• L’OIT confirme que l’IA transforme l’emploi selon des rythmes différents selon les régions.
  • Dans les économies en développement, l’exposition à l’automatisation est moindre, mais les perturbations peuvent survenir avant les gains de productivité.
  • Les économies avancées sont davantage exposées : certains effets observés passent par une réduction des recrutements, tandis que les données sur les licenciements liés à l’IA restent limitées.
  • En Afrique, moins de 0,6 % des offres d’emploi mentionnent des compétences liées à l’IA, contre moins de 2 % aux États-Unis et en Europe selon la Banque mondiale.

L’essentiel

  • L’OIT constate une exposition agrégée moindre à l’automatisation dans les économies en développement, avec des bénéfices freinés par les lacunes numériques, mais souligne que la diffusion rapide de l’IA impose une action rapide.
  • En Afrique, moins de 0,6 % des offres d’emploi mentionnent des compétences liées à l’IA, contre 1 à 2 % aux États-Unis et en Europe (Banque mondiale).
  • Le risque majeur n’est pas le chômage technologique immédiat, mais la captation de valeur par des plateformes et des infrastructures étrangères si les choix structurels sont différés.
  • Plusieurs pays africains, Kenya, Rwanda, Sénégal, Égypte, ont lancé des stratégies nationales d’IA, mais le fossé entre les documents d’orientation et les capacités réelles reste large.
  • La question de fond est de savoir qui, sur le continent, formera les travailleurs, posera les câbles, rédigera les règles et captera les revenus de l’économie numérique à venir.

Le retard est un fait, l’irréversibilité ne l’est pas encore

Le chiffre de 0,6 % mesure la part des offres d’emploi en ligne observées dans les pays africains étudiés. Il s’agit d’un indicateur de demande du marché du travail formel, non d’un taux de chômage technologique ni d’une mesure du décrochage. Il signale que les offres d’emploi africaines mentionnent encore rarement des compétences liées à l’IA, ce qui ne permet pas de conclure sur l’automatisation des processus de recrutement eux-mêmes.

Aux États-Unis, ce taux est inférieur à 2 % et progresse depuis 2020. En Europe, il se situe en dessous de 2 %, avec des pointes dans les secteurs financier et logistique. L’écart est réel. Mais il n’est pas figé.

L’OIT, dans son rapport de novembre 2026, insiste sur un point que les discussions sur l’automatisation négligent souvent : la diffusion de l’IA dans les organisations est lente. Les gains de productivité documentés dans les économies avancées se concentrent dans certains secteurs et restent limités dans l’industrie manufacturière légère, l’agriculture ou les services de proximité qui emploient la majorité des travailleurs africains. La diffusion de l’IA est rapide comparée aux technologies antérieures, mais l’adoption approfondie et les capacités nécessaires restent inégalement réparties.

Pour l’Afrique, cela signifie une chose concrète : les transformations structurelles de l’emploi ne sont pas imminentes au sens où elles l’auraient été si la diffusion avait été aussi rapide que le discours public le laissait entendre. Le continent dispose d’un délai. Pas d’une garantie.

Le délai de décision : portée et limites

Un délai de décision n’a de valeur que si des décisions sont effectivement prises. La situation africaine est à cet égard plus nuancée.

Plusieurs gouvernements ont saisi l’enjeu relativement tôt. L’Égypte a adopté une stratégie nationale d’IA en 2019, révisée depuis. Le Kenya a publié une feuille de route numérique qui intègre l’IA comme axe de développement des services publics. Le Rwanda mise sur Kigali comme hub technologique régional, avec des investissements dans la connectivité et la formation. Le Sénégal a lancé en 2023 un plan de transformation numérique qui inclut des programmes de compétences pour les jeunes.

Ces initiatives existent. Elles sont réelles. Mais la Banque mondiale signale un écart persistant entre les stratégies nationales et les capacités effectives : manque de formateurs qualifiés, infrastructure électrique insuffisante pour faire fonctionner des centres de données locaux, lacunes de protection des données, de cybersécurité, de réglementation et de capacité d’application dans de nombreux pays en développement.

Les gouvernements ont saisi l’enjeu, mais font face à des déficits de capacités : manque de formateurs qualifiés, infrastructure électrique insuffisante, absence de cadres réglementaires opérationnels. Une stratégie d’IA doit être assortie d’investissements et de capacités de mise en œuvre en infrastructure électrique, en formation d’ingénieurs, en données, en puissance de calcul et en institutions pour produire des effets à grande échelle. L’OIT recommande des investissements dans les infrastructures et les compétences, des protections des travailleurs, un soutien aux entreprises locales et une coopération sur les données, le calcul, la concurrence et la gouvernance.

