« Les enjeux de l'intelligence artificielle
dans l'enseignement et la recherche en Afrique »

L'intégration de l'intelligence artificielle dans les systèmes d'enseignement et de recherche en Afrique se heurte en premier lieu à un obstacle fondamental : le déficit critique d'infrastructure numérique. Selon le rapport Measuring Digital Development: Facts and Figures 2024 de l'Union Internationale des Télécommunications (UIT/ITU), seuls 38 % de la population africaine utilisaient Internet en 2024, contre une moyenne mondiale de 68 %. Plus alarmant encore, 25 % des habitants des zones rurales africaines ne disposent d'aucune couverture mobile — un taux qui contraste avec les 2 % observés en Europe. L'écart urbain-rural est le plus prononcé au monde : 57 % de taux d'accès en ville contre 23 % seulement à la campagne (ITU, 2024). Les universités africaines, souvent implantées hors des centres urbains ou dotées d'infrastructures vétustes, reproduisent et amplifient cette inégalité d'accès.

L'obstacle financier aggrave encore la situation. En 2024, le coût médian d'un forfait mobile d'entrée de gamme (2 Go/mois) représentait 4,2 % du revenu national brut per capita en Afrique — soit plus du double de l'objectif d'accessibilité fixé à 2 % par la Commission des Nations Unies sur le haut débit. Pour le haut débit fixe, ce coût atteint 15 % du revenu des ménages, le rendant pratiquement inaccessible pour la grande majorité des foyers africains (ITU, 2024). Par ailleurs, la couverture 5G, indispensable au déploiement d'outils d'IA avancés en temps réel, ne couvre que 11 % de la population africaine, contre 51 % à l'échelle mondiale. Ces contraintes structurelles conditionnent directement la capacité des institutions d'enseignement supérieur africaines à adopter les outils d'IA.

Sur le plan de la gouvernance numérique, l'ITU note que seuls 18 % des pays africains ont atteint le niveau avancé de régulation des TIC (G4), comparé à une moyenne mondiale de 38 %. En l'absence de cadres réglementaires solides et d'investissements publics ciblés, le déploiement d'infrastructures numériques dans les établissements d'enseignement supérieur reste insuffisant et inégalement réparti. La consommation mensuelle de données mobiles en Afrique ne représente que 3,1 Go par abonnement, soit moins d'un quart de la moyenne mondiale de 13,9 Go — un indicateur révélateur du fossé qualitatif qui sépare le continent du reste du monde numérique (ITU, 2024).

Les questions ci-après sont proposées à titre indicatif et non limitatif ; le chercheur reste libre d'identifier et d'approfondir toute autre problématique qu'il jugera pertinente au regard de ce sous-thème :

1. Quels modèles d'infrastructure numérique sont les mieux adaptés aux contextes universitaires africains marqués par des contraintes énergétiques, géographiques et financières ?
2. Comment concevoir des architectures d'IA fonctionnelles dans des environnements à faible connectivité (low-bandwidth AI) permettant un accès équitable aux outils pédagogiques numériques ?
3. Dans quelle mesure les modèles de financement innovants — partenariats public-privé, fonds multilatéraux, consortiums universitaires régionaux — peuvent-ils suppléer aux défaillances d'investissement public en matière d'infrastructures numériques pour l'enseignement supérieur ?
4. Enfin, comment mesurer et réduire l'écart numérique de genre dans les établissements d'enseignement supérieur africains, sachant que le taux d'utilisation d'Internet est de 31 % chez les femmes contre 43 % chez les hommes (ITU, 2024) ?

Ce sous-thème vise à documenter et analyser les déficits d'infrastructure numérique qui entravent l'accès aux outils d'IA dans les universités africaines, à identifier et évaluer les solutions innovantes (solutions hors-ligne, IA légère, réseaux à faible débit, énergies renouvelables pour les campus) déjà expérimentées sur le continent, et à formuler des recommandations politiques concrètes à l'intention des gouvernements, des organisations régionales et des partenaires au développement en vue d'atteindre une connectivité universelle et abordable dans les établissements d'enseignement supérieur africains à l'horizon 2030, en cohérence avec l'ODD 4 et la Stratégie Numérique de l'Union Africaine (2024).

