L’intelligence artificielle (IA) intéresse les ONG, PME, coopératives, administrations et organismes de formation africains. Démarrer ne signifie pas acheter une infrastructure complexe : une organisation peut améliorer une tâche avec un tableur, un formulaire ou des règles simples, en conservant une décision humaine.
Le point de départ est un problème concret : informations difficiles à classer ou comptes rendus. Dans un contexte de connexion intermittente et de diversité linguistique, la sobriété est une force. Voici une méthode pour expérimenter, protéger les personnes et décider s’il faut poursuivre.
Pourquoi une approche sobre est adaptée au contexte africain
La Stratégie continentale sur l’IA de l’Union africaine défend une approche centrée sur le développement, éthique, responsable et équitable. Pour une organisation locale, cela se traduit par une question simple : comment mieux servir les usagers ou prendre de meilleures décisions sans perdre la maîtrise des données ?
L’infrastructure disponible doit entrer dans le calcul : haut débit intermittent, appareils modestes et budgets limités imposent des formulaires légers, une synchronisation différée et une procédure papier ou locale en cas de panne. Une solution simple et compréhensible peut être préférable à un système ambitieux.
Quatre notions à distinguer avant de commencer
- Automatisation : une règle exécute une tâche répétitive, par exemple classer un formulaire selon un mot-clé ou envoyer un accusé de réception.
- Prédiction : un modèle estime une probabilité ou une valeur future à partir d’exemples passés. Le résultat reste incertain et ne démontre pas une cause.
- Génération : un modèle produit un texte, un résumé, une traduction ou une image à partir d’une consigne. Une réponse fluide peut néanmoins être fausse ou culturellement inadaptée.
- Aide à la décision : l’outil compare, signale ou recommande, mais une personne autorisée décide.
Choisir un premier cas d’usage sans coder
Commencez par une activité fréquente, réversible et vérifiable. Dans une association, un outil peut transformer des notes de réunion en compte rendu. Un collègue vérifie alors les noms, les chiffres, les engagements et les dates. Une autre équipe peut classer des demandes d’aide par thème avant traitement par un agent : c’est une automatisation assistée, pas une décision automatique d’éligibilité.
Une PME ou une coopérative peut utiliser un tableur pour repérer les produits proches d’un seuil de réapprovisionnement. Une prédiction ne vient qu’ensuite, si l’historique est fiable et comparé à une règle simple : saisonnalité, rupture ou changement de prix rendent vite le passé moins représentatif.
Dans l’agriculture, l’IA peut résumer des observations, traduire une consigne ou regrouper des photos pour préparer une visite, sans remplacer le diagnostic. Une administration peut simplifier une note ou préparer une FAQ ; un agent vérifie règles, délais, droits et langue. En éducation, le formateur contrôle les exercices.
Au départ, écartez les usages qui peuvent attribuer automatiquement un droit, une sanction, un paiement ou une note. Le tri automatisé de candidats ou de bénéficiaires à partir de données sensibles, la surveillance biométrique et le diagnostic médical autonome présentent également un niveau de risque trop élevé pour un premier pilote.
Une méthode en six étapes pour tester l’IA
1. Partir du problème et d’une référence manuelle
Écrivez qui fait quoi, à quelle fréquence, avec quelle erreur ou quel délai. Si une checklist, un modèle de document ou un meilleur partage de fichiers suffit, il n’est pas nécessaire de forcer l’usage de l’IA. Décrivez le processus manuel actuel : il servira de comparaison.
2. Cartographier le flux de travail
Sur papier, dessinez les entrées, les étapes, la sortie et le responsable. Repérez les moments où une personne répète une action, cherche une information ou compare des cas. Un tableur et un formulaire local peuvent déjà constituer un pilote.
3. Réduire et documenter les données
Ne copiez pas de noms, de numéros de téléphone, de dossiers médicaux, de mots de passe ou d’informations financières dans un service en ligne non évalué. Anonymisez les exemples, retirez les colonnes inutiles et conservez l’original en lecture seule. Vérifiez la loi nationale applicable, la base légale du traitement et la durée de conservation.
Une fiche de données précise la source, la date, la zone, la langue, le responsable, la qualité connue et la durée de conservation. Demandez qui manque dans l’échantillon : personnes sans smartphone, femmes, zones rurales ou locuteurs de langues peu représentées.
4. Tester sur des cas connus
Préparez 20 à 50 exemples représentatifs, avec fautes, langues locales, demandes ambiguës et cas limites. Pour chaque résultat, notez s’il est exact, partiel, faux, dangereux ou hors sujet. Une consigne précise le rôle, le contexte, le format attendu, les interdits et l’obligation de signaler l’incertitude.
5. Comparer avant de déployer
Mesurez le temps, les erreurs et la satisfaction avec le processus existant, puis avec l’assistance proposée. Un outil gratuit n’est pas automatiquement approprié : examinez confidentialité et conservation. Prévoyez une option manuelle si la connexion tombe.
6. Encadrer le pilote
Nommez un propriétaire métier, un référent données et un référent sécurité. Une règle courte peut guider l’équipe : l’IA propose, l’agent vérifie, le responsable valide. Conservez les versions, les corrections et les incidents dans un journal accessible.
Mesurer la valeur sans confondre fluidité et vérité
Suivez trois familles d’indicateurs. Les indicateurs de valeur couvrent heures économisées, délai de réponse, coût par dossier et résolution. Ceux de qualité comprennent erreurs, exactitude sur cas sensibles, sorties relues et résultats refusés.
