IA en Afrique : six pays déploient du calcul local

Le Kenya, le Malawi, le Rwanda, l’Afrique du Sud, le Togo et la Zambie disposent désormais d’infrastructures locales de calcul destinées à l’intelligence artificielle dans le cadre d’un programme soutenu par le PNUD. Mais un rapport publié le 17 septembre 2026 montre que l’accès aux GPU ne suffit pas encore à démocratiser réellement les usages de l’IA en Afrique.

Six pays africains hébergent désormais des capacités de calcul IA

Le Programme des Nations unies pour le développement a accompagné ces six pays dans différentes étapes, de la conception des infrastructures à leur installation, leur activation et leur exploitation. Ces équipements reposent notamment sur des GPU, des processeurs capables d’effectuer les calculs massifs nécessaires à l’entraînement ou à l’exécution de modèles d’intelligence artificielle.

Le rapport ne signifie toutefois pas que seuls six pays africains possèdent des infrastructures informatiques avancées. Il analyse précisément six déploiements nationaux accompagnés par le PNUD et cherche à déterminer comment transformer des capacités techniques en services réellement utilisables par les administrations, chercheurs, entreprises et innovateurs locaux.

Cette orientation prolonge l’initiative timbuktoo du PNUD. Dès 2025, l’organisation indiquait travailler au déploiement de nœuds de calcul dans les six pays, avec une alimentation renouvelable lorsque les conditions le permettent. L’objectif consiste notamment à réduire la dépendance des développeurs africains aux infrastructures cloud situées à l’étranger.

20 projets sur 21 butent encore sur les données

Le principal enseignement du rapport concerne moins les machines que leur utilisation. Le PNUD a étudié 21 applications potentielles dans les six pays. Selon les données rapportées par Le360, 20 présentaient une préparation des données insuffisante pour envisager un passage à grande échelle.

Les projets couvrent pourtant des besoins très concrets. Au Kenya, l’une des pistes concerne le financement des petits exploitants agricoles. Le Malawi travaille sur des services de conseil agricole. En Afrique du Sud, l’IA doit notamment soutenir l’observation des cultures grâce aux images satellitaires. La Zambie explore son utilisation dans les minerais critiques, tandis que le Togo développe des usages liés aux services publics.

Le problème est donc celui de la « conversion » de la puissance de calcul en capacité opérationnelle. Des données accessibles et suffisamment structurées sont nécessaires, mais aussi des spécialistes, une cybersécurité adaptée, des règles d’accès aux serveurs et un financement capable de couvrir les dépenses récurrentes. Le PNUD cite précisément ces facteurs parmi les conditions indispensables à une utilisation durable des infrastructures.

Au Rwanda, le « paradoxe de Kigali » illustre le défi

Le Rwanda constitue l’un des exemples les plus avancés. Les autorités y ont identifié 42 applications prioritaires de l’intelligence artificielle dans huit secteurs. Un serveur GPU financé par le PNUD est hébergé à Bugesera et géré par la Rwanda Information Society Authority.

Pourtant, certaines startups rwandaises continuent d’utiliser des services cloud étrangers payants alors que des capacités locales existent. Le rapport décrit cette situation comme le « paradoxe de Kigali » : installer des GPU ne garantit pas que les utilisateurs sachent qu’ils sont disponibles, puissent y accéder facilement ou bénéficient de tarifs et d’un environnement logiciel adaptés.

La question de la gouvernance devient alors aussi importante que celle du matériel. Propriétaire des équipements, conditions d’accès, priorités entre administrations et entreprises, facturation ou encore financement de la maintenance doivent être déterminés avant que le calcul local puisse réellement changer les usages.

L’IA en Afrique entre désormais dans une deuxième phase

Pour Aissata De, directrice régionale par intérim du Bureau régional Afrique du PNUD, « la souveraineté ne consiste pas à tout faire seul ». Les États peuvent combiner infrastructures locales, cloud commercial et partenariats internationaux, à condition de conserver la capacité de faire leurs propres choix stratégiques.

Cette approche montre que la prochaine étape de l’IA en Afrique ne consiste plus seulement à acheter des serveurs. Il faut désormais créer les données, compétences et règles permettant de les utiliser à grande échelle.

Les six déploiements constituent ainsi un premier laboratoire. Leur succès se mesurera moins au nombre de GPU installés qu’au nombre de services publics, projets agricoles, solutions industrielles ou entreprises capables d’en tirer effectivement parti. C’est à cette condition que la puissance de calcul locale pourra élargir réellement l’accès à l’intelligence artificielle.