L'avènement de l'IA générative — illustré par la croissance exponentielle de ChatGPT, qui a atteint 100 millions d'utilisateurs en deux mois seulement après son lancement en novembre 2022 (UBS via Reuters) — recompose en profondeur les pratiques d'enseignement et d'apprentissage à l'échelle mondiale. Dans l'enseignement supérieur africain, cette transformation soulève une tension fondamentale : d'un côté, une adoption rapide des outils d'IA par les enseignants et les étudiants ; de l'autre, une incapacité institutionnelle à encadrer, orienter et tirer pleinement parti de ces outils. Une enquête mondiale conduite par l'UNESCO en septembre 2025 auprès de 400 institutions dans 90 pays révèle que 9 répondants académiques sur 10 utilisent déjà des outils d'IA dans leur travail professionnel, principalement pour la recherche et la rédaction, mais que plus de la moitié se déclarent incertains ou hésitants quant à leur application pédagogique efficace (UNESCO, 2025).

En Afrique subsaharienne, cette adoption reste marquée par des inégalités profondes. Une étude publiée dans Discover Education (Springer Nature, 2025), portant sur 137 enseignants de 13 universités kényanes, constate que si les enseignants reconnaissent le potentiel de l'IA générative pour améliorer la qualité pédagogique et la productivité de la recherche, ils expriment également des préoccupations significatives concernant les risques éthiques, l'intégrité académique et l'érosion des interactions humaines. Par ailleurs, l'UNESCO (2025) soulève la question des biais culturels : les outils d'IA, entraînés majoritairement sur des données occidentales, tendent à marginaliser les épistémologies africaines, les langues locales et les savoirs endogènes. Des études montrent ainsi que ChatGPT et Gemini ignorent les réalités climatiques de l'Afrique de l'Ouest (deux saisons, non quatre) ou les pratiques agricoles communautaires (Nyaaba, Wright et Choi, 2024).

Face à ces défis, l'UNESCO a publié en 2024 deux référentiels de compétences — l'AI Competency Framework for Teachers et l'AI Competency Framework for Students — afin de fournir un cadre normatif pour une intégration responsable de l'IA dans l'enseignement. Ces cadres définissent des niveaux progressifs de maîtrise (Acquérir, Approfondir, Créer) et couvrent cinq dimensions : fondements de l'IA, éthique, pratiques pédagogiques IA, évaluation et développement professionnel. Pourtant, leur déclinaison dans les contextes francophones et africains reste largement à construire.

Les questions ci-après sont proposées à titre indicatif et non limitatif ; le chercheur reste libre d'identifier et d'approfondir toute autre problématique qu'il jugera pertinente au regard de ce sous-thème :

1. Comment adapter les référentiels de compétences IA de l'UNESCO (2024) aux réalités pédagogiques, linguistiques et culturelles des universités d'Afrique francophone ?
2. Quels modèles d'enseignement hybride intégrant l'IA se révèlent les plus efficaces pour améliorer les apprentissages tout en préservant les dynamiques communautaires et collaboratives propres aux cultures africaines ?
3. Comment former les enseignants africains à une utilisation critique et culturellement ancrée de l'IA, dans des contextes de formation continue souvent contraints par des ressources limitées ?
4. L'évaluation adaptative par l'IA est-elle pertinente dans des environnements d'apprentissage à connectivité faible et aux curricula peu numérisés ?

Ce sous-thème vise à analyser les conditions d'une intégration pédagogique réussie de l'IA dans les universités africaines, à documenter les expériences innovantes de personnalisation des apprentissages, d'évaluation adaptative et de co-conception de contenus avec l'IA menées sur le continent, et à proposer des recommandations pour l'adaptation des curricula, la formation des enseignants et la conception d'outils d'IA pédagogique culturellement pertinents et accessibles dans les contextes africains.

