface qui en exigeait auparavant plusieurs.
Agents de santé assistés par l’IA — un nouveau profil de soignant pour un nouveau modèle de soins : des points de santé qui recueillent les données au plus près des habitants, reliés par la télémédecine et l’IA à des spécialistes parfois éloignés. Ce modèle apporte un bon diagnostic et un bon suivi aux zones rurales sans construire de grands hôpitaux partout — et il faut des personnes formées pour recueillir les données, faire fonctionner les appareils et accompagner les patients, ainsi que les techniciens qui font tenir l’ensemble.
Gestionnaires de coopératives de données — un rôle plus récent et moins éprouvé : aider les coopératives, les municipalités et les associations à collecter, gouverner et exploiter leurs propres données au lieu de les céder. Émergent plutôt qu’établi — mais le besoin est déjà visible.
Et sous-tendant toutes ces catégories, la plus vaste de toutes : les micro-entrepreneurs outillés par l’IA — des personnes qui utilisent l’intelligence abondante pour proposer de la traduction, du design, de la comptabilité, du marketing, des services touristiques, de l’aide aux achats, et cent autres choses ; une seule personne pouvant désormais accomplir le travail qui exigeait naguère une petite équipe. Ce n’est pas la prévision d’un chiffre précis. C’est la forme d’une opportunité — et son ampleur est à la mesure du besoin.
Remarquez ce que la plupart ont en commun. Elles se situent au point de rencontre entre l’intelligence et une réalité locale à laquelle il faut l’adapter — et ce point est difficile à délocaliser. Toutes les tâches ne restent pas locales : le travail de données brut file déjà vers le pays le moins cher, comme le rappelait la première partie. Mais la couche de la relation — connaître le secteur, la langue, la communauté, les conditions, et être digne de confiance pour déployer au sein de tout cela — est bien plus difficile à piloter de loin. C’est là que se trouve le travail durable et mieux rémunéré.
Une réserve : beaucoup de ces activités commencent comme du travail à la tâche ou des gagne-pain informels, non comme des postes salariés — et l’avertissement de la première partie sur le bas extractif du marché vaut ici aussi. Le rôle d’une stratégie est d’aider ce travail à progresser vers la stabilité et la propriété, non de se féliciter de son volume brut. C’est précisément à cela que sert une stratégie, par opposition à un slogan.
Industrialiser par l’intelligence — usines comprises
Prenons du recul : tout cela dépasse une simple liste d’emplois — c’est une autre manière de se développer. L’Afrique a toujours besoin d’industrie : elle possède des minerais et des récoltes qu’il faut transformer, et le faire sur place, au lieu d’exporter les matières premières pour importer les produits finis, c’est ainsi que la valeur reste sur le continent. Le bond en avant ne consiste donc pas à se passer des usines. Il consiste à ne pas refaire le lent chemin qui y mène.
Cet ancien chemin suivait un ordre immuable : bâtir d’abord l’industrie lourde et les grandes usines comme principal moteur d’emplois ; des décennies plus tard, développer les services ; plus tard encore, une large vague d’entrepreneuriat — chaque étape attendant la précédente. L’intelligence abondante supprime la nécessité d’attendre. L’Afrique peut bâtir des usines intelligentes qui transforment les ressources locales avec moins de personnel, mais plus qualifié, et développer en même temps une vaste couche de services et de petites entreprises outillés par l’IA — au lieu de considérer les grandes usines comme le seul lieu d’où vient le travail.
Sous tout cela se joue un basculement : du grand et centralisé vers le petit et local. Longtemps, l’échelle a rimé avec la taille — une usine géante, un hôpital central, une grande école — tout circulant vers ce centre et depuis ce centre, à grands frais et à grand risque. L’IA, l’automatisation et la robotique changent la donne. Elles rendent les petites unités locales assez efficaces pour valoir la peine d’être construites : la production peut alors s’installer là où sont les ressources, et les services là où les gens en ont réellement besoin, au lieu de tout transporter vers un centre et depuis lui. Pensez aux boulangeries : non pas une usine géante qui cuit pour tout un pays et expédie le pain partout, mais une boulangerie dans chaque quartier, qui produit ce dont ce quartier a besoin. La même chose devient possible pour les usines, les cliniques et les écoles — un réseau de petites unités locales plutôt que quelques géants.
Et petit ne veut pas dire isolé. Les unités sont connectées et partagent ce qu’elles apprennent : les robots d’une usine transmettent leur expérience aux robots d’une autre ; des exploitations sous des climats différents échangent ce qui marche ; des cliniques mettent en commun ce qu’elles observent. Un site central unique ne connaît jamais qu’une seule réalité. Un réseau de sites locaux apprend de plusieurs à la fois — chaleur, froid, poussière, sols et usages différents — et s’améliore d’autant plus vite. Décentralisé mais coordonné l’emporte sur grand et centralisé. Cette coordination — de nombreuses unités locales qui apprennent comme une seule — est la vraie force sur laquelle repose toute cette approche.