Le secteur informel : ni protégé, ni hors jeu

Une erreur fréquente consiste à penser que le secteur informel africain, qui emploie entre 70 et 90 % de la main-d’œuvre selon les pays, est à l’abri des effets de l’IA parce qu’il est peu numérisé. Cette intuition est en partie juste et en partie trompeuse.

Elle est juste parce qu’un vendeur de marché à Dakar ou un artisan à Kampala n’est pas directement exposé à l’automatisation cognitive de ses tâches. L’IA n’entre pas dans son quotidien professionnel par une décision de son employeur, puisqu’il n’en a pas.

Elle est trompeuse parce que l’IA transforme les marchés sur lesquels ces travailleurs opèrent. Les plateformes de commerce électronique modifient les circuits de distribution. Les systèmes de paiement mobile, déjà dominants en Afrique de l’Est, intègrent des algorithmes de crédit qui décident qui peut emprunter pour son activité. Les applications de transport et de livraison restructurent le travail à la tâche selon des logiques d’optimisation que les travailleurs ne contrôlent pas, un phénomène déjà documenté dans le contexte du travail algorithmique en Europe et qui commence à se déployer dans les grandes métropoles africaines.

Le travail informel africain est exposé différemment par les transformations numériques, même avec un faible niveau de numérisation directe. Il est exposé différemment : la réorganisation des marchés et la captation des marges par les intermédiaires numériques créent des risques structurels particuliers pour les travailleurs informels. Cet effet indirect de l’IA échappe aux mesures classiques, telles que la part des offres d’emploi mentionnant des compétences en IA.

Données, câbles et règles : qui contrôle l’infrastructure décide

La question de la capture de valeur est probablement la plus structurante pour l’Afrique dans les quinze prochaines années.

L’économie de l’IA repose sur trois piliers : les données, les infrastructures de calcul et les règles qui encadrent leur utilisation. Sur ces trois dimensions, le continent africain part en position de dépendance.

Les données générées sur le continent, transactions financières mobiles, données agricoles, données de santé, flux de transport urbain, sont traitées sur des serveurs dont la localisation dépend fortement des capacités locales limitées et du recours à des services de cloud international. Certains câbles et consortiums reposent sur des acteurs étrangers ou des financements internationaux, mais la propriété des câbles africains varie fortement et inclut des participations africaines majoritaires. L’Afrique reste très dépendante de systèmes conçus ailleurs, mais elle produit aussi des applications, services et innovations IA locaux, tels que ceux développés pour isiZulu et Sesotho.

Cette dépendance infrastructurelle n’est pas une fatalité. Des projets de câbles sous-marins à financement africain émergent. L’Union africaine a adopté une convention sur la cybersécurité et la protection des données personnelles, la Convention de Malabo, même si sa ratification reste incomplète. Des acteurs locaux comme Andela, Flutterwave ou Zipline construisent des modèles économiques ancrés sur le continent.

Mais la fenêtre de décision sur les règles est courte. Les normes techniques et les cadres réglementaires de l’IA sont en train d’être définis, au niveau de l’Union européenne avec l’AI Act, aux États-Unis, en Chine. L’Afrique qui n’entre pas dans ces négociations avec une position propre se retrouvera à appliquer des règles conçues pour d’autres contextes. C’est ce qui s’est produit avec les régimes de propriété intellectuelle issus des accords commerciaux des années 1990, dont les effets sur les industries pharmaceutiques et culturelles africaines ont été documentés.

Les scénarios pour 2030 selon les choix faits maintenant

Plusieurs trajectoires sont envisageables à l’horizon 2030-2035, selon les décisions prises dans les cinq prochaines années. Aucune n’est certaine ; les deux sont conditionnelles.

Dans la première, les pays africains qui ont investi dans les compétences, stabilisé leur infrastructure électrique et adopté des réglementations sur les données pourraient capturer une part accrue de la valeur générée par le travail numérique sur leur territoire. Des hubs régionaux, Nairobi, Lagos, Accra, Kigali, Tunis, deviennent des nœuds d’une économie de l’IA africaine capable de produire des modèles adaptés aux langues et aux contextes locaux. Le travail à la tâche numérique, encadré par des règles protégeant les revenus des travailleurs, devient un vecteur d’élévation des revenus plutôt qu’une nouvelle forme de précarité. Les articles sur la concentration géographique des métiers de l’IA en Europe et aux États-Unis montrent qu’une telle concentration est possible partout où les conditions de base sont réunies.