L'essor des outils d'IA générative — capables de produire des textes, des codes, des analyses et même des articles scientifiques de qualité soutenue — constitue un défi sans précédent pour l'intégrité académique dans l'enseignement supérieur africain. Une enquête de l'UNESCO conduite en septembre 2025 auprès de 400 établissements dans 90 pays révèle qu'un répondant sur quatre signale que son institution a déjà rencontré des problèmes éthiques liés à l'IA, allant de la dépendance excessive des étudiants aux outils IA jusqu'aux conflits d'attribution scientifique dans la recherche (UNESCO, 2025). Ces incidents soulèvent une question fondamentale : dans un contexte où les outils de détection de plagiat algorithmique sont encore balbutiants et peu adaptés aux langues africaines, comment distinguer le travail authentique d'un étudiant de contenu généré par une machine ?

La problématique éthique dépasse le seul enjeu du plagiat. Elle englobe des questions de biais algorithmiques — les modèles d'IA entraînés sur des données majoritairement issues des pays du Nord reproduisent et amplifient des préjugés culturels, linguistiques et socioéconomiques — ainsi que la protection des données personnelles des étudiants et des chercheurs africains soumises à des juridictions extraterritoriales. La Recommandation de l'UNESCO sur l'éthique de l'IA (2021), premier instrument normatif mondial en la matière, appelle les États à garantir le caractère « humanocentrique » des systèmes d'IA en éducation et à préserver l'autonomie cognitive des apprenants. Pourtant, dans l'espace universitaire africain francophone, cette recommandation reste largement méconnue et aucune charte institutionnelle d'intégrité liée à l'IA n'a encore été adoptée de façon systématique.

La Guidance for Generative AI in Education and Research de l'UNESCO (2023) constitue à ce jour la référence la plus complète pour guider les politiques universitaires. Elle identifie sept catégories de risques liés à l'IA générative dans l'éducation : violation de la vie privée, biais et discrimination, dommages à l'autonomie, atteinte à l'intégrité, désinformation, dommages environnementaux et concentration du pouvoir technologique. Elle recommande notamment l'instauration d'une limite d'âge pour les interactions autonomes avec les plateformes d'IA, la validation pédagogique et éthique préalable de tout outil IA utilisé en contexte éducatif, et la transparence totale vis-à-vis des apprenants quant aux usages de leurs données.

Les questions ci-après sont proposées à titre indicatif et non limitatif ; le chercheur reste libre d'identifier et d'approfondir toute autre problématique qu'il jugera pertinente au regard de ce sous-thème :

1. Comment définir et opérationnaliser l'intégrité académique à l'ère de l'IA générative dans les universités africaines, dans des contextes où les ressources pédagogiques sont rares et où l'usage de l'IA peut constituer une stratégie de compensation légitime ?
2. Quels outils de détection du plagiat algorithmique sont adaptés aux textes académiques en français et dans les langues africaines ?
3. Comment concevoir des chartes institutionnelles d'éthique de l'IA qui soient à la fois conformes aux standards internationaux et ancrées dans les valeurs culturelles et pédagogiques africaines ?
4. Dans quelle mesure les biais des modèles d'IA affectent-ils la qualité et l'équité des évaluations automatisées dans les systèmes éducatifs africains ?

Ce sous-thème vise à examiner les implications éthiques, déontologiques et juridiques de l'usage de l'IA dans la production et la diffusion des connaissances scientifiques en Afrique, à documenter et analyser les incidents d'atteinte à l'intégrité académique liés à l'IA déjà survenus dans les universités du continent, et à proposer des cadres normatifs et des chartes institutionnelles adaptés aux contextes africains, en s'appuyant sur la Recommandation UNESCO de 2021 sur l'éthique de l'IA et les lignes directrices sur l'IA générative en éducation (UNESCO, 2023).