Ajoutez les indicateurs d’adoption et de risque : utilisateurs actifs, réclamations, incidents de confidentialité, couverture linguistique et décisions vérifiées. Fixez un seuil d’arrêt : si les erreurs critiques augmentent, si une langue est mal traitée ou si les données ne sont pas protégeables, revenez au manuel. Une réponse convaincante n’est pas toujours vraie.
Limites, confidentialité, cybersécurité et supervision humaine
Les erreurs possibles incluent faits inventés, biais, traductions approximatives, fuites d’informations et excès de confiance. Informez les usagers, proposez un recours humain et permettez la correction des données. La supervision exige temps, sources, correction et responsabilité.
Pour la cybersécurité, limitez les comptes administrateurs, activez l’authentification à deux facteurs, faites des sauvegardes hors ligne, mettez les appareils à jour et formez l’équipe au hameçonnage. Considérez un prompt, un fichier importé ou une réponse externe comme une entrée potentiellement malveillante.
Le cadre volontaire AI RMF du NIST propose de gouverner, cartographier, mesurer et gérer les risques. Sans outil spécialisé, tenez une page de rôles, une feuille de scénarios et de tests, ainsi qu’un registre des décisions et incidents.
Feuille de route 30/60/90 jours
Jours 1 à 30 : comprendre et choisir
Réunissez des utilisateurs de terrain. Formez-les aux limites et à la confidentialité. Inventoriez les tâches, choisissez un pilote à faible impact et établissez tests et indicateurs.
Jours 31 à 60 : expérimenter et corriger
Travaillez sur des données anonymisées avec un outil accessible, ou un tableur si cela suffit. Testez les langues et les cas limites ; faites relire les cas sensibles par deux personnes. Documentez les erreurs et mesurez le gain net. Si le bénéfice ne compense pas le risque, arrêtez ou redessinez le pilote.
Jours 61 à 90 : décider et transmettre
Comparez les résultats à la référence. Validez une procédure, un responsable, une fréquence d’audit et un secours hors ligne. Informez personnel et usagers. Décidez entre abandon, prolongation contrôlée ou extension ; résolvez d’abord les incidents récurrents.
Exemple : une coopérative entre SMS, papier et tableur
Une coopérative reçoit chaque semaine des messages WhatsApp, des SMS et des fiches papier sur les livraisons. Sans serveur ni équipe technique, elle ne commence pas par prédire les prix. Un agent saisit les données essentielles dans un tableur partagé lors des jours de connexion. Une règle colore les retards et les quantités incohérentes. Un outil de génération résume uniquement les notes anonymisées d’une réunion, en français et dans la langue de travail validée par deux agents.
Les indicateurs portent sur le délai de consolidation, les corrections, les ruptures et les producteurs contactés. Les numéros personnels restent séparés du fichier d’analyse. En cas de coupure, le papier continue. Une prédiction de volume n’est étudiée que si l’historique est fiable et si le responsable logistique décide.
FAQ
Faut-il savoir programmer pour commencer ?
Non. Un tableur, un formulaire, des règles de classement ou une fonction de résumé peuvent suffire pour un premier test. La compétence essentielle est de définir le problème, les données autorisées, les critères de qualité et la personne qui valide.
Peut-on envoyer les données des bénéficiaires dans un service en ligne ?
Pas sans évaluation. Minimisez et anonymisez les données, vérifiez les règles nationales, les conditions du service et la conservation. Les informations sensibles doivent rester dans un environnement autorisé, ou être traitées manuellement si les garanties sont insuffisantes.
Comment gérer une connexion intermittente ?
Prévoyez des formulaires légers, une synchronisation différée, des traitements groupés et une procédure papier ou locale. Le pilote doit rester opérationnel lorsque le réseau est indisponible.
Quand faut-il arrêter un pilote ?
Arrêtez-le ou revenez au processus manuel si les erreurs critiques augmentent, si une langue ou un groupe est systématiquement défavorisé, si une donnée ne peut pas être protégée ou si le gain ne compense pas le risque.
Conclusion : commencer petit, apprendre et garder le contrôle
L’IA sans coder n’est pas une course à l’outil le plus impressionnant. Choisissez une tâche à faible risque, préparez des données minimales, testez sur des cas réels, mesurez la valeur et gardez un humain responsable. La sobriété et la continuité hors ligne favorisent la confiance.
Cette semaine, écrivez la version manuelle d’une tâche répétitive. Si les données sont protégeables et le bénéfice vérifiable, lancez un pilote de 30 jours ; sinon, améliorez d’abord le processus.
Sources
- [Stratégie continentale sur l’intelligence artificielle — Union africaine](https://au.int/en/documents/20240809/continental-artificial-intelligence-strategy)
- [Internet use — ITU Facts and Figures 2024](https://www.itu.int/itu-d/reports/statistics/2024/11/10/ff24-internet-use/)
- [AU Data Policy Framework](https://au.int/en/documents/20220728/au-data-policy-framework)
- [UNESCO AI competency frameworks for students and teachers](https://www.unesco.org/en/articles/what-you-need-know-about-unescos-new-ai-competency-frameworks-students-and-teachers)
- [Recommendation on the Ethics of Artificial Intelligence — UNESCO](https://www.unesco.org/en/artificial-intelligence/recommendation-ethics)
- [AI Risk Management Framework — NIST](https://www.nist.gov/itl/ai-risk-management-framework)