On retrouve ce mouvement dans tous les secteurs. Dans l’agriculture : irrigation intelligente, capteurs et robots sur de nombreuses petites exploitations plutôt qu’une ferme géante. Dans la santé : des points de collecte de données locaux, la télémédecine et des objets connectés qui accompagnent les gens au jour le jour — gérer les maladies chroniques, orienter la nutrition, repérer tôt les problèmes — au lieu de quelques hôpitaux centraux coûteux. À chaque fois, la logique est la même : appliquer l’intelligence maintenant, et placer la capacité là où sont les gens et les ressources, plutôt que de bâtir d’abord de coûteuses infrastructures du XXe siècle et de tout centraliser autour d’elles. Bien menée, cette approche est à la fois meilleure et moins chère — et, dans la santé, elle maintient une main-d’œuvre plus saine et plus productive tout en évitant l’explosion des coûts qui pèse sur les économies plus riches.
Voilà ce que « leapfrogging » veut vraiment dire ici : non pas sauter l’industrie, mais la bâtir sous une forme nouvelle — plus petite, locale, connectée, et tout à la fois. L’Afrique peut atteindre une économie moderne — usines, services et entrepreneuriat ensemble — sans passer des décennies à y grimper étape par étape. Cela s’appuie sur une force déjà présente sur le continent, l’entrepreneuriat informel, au lieu de la contrarier ; tout le monde ne devient pas salarié, et beaucoup deviennent entrepreneurs. L’occasion est de faire de l’intelligence abondante un chemin plus rapide et plus intelligent qu’aucun de ceux empruntés jusqu’ici.
La stratégie qui la construit
Rien de tout cela n’est automatique — c’était l’avertissement de la première partie. La création délibérée exige des mesures délibérées. Une véritable stratégie d’emploi par l’IA, par opposition à une stratégie de protection, mobiliserait des leviers comme ceux-ci :
Programmes nationaux d’apprentissage et de formation professionnelle en IA — traiter les compétences d’IA appliquée comme les époques passées traitaient les métiers manuels.
Services de vulgarisation de l’IA — calqués sur les réseaux de vulgarisation agricole déjà en place, pour mettre le conseil à la portée des agriculteurs et des petites entreprises.
Un corps de déploiement de l’IA — une capacité organisée pour amener l’IA dans les services publics et les PME, créant au passage les emplois d’intégrateurs évoqués plus haut.
Une commande publique favorable aux startups d’IA locales — utiliser la demande de l’État pour développer les capacités nationales plutôt que de les importer.
Des fonds d’entrepreneuriat en IA — des capitaux dirigés vers la couche des micro et petites entreprises, là où se fera l’essentiel de la création d’emplois.
Des modèles de fondation et d’application en langues locales — traités comme une infrastructure publique, car tout le reste en dépend.
Une alphabétisation massive à l’IA et par l’IA — la couche de base qui permet à toute la population de participer, et non à une mince élite.
Rien d’exceptionnel dans tout cela. Ce sont les instruments ordinaires de la politique industrielle, dirigés vers une cible que d’autres ne visent pas — ni protéger les emplois d’hier, ni attendre le marché, mais bâtir les conditions pour que le travail de demain existe.
Là où la stratégie prend racine
Chaque élément de cette liste repose sur le même socle — celui de tout ce que fait leapfrogging.africa : des personnes réellement capables de déployer l’IA dans les conditions africaines. Sans elles, les emplois d’intégrateurs, le corps de déploiement, les modèles en langues locales et les micro-entreprises se louent tous ailleurs — et la stratégie retombe dans la simple consommation.
C’est le rôle d’ALIT Africa à l’extrémité appliquée, et celui de l’éducation comme pilier à part entière de leapfrogging.africa en dessous — du primaire et du secondaire à la formation professionnelle et continue, et conçue comme l’intelligence abondante le permet désormais : adaptative, fondée sur la maîtrise, où c’est le niveau atteint, et non le calendrier, qui décide du moment où quelqu’un est qualifié. L’éducation n’est pas à côté de la stratégie d’emploi. Elle estla stratégie d’emploi, vue depuis sa source. C’est le pilier « emploi » de tout l’argumentaire de leapfrogging.africa : si l’intelligence devient un bien courant, alors l’avantage compétitif de l’Afrique, c’est le nombre de personnes qu’elle peut rendre capables de l’appliquer — travailleurs, opérateurs, bâtisseurs et entrepreneurs, à grande échelle.
Ce que personne n’a jamais fait
Un dernier point, et c’est le plus important, car il est facile de le perdre de vue dans le quotidien.
Aucun pays dans l’histoire ne s’est industrialisé en disposant d’une intelligence abondante dès le départ. Ni le Royaume-Uni. Ni l’Allemagne. Ni les États-Unis. Ni la Chine. Chacun a d’abord bâti son économie moderne, et n’a dû y ajouter l’intelligence que plus tard — ce qui est précisément ce qu’une grande partie du monde peine aujourd’hui à faire.
L’Afrique pourrait être la première à bâtir de larges pans d’une économie moderne avec une intelligence abondante disponible dès le premier jour. Ce n’est pas un lot de consolation pour être arrivée en retard. C’est une position de départ qu’aucune nation industrialisée avant elle n’a jamais connue.
D’autres cherchent comment protéger la main-d’œuvre d’hier, ou espèrent que le marché tranchera la question à leur place. L’Afrique a une tâche plus rare, et une chance plus rare : concevoir l’avenir avant que l’ancien modèle ne s’installe — et faire en sorte que les emplois qu’elle crée soient détenus ici.
Leap. Build. Own.