L'intelligence artificielle reconfigure en profondeur les méthodes, les rythmes et les conditions de production de la connaissance scientifique. En offrant aux chercheurs des capacités inédites d'analyse de grandes masses de données, de génération automatique de revues de littérature, de modélisation prédictive et de rédaction assistée, l'IA promet d'accélérer considérablement les cycles de recherche. Pour les chercheurs africains, souvent confrontés à des contraintes de ressources humaines, d'accès aux bases de données internationales et d'équipements, ces outils représentent une opportunité considérable de réduire les inégalités de production scientifique. Pourtant, une étude de référence coordonnée par Wodon (ed., 2025) pour l'UNESCO IICBA et l'UNESCO-ICHEI — intitulée Digitalization and the Use of Artificial Intelligence in Higher Education in Africa: An Exploratory Study — souligne que la faiblesse des données africaines dans les corpus d'entraînement des grands modèles de langage constitue une menace directe pour la souveraineté épistémique du continent.

Cette menace prend plusieurs formes concrètes. Les modèles de langage comme ChatGPT ou Gemini, entraînés sur des corpus dominés par l'anglais et les savoirs du Nord global, peinent à générer des synthèses scientifiques pertinentes sur des contextes africains, à valoriser les méthodologies qualitatives communautaires propres aux sciences sociales africaines, ou à traiter correctement des langues comme le fongbé, le dioula ou le kirundi. Par ailleurs, les plateformes de publication en accès ouvert et les outils de gestion bibliographique pilotés par l'IA (Semantic Scholar, ResearchRabbit, Elicit) restent largement sous-indexés pour la production académique africaine, créant un cercle vicieux d'invisibilité scientifique : moins de données africaines dans les modèles → moins de citations dans les revues indexées → moins de visibilité internationale pour les chercheurs africains. Cette dynamique est documentée par l'Exploratory Study de l'UNESCO (Wodon, ed., 2025).

Enfin, la question de la validité et de la reproductibilité des résultats produits par IA dans la recherche africaine reste largement non résolue. Les risques d'hallucination des modèles génératifs, la fragilité des bases de données locales, l'absence de protocoles d'audit des outils d'IA utilisés en recherche, et la dépendance croissante à des plateformes propriétaires étrangères fragilisent la crédibilité et l'autonomie de la production scientifique africaine à l'ère de l'IA.

Les questions ci-après sont proposées à titre indicatif et non limitatif ; le chercheur reste libre d'identifier et d'approfondir toute autre problématique qu'il jugera pertinente au regard de ce sous-thème :

1. Comment augmenter la représentation des données africaines (textes, corpus, jeux de données) dans les modèles d'IA utilisés pour la recherche, et qui en porte la responsabilité institutionnelle et politique ?
2. Quels protocoles méthodologiques garantissent la fiabilité des résultats de recherche produits avec assistance de l'IA dans les disciplines des sciences humaines et sociales appliquées aux contextes africains ?
3. Dans quelle mesure les chercheurs africains peuvent-ils développer des modèles d'IA souverains, entraînés sur des données locales et gouvernés par des institutions africaines ?
4. Quels sont les effets de l'utilisation de l'IA sur la diversité épistémologique et la pluralité des paradigmes de recherche en Afrique ?

Ce sous-thème vise à analyser les opportunités et les risques associés à l'utilisation de l'IA dans les pratiques de recherche scientifique en Afrique, à documenter les expériences menées dans les universités du continent en matière de traitement automatique de données, de revues de littérature assistées et de co-rédaction scientifique, et à formuler des propositions concrètes pour renforcer la souveraineté des données africaines et garantir que la production scientifique du continent reste ancrée dans ses réalités, ses langues et ses paradigmes de connaissance propres.

La révolution de l'IA génère une transformation sans précédent du marché du travail mondial, avec des conséquences déterminantes pour les systèmes universitaires africains. Le Future of Jobs Report 2025 du Forum Économique Mondial (WEF), fondé sur une enquête auprès de plus de 1 000 employeurs représentant 14 millions de travailleurs dans 55 économies, projette la création de 170 millions de nouveaux emplois d'ici 2030, accompagnée par la disparition de 92 millions d'emplois existants, soit un solde net positif de 78 millions d'emplois. Cependant, le même rapport avertit que 39 % des compétences professionnelles actuellement requises deviendront obsolètes d'ici 2030, et que 63 % des employeurs identifient le déficit de compétences comme le principal frein à leur transformation. Pour l'Afrique subsaharienne, les enjeux sont encore plus pressants : 87 % des employeurs de la région anticipent un besoin croissant en compétences numériques avancées d'ici 2030 (WEF, 2025).