Dans une autre trajectoire, le délai s’écoule sans investissements substantiels et l’adoption des compétences IA progresse lentement. Les plateformes peuvent détenir un pouvoir de marché et des lacunes réglementaires peuvent exposer les travailleurs à des risques, selon les secteurs et les pays. L’Afrique reste dépendante de systèmes importés, et le fossé de compétences s’approfondit.

Ces trajectoires présentent des probabilités différentes selon les choix d’investissement et de régulation. La tendance actuelle, marquée par une faiblesse des investissements publics dans la formation technique, une lenteur des ratifications des cadres de protection des données et une dépendance aux infrastructures étrangères, crée des risques d’orientation vers cette seconde trajectoire. Mais plusieurs signaux pointent dans une autre direction : l’explosion du nombre de développeurs africains formés par des programmes comme ALX Africa, la montée en puissance de régulateurs nationaux des données, les premiers accords de partage de données agricoles à l’échelle régionale.

Les acteurs qui font avancer les choses maintenant

L’OIT, dans son rapport de novembre 2026, ne se contente pas de diagnostiquer. Elle documente des expériences en cours.

Au Kenya, le programme TVET, formation professionnelle et technique, propose un cursus distinct d’intelligence artificielle. L’objectif est de former des travailleurs capables d’utiliser les outils d’IA dans leurs métiers, pas nécessairement de les concevoir. C’est une approche pragmatique : combler l’écart de compétences par l’usage avant d’investir dans la recherche fondamentale.

En Égypte, le Ministère des communications a lancé des partenariats avec des entreprises technologiques pour créer des certifications reconnues en apprentissage automatique et traitement des données. Au Rwanda, DOT Rwanda met en œuvre avec Mastercard Foundation et des organisations locales un programme de formation numérique ciblant plus de 10 000 jeunes d’ici 2028, avec un accent sur les compétences liées à l’IA appliquée.

Des acteurs privés africains construisent aussi des réponses. Lelapa AI, basé en Afrique du Sud, développe des outils linguistiques pour des langues africaines telles que isiZulu et Sesotho pour combler l’angle mort des grands modèles mondiaux sur les contextes linguistiques du continent. Masakhane, un collectif de chercheurs africains, travaille sur des ensembles de données et des outils d’IA construits pour et par des locuteurs de langues africaines.

Ces initiatives restent modestes au regard de l’ampleur du défi. Elles existent, elles sont africaines, et elles montrent que la fenêtre de décision est ouverte au-delà du seul niveau gouvernemental.

La décision collective qui reste à prendre

L’IA se diffusera en Afrique. La lenteur actuelle documentée par l’OIT ne signifie pas que le continent peut attendre : les transformations structurelles de l’emploi ne sont pas immédiates, et ce délai n’a de valeur que si les fondations sont posées durant cette période.

Ces fondations sont connues : électricité fiable pour les infrastructures de calcul, formation technique à grande échelle, cadres de protection des données opérationnels, règles du travail numérique qui organisent le partage des revenus, participation africaine aux négociations internationales sur les normes de l’IA.

Aucune de ces conditions n’est remarquable. Ce sont les mêmes conditions que les pays qui ont réussi leurs transitions technologiques ont réunies, à des moments différents de l’histoire. La question est de savoir si les décideurs africains, gouvernements, régulateurs, universités, entreprises, traiteront cette fenêtre comme une opportunité structurelle ou comme un problème à gérer quand il sera devenu urgent.

Les données de la Banque mondiale et le rapport de l’OIT donnent les mêmes informations aux deux types de décideurs. Ce qui les différenciera, dans dix ans, c’est ce qu’ils en auront fait.

Sources

  1. Organisation internationale du travail, AI and Developing Economies: Promoting Decent Work in a Time of Rapid Technological Change (novembre 2026)
  2. Banque mondiale, Rapport sur les compétences liées à l’IA dans les économies en développement
  3. Organisation internationale du travail, Convention de Malabo sur la cybersécurité et la protection des données (Union africaine)
  4. ALX Africa, programme de formation aux compétences numériques
  5. Lelapa AI, modèles de langage pour les langues africaines (Le Cap, Afrique du Sud)
  6. Masakhane, collectif de recherche en IA pour les langues africaines