AGBAVON Tiasvi Yao Raoul
Université Alassane Ouattara (Côte d’Ivoire) raoulagbavon@hotmail.com
https://www.youtube.com/watch?v=XHOmBV4js_EPour une IA de confiance en Afrique subsaharienne : de la surconsommation à la production
D’un pays à un autre, les réalités ne sont pas les mêmes en matière d’utilisations de données massives. La télésurveillance, la télédétection, la télémédecine, le e-commerce, voilà bien de domaines, dont l’accompagnement par l’intelligence artificielle a des incidences considérables sur les allures de chaque société qui en fait usage. En termes de sécurité, de santé et de consommation, etc., les diverses utilisations de l’IA sont conditionnées par la production de données de masses ou big data qui en sont le véritable carburant. En tout état de cause, « un programme d’IA sophistiqué peut prendre une décision après avoir analysé des données, mais son choix sera fonction de la base de données sur laquelle nous aurons choisi de fonder le système » (L. Julia, 2019, p. 122). Dès lors, une IA adaptée à une réalité ne dépend que de la quantité qualitative de données qu’on lui fournit. À cet effet, que dire d’une IA conçue en dehors d’un système social particulier ? Peut-on produire une IA de confiance avec des données qui sont biaisées ou qui ne sont pas propre à notre système social ? Le problème qui apparaît à travers ces questions est celui d’une production de l’IA à partir de données sociales bien balisées, notamment dans le contexte de l’Afrique subsaharienne. À dire vrai, l’invasion de l’espace africain par les solutions de l’IA qui sont pensées avec certaines réalités africaines, mais sans les Africains subsahariens eux-mêmes, est contre-productive pour cette partie du continent. Si l’Afrique subsaharienne produit un nombre important de données, force est de constater que ces données n’appartiennent malheureusement pas aux africains eux-mêmes, voire ne sont pas totalement administrées par leurs autorités étatiques. Tout se passe comme si l’on se contentait de données générées par les populations locales, dont les véritables administrateurs et gestionnaires sont extérieurs aux réalités africaines. Pourtant, lorsque les données ne tiennent pas suffisamment compte des réalités internes, quelle IA de confiance, exempte de biais, pourrait-on produire ?
L’objectif de cette contribution est donc, à partir d’une analyse de la gestion des données massives dans certains pays de l’Afrique subsaharienne, de proposer des perspectives de solution pour une gestion saine et transparente des données massives africaines. Il va sans dire qu’il faut penser une production de l’IA basée sur les réalités sociales africaines, et sortir de la surconsommation des données, dont les administrateurs et gestionnaires sont extérieurs à l’Afrique subsaharienne.