Cette transformation massive du marché du travail coïncide avec une opportunité démographique historique : l'Afrique subsaharienne est la région du monde dont la population en âge de travailler croît le plus rapidement. La population du continent devrait atteindre 2,2 milliards d'habitants d'ici 2055, représentant 79 % de croissance par rapport à aujourd'hui (WEF, 2025). Près de la moitié (47 %) des employeurs d'Afrique subsaharienne prévoient une amélioration de la disponibilité des talents entre 2025 et 2030, contre 29 % à l'échelle mondiale — un signal fort du potentiel de la jeunesse africaine comme réservoir de main-d'œuvre qualifiée en IA. Pourtant, ce potentiel ne peut se concrétiser que si les systèmes universitaires opèrent une réforme curriculaire profonde et rapide pour intégrer les compétences en IA, données massives, cybersécurité et pensée computationnelle dans leurs programmes.

Les universités africaines font face à un triple déficit : un déficit de contenus pédagogiques en IA adaptés aux contextes africains et disponibles en français et dans les langues locales ; un déficit d'enseignants formés aux disciplines de l'IA et de la science des données ; et un déficit de partenariats structurés avec le secteur privé pour garantir l'adéquation des formations aux besoins réels du marché. Ces déficits sont amplifiés par l'insuffisance des infrastructures numériques dans les campus et par l'absence de certifications professionnelles en IA reconnues à l'échelle régionale (UEMOA, CDEAO). Résultat : les diplômés africains sortent des universités avec des compétences en IA très insuffisantes pour les emplois de demain, tandis que les entreprises du numérique peinent à recruter localement.

Les questions ci-après sont proposées à titre indicatif et non limitatif ; le chercheur reste libre d'identifier et d'approfondir toute autre problématique qu'il jugera pertinente au regard de ce sous-thème :

1. Quelles réformes curriculaires spécifiques sont nécessaires dans les universités africaines pour intégrer efficacement les compétences en IA, sans sacrifier les fondements disciplinaires des formations existantes ?
2. Comment concevoir des partenariats durables entre universités africaines et entreprises du numérique pour co-construire des formations en IA adaptées aux réalités du marché local et régional ?
3. Quels mécanismes de certification et de reconnaissance des compétences en IA sont les mieux adaptés aux contextes francophones ouest-africains ?
4. Comment former les formateurs à l'IA dans des délais courts et avec des ressources contraintes, et quelles plateformes de formation à distance peuvent y contribuer efficacement ?

Ce sous-thème vise à analyser les dynamiques d'évolution des compétences requises sur le marché du travail africain à l'ère de l'IA, à évaluer l'adéquation des offres de formation universitaires actuelles aux besoins prévisibles des employeurs, à identifier les meilleures pratiques de réforme curriculaire, de certification et de partenariat université-entreprise menées en Afrique et dans d'autres pays en développement, et à formuler des recommandations pour que les universités africaines deviennent des acteurs proactifs — et non réactifs — de la transition professionnelle vers l'économie de l'IA.

La gouvernance de l'intelligence artificielle dans l'enseignement supérieur africain constitue l'un des défis institutionnels les plus complexes et les plus urgents du moment. Selon le rapport Measuring Digital Development 2024 de l'UIT, seuls 18 % des pays africains ont atteint le niveau G4 — le niveau le plus avancé de régulation des TIC — contre 38 % à l'échelle mondiale. Ce retard réglementaire laisse les systèmes universitaires africains sans cadres normatifs clairs pour encadrer l'usage de l'IA dans l'enseignement, la recherche et l'évaluation des étudiants. Une enquête de l'UNESCO (2023) révélait que moins de 10 % des universités mondiales disposaient alors de lignes directrices formelles sur l'IA — une proportion qui, bien qu'en hausse (19 % en 2025 selon l'UNESCO), reste très insuffisante au regard de la vitesse d'adoption des outils (UNESCO, 2025).

