La GSMA vient de publier un rapport qui s’intéresse aux cas d’usage de l’IA au service du développement durable en Afrique. L’étude a porté sur le Kenya, le Nigéria et l’Afrique du Sud.
L’IA est un levier important pour stimuler l’économie africaine et soutenir les Objectifs de développement durable (ODD) sur le continent. Alors que l’IA est déjà développée et déployée pour soutenir une gamme de use case dans les pays africains, peu de recherches s’intéressent à la constitution d’un ensemble de preuves de cas d’utilisation de l’IA pour le développement sur le continent.
Ce rapport est basé sur l’analyse de plus de 90 cas d’utilisation identifiés au Kenya, au Nigéria et en Afrique du Sud – qui bénéficient d’écosystèmes technologiques florissants – dans les domaines de l’agriculture et de la sécurité alimentaire, de l’énergie et du climat. Alors que de nombreux cas d’utilisation de l’IA sont relativement naissants, certains étant déployés dans le cadre de projets ou de programmes pilotes, un certain nombre de solutions commercialement viables ont également émergé.
L’IA est souvent intégrée dans des produits et services numériques existants, agissant comme un catalyseur pour rendre les solutions numériques plus pertinentes et efficaces, amplifier leur impact et faciliter leur mise à l’échelle.
Opportunités et limites
Les cas d’usage ont été appuyés par de nombreux progrès technologiques. L’analyse des données géospatiales et de télédétection, alimentée par l’apprentissage automatique, peut par exemple prendre en charge un large éventail de cas d’utilisation et d’activités tels que la surveillance des conditions du sol pour une gestion efficace des cultures, la cartographie de l’accès à l’énergie dans les zones hors réseau pour éclairer la planification énergétique et la surveillance des impacts du changement climatique sur les écosystèmes.
Malgré ces avancées, la disponibilité de données pertinentes au niveau local reste limitée en Afrique et constitue un obstacle majeur au développement et au déploiement de solutions sur mesure qui répondent aux défis propres au continent.
L’un des obstacles mentionnés dans le rapport, la langue. En effet, la rareté des données linguistiques locales limite la pertinence des services basés sur l’IA et constitue un obstacle important au développement de solutions d’IA génératives qui s’appuient sur des modèles linguistiques.
Un autre frein identifié porte sur les coûts élevés du matériel tel que les unités de traitement graphique (GPU) et le cloud computing. Ils constituent un obstacle majeur au déploiement et à l’adoption de l’IA, en particulier pour les entrepreneurs et les chercheurs locaux disposant de ressources financières limitées.
Source: AI for Africa: Use cases delivering impact (gsma.com)