Au niveau continental, l'Union Africaine a franchi une étape importante en adoptant en 2024 sa Stratégie Continentale sur l'Intelligence Artificielle, qui définit une vision et des principes directeurs pour le développement et le déploiement de l'IA en Afrique d'ici 2033. Cette stratégie est complétée par la Stratégie d'Éducation Numérique et Plan de Mise en Œuvre (UA, 2022, révisée 2024). Cependant, leur déclinaison dans les politiques nationales et les réglementations sectorielles de l'enseignement supérieur reste à construire dans la quasi-totalité des États membres. À l'échelle internationale, le cadre de référence est la Recommandation de l'UNESCO sur l'éthique de l'IA (2021), premier instrument normatif mondial adopté par 193 États membres, qui articule onze principes fondamentaux incluant la proportionnalité, la sécurité, la transparence, la responsabilité et la protection des données.

Dans l'enseignement supérieur africain spécifiquement, l'absence de gouvernance de l'IA se manifeste par des problèmes concrets : utilisation non encadrée d'outils d'IA commerciaux par les étudiants et les enseignants, transfert non consenti de données académiques vers des serveurs étrangers, absence de mécanismes d'audit des algorithmes d'évaluation et d'admission, et absence de recours institutionnel en cas de décision algorithmique discriminatoire. Ces lacunes soulèvent des questions fondamentales de souveraineté numérique, d'équité et de droits des apprenants africains.

Les questions ci-après sont proposées à titre indicatif et non limitatif ; le chercheur reste libre d'identifier et d'approfondir toute autre problématique qu'il jugera pertinente au regard de ce sous-thème :

1. Quels modèles de gouvernance institutionnelle de l'IA sont les mieux adaptés aux universités africaines, dans des contextes de capacités administratives limitées ?
2. Comment articuler la Stratégie Continentale IA de l'UA (2024) et la Recommandation UNESCO sur l'éthique de l'IA (2021) avec les spécificités des systèmes juridiques, culturels et institutionnels des pays d'Afrique subsaharienne ?
3. Quelles mesures concrètes permettraient de garantir la protection des données personnelles des étudiants et des chercheurs africains face aux grandes plateformes d'IA étrangères ?
4. Comment développer des approches africaines souveraines de régulation de l'IA qui ne soient ni de simples copies des régulations européennes ou américaines, ni des cadres permissifs sans garde-fous ?

Ce sous-thème vise à examiner les cadres de gouvernance, les politiques publiques et les instruments réglementaires existants ou en cours d'élaboration relatifs à l'IA dans l'enseignement supérieur africain, à analyser les défis spécifiques liés à la mise en œuvre de ces cadres dans les contextes institutionnels africains, et à proposer des modèles de gouvernance adaptés, garantissant à la fois l'innovation, la protection des droits des apprenants, la souveraineté des données et l'alignement sur les valeurs et les priorités de développement du continent africain.

Le fossé entre le potentiel africain en matière d'IA et les ressources effectivement mobilisées pour le développer est l'un des plus préoccupants à l'échelle mondiale. En 2024, tandis que l'investissement mondial dans l'IA dépassait 100 milliards USD, le continent africain n'enregistrait qu'une seule transaction notable en IA, d'une valeur inférieure à 100 millions USD — soit moins de 0,1 % du total mondial (OCDE, Africa Capital Markets Report, 2025). Cette disproportion dramatique reflète la combinaison de plusieurs facteurs structurels : un paysage réglementaire fragmenté et peu attractif pour les investisseurs, des déficits d'infrastructure freinant la scalabilité des solutions, une pénurie de talents en IA sur le continent — les professionnels qualifiés migrant vers les économies les plus développées — et une faible intégration des universités africaines dans les écosystèmes d'innovation mondiaux.

Pourtant, les indicateurs d'adoption de l'IA sur le continent sont encourageants. Une étude du CIPIT Kenya (2024) identifie environ 2 400 organisations actives dans l'IA en Afrique, dont 40 % de startups innovantes. Les investissements en capital-risque dédiés à l'IA ont dépassé 600 millions USD en 2024 (Partech Africa, 2024), représentant 13 % du financement des startups technologiques africaines. Une enquête McKinsey (2024) conduite auprès de 263 dirigeants d'organisations africaines dans neuf pays révèle que plus de 40 % ont déjà commencé à expérimenter ou à déployer des solutions d'IA générative. Par ailleurs, le marché continental de l'IA est évalué à 3,70 milliards USD en 2024 par Statista, avec un taux de croissance annuel composé de 28,34 % projeté jusqu'en 2030. Ces signaux témoignent d'une dynamique de fond portée par des entrepreneurs africains résolus, mais insuffisamment appuyée par les financements institutionnels — en particulier dans le secteur de l'éducation et de la recherche.

Dans l'enseignement supérieur spécifiquement, le financement de l'IA reste quasi inexistant en dehors de quelques projets pilotes financés par des bailleurs extérieurs (Banque Mondiale via le projet WURI, AFD, AUF, UNESCO). Les universités africaines disposent rarement de budgets dédiés à l'acquisition d'outils d'IA, à la formation de leur personnel ou à la conduite de recherches sur l'IA. L'absence de grands centres de données régionaux en Afrique subsaharienne — à l'exception de l'Afrique du Sud — oblige les institutions à dépendre de serveurs étrangers, rendant les coûts d'infrastructure prohibitifs et soulevant des questions de souveraineté des données (McKinsey, 2025). Le modèle économique de l'IA pour l'éducation africaine reste donc entièrement à construire.

Les questions ci-après sont proposées à titre indicatif et non limitatif ; le chercheur reste libre d'identifier et d'approfondir toute autre problématique qu'il jugera pertinente au regard de ce sous-thème :

1. Quels mécanismes de financement innovants — partenariats public-privé, fonds de dotation universitaires, financements multilatéraux, philanthropie technologique — sont les mieux adaptés pour soutenir le développement de l'IA dans l'enseignement supérieur africain ?
2. Comment structurer des consortiums universitaires régionaux capables de mutualiser les ressources, les données et les infrastructures nécessaires au développement d'outils d'IA adaptés aux contextes africains ?
3. Quelles conditions doivent être réunies pour que les universités africaines deviennent non seulement des consommatrices mais aussi des productrices d'IA, en développant des modèles entraînés sur des données africaines et gouvernés par des institutions africaines ?
4. Comment attirer et retenir les talents africains en IA pour éviter une fuite des cerveaux supplémentaire vers les économies les plus développées ?

Ce sous-thème vise à analyser les modèles de financement de l'IA dans l'enseignement supérieur africain, à identifier les meilleures pratiques de partenariats université-entreprise-gouvernement-organisations internationales pour le développement d'une IA africaine souveraine et inclusive, et à formuler des recommandations concrètes pour mobiliser des financements durables au service d'une transformation numérique des universités africaines qui profite en priorité aux populations du continent, en cohérence avec les ambitions de la Stratégie Continentale IA de l'Union Africaine (2024) et des ODD.

L'Afrique abrite une richesse linguistique sans égale à l'échelle mondiale : avec plus de 2 000 langues vivantes représentant environ 30 % des langues du monde, le continent constitue le berceau de la diversité linguistique de l'humanité (Ethnologue / SIL International, 2024). Pourtant, cette diversité est quasi absente des systèmes d'intelligence artificielle dominants. Une analyse conduite par Joshi et al. (2020) dans le cadre de la conférence ACL a classifié les langues du monde en six catégories selon leur niveau de ressources numériques disponibles pour le traitement automatique du langage naturel (NLP) : la grande majorité des langues africaines se retrouve dans les deux catégories les plus basses (Class 0 et Class 1), caractérisées par une absence quasi totale de données d'entraînement, de corpus annotés et d'outils NLP fonctionnels. Les grands modèles de langage (LLM) tels que GPT-4, Llama ou Gemini sont entraînés sur des corpus massivement dominés par l'anglais — qui représente à lui seul plus de 50 % des données du Common Crawl —, tandis que les langues africaines n'y représentent collectivement qu'une fraction inférieure à 1 % (Kreutzer et al., 2022, TACL).

Cette marginalisation numérique produit des effets concrets et documentés sur l'accessibilité des outils d'IA pour les populations africaines. Les assistants vocaux, les correcteurs grammaticaux, les moteurs de traduction automatique et les chatbots pédagogiques fonctionnent de manière satisfaisante en anglais, en français ou en arabe, mais restent inopérants — ou profondément défaillants — pour le swahili, le haoussa, le yoruba, le fon, le wolof ou le bambara, qui comptent pourtant des dizaines à des centaines de millions de locuteurs. Le rapport No Language Left Behind de Meta AI (2022) a constitué une avancée notable en développant un modèle de traduction couvrant 200 langues dont une cinquantaine de langues africaines, mais les performances restent significativement inférieures pour ces dernières, faute de données d'entraînement suffisantes et de qualité vérifiable. L'UNESCO recense par ailleurs 417 langues africaines comme menacées ou en danger critique d'extinction (UNESCO World Atlas of Languages, 2023) — et l'absence de ces langues des systèmes d'IA accélère leur marginalisation numérique et sociale.

Dans le domaine de l'enseignement supérieur et de la recherche, les conséquences de cette exclusion sont particulièrement profondes. Les étudiants et chercheurs qui s'expriment principalement en langues locales n'ont accès à presque aucun outil d'IA fonctionnel dans leur langue maternelle. La communauté de recherche Masakhane — fondée en 2019 et réunissant plus de 800 chercheurs africains — a documenté ces déficits et développé des jeux de données et modèles NLP pour une soixantaine de langues africaines (Nekoto et al., 2020 ; Adelani et al., 2021) ; mais ces efforts pionniers restent largement insuffisants au regard des 2 000 langues du continent et de l'accélération technologique des grands modèles d'IA propriétaires. Sans investissements massifs et coordonnés dans la constitution de corpus linguistiques africains de qualité, le risque est grand de voir l'IA renforcer les inégalités existantes plutôt que de les résorber.

Les questions ci-après sont proposées à titre indicatif et non limitatif ; le chercheur reste libre d'identifier et d'approfondir toute autre problématique qu'il jugera pertinente au regard de ce sous-thème :

1. Comment développer des corpus linguistiques numériques de qualité pour les langues africaines à faibles ressources, et quelles méthodologies participatives — impliquant locuteurs natifs, universités et communautés locales — sont les plus efficaces pour leur constitution à grande échelle ?
2. Dans quelle mesure les modèles de langage multilingues existants (mBERT, BLOOM, NLLB-200) sont-ils adaptables aux langues africaines, et quelles architectures spécifiques permettraient de mieux capturer leurs structures morphologiques, tonales et agglutinatives particulières ?
3. Comment intégrer les langues africaines dans les outils d'IA pédagogique — chatbots éducatifs, générateurs de contenus, outils de correction automatique — pour garantir un accès équitable à l'IA dans l'enseignement supérieur africain, y compris dans les zones rurales et à faible connectivité ?
4. Quels modèles de gouvernance linguistique permettraient aux communautés africaines de contrôler l'usage de leurs langues dans les systèmes d'IA, notamment pour prévenir l'exploitation commerciale non consentie de leurs données linguistiques et garantir leur souveraineté épistémique ?

Ce sous-thème vise à analyser l'état de la représentation des langues africaines dans les systèmes d'intelligence artificielle et à identifier les obstacles techniques, économiques et institutionnels qui freinent leur intégration dans les outils d'IA éducatifs et de recherche ; à documenter et valoriser les initiatives existantes — Masakhane, Mozilla Common Voice, AfroNLP, Meta NLLB — ainsi que les recherches conduites par des chercheurs africains pour constituer des ressources linguistiques numériques pour les langues du continent ; et à formuler des recommandations concrètes pour que les universités africaines deviennent des acteurs souverains du développement de l'IA multilingue africaine, en s'appuyant sur leurs propres langues, savoirs et épistémologies, en cohérence avec la Stratégie Continentale IA de l'Union Africaine (2024) et les objectifs de l'UNESCO pour la préservation de la diversité linguistique mondiale.