Introduction

L'intelligence artificielle (IA) offre d'énormes promesses pour le développement, mais les fractures numériques dans les marchés émergents posent de réels obstacles. Dans de nombreuses régions à faible revenu, les connexions Internet sont lentes, la couverture est inégale et l'électricité est peu fiable. Par exemple, la GSMA constate qu'en Afrique subsaharienne, seulement environ 27 % des personnes utilisent l'Internet mobile et qu'un « écart d'utilisation » de 60 % subsiste – des millions de personnes vivent dans des zones couvertes mais ne peuvent pas se connecter en raison de barrières élevées liées aux appareils, aux données ou aux compétences (www.gsma.com). Africanews rapporte qu'environ 900 millions d'Africains n'ont toujours pas accès à Internet, et qu'un nombre similaire n'a pas accès à l'électricité (www.africanews.com). Pendant ce temps, les données Internet dans certains pays coûtent plus de 5 % d'un revenu mensuel (evolutionafricamagazine.com). Dans ce contexte, l'IA basée sur le cloud (comme les grands chatbots) est tout simplement hors de portée pour la plupart.

Pour servir ces communautés, les innovateurs explorent l'IA hors ligne prioritaire sur des appareils à faible coût. L'idée est d'amener les services d'IA jusqu'au « dernier kilomètre » en exécutant des assistants intelligents directement sur des téléphones bon marché ou des bornes locales, et en utilisant des canaux simples comme les SMS, la voix/USSD (menus à codes courts) au lieu d'applications vidéo ou du web. Cette approche peut fournir des conseils opportuns en agriculture, santé, éducation et plus encore, sans nécessiter de connectivité continue ni de matériel coûteux. La clé est d'adapter l'IA aux besoins locaux – en prenant en charge les langues régionales, en impliquant la supervision communautaire et en travaillant avec des partenaires de confiance (opérateurs de télécommunications, ONG, gouvernements) avec une tarification adaptée aux revenus locaux.

Cet article examine ces contraintes et solutions, en s'appuyant sur des projets et des études récents. Il montre comment les assistants IA entièrement hors ligne ou de basse technologie peuvent être réalisables et efficaces pour l'agriculture, la santé et l'éducation dans les marchés émergents – et comment les partenariats et la gestion communautaire garantissent qu'ils sont durables, sûrs et abordables.

Obstacles : Connectivité, Énergie et Coût

Lacunes en matière de connectivité. Les réseaux dans de nombreuses régions en développement se développent mais sont incomplets. En Afrique subsaharienne, par exemple, 13 % de la population vit toujours en dehors de toute couverture cellulaire, et parmi les personnes couvertes, un « écart d'utilisation » de 60 % persiste (www.gsma.com). Cet écart reflète le coût prohibitif des appareils ou des données, une faible littératie numérique et des préoccupations de sécurité. À l'échelle mondiale, environ 3,1 milliards de personnes sont confrontées à de tels écarts d'utilisation (www.gsma.com). En termes pratiques, des centaines de millions de foyers ruraux n'ont pas d'Internet fiable, ou seulement la 2G/3G. Comme le note un rapport, environ 900 millions d'Africains (sur ~1,4 milliard) n'ont pas d'Internet, et près du même nombre n'ont pas d'électricité (www.africanews.com). Ces chiffres nous indiquent que les applications classiques pour smartphones ou l'IA dans le cloud échoueront souvent dans les villages reculés.

Contraintes énergétiques. Le manque d'électricité réduit encore l'accès numérique. Dans le même rapport d'Africanews, un expert a souligné que les outils d'IA ne peuvent pas fonctionner « tout en continuant à travailler sur la 3G ou la 2G » si l'électricité manque (www.africanews.com). De nombreux foyers ruraux dépendent de l'énergie saisonnière ou solaire, et recharger un appareil est coûteux ou imprévisible. Les projets de bornes éducatives ou de santé utilisent souvent l'énergie solaire ou des kits de batterie. Ce qui compte, c'est de maximiser l'utilisation avec une puissance minimale – par exemple, des puces très écoénergétiques et des appareils qui peuvent fonctionner pendant des jours avec une seule charge.

Obstacles liés à l'abordabilité. Les coûts des appareils et des données restent fatalement élevés pour les utilisateurs à faible revenu. En Afrique subsaharienne, les taxes et les droits d'importation peuvent rendre même les smartphones de base à 50 $ ou plus – des dizaines d'heures de salaire pour les plus pauvres. La GSMA note que l'abordabilité des appareils est une partie importante de l'écart d'utilisation (www.gsma.com). Les prix des données représentent également une grande fraction du revenu : une enquête a révélé que les données mobiles coûtaient plus de 5 % du revenu mensuel dans de nombreux pays africains (evolutionafricamagazine.com), bien au-dessus de l'objectif d'abordabilité de 2 % fixé par l'ONU. Pour les agriculteurs ou les étudiants qui ne gagnent que quelques dollars par jour, payer même 0,50 $ par Go est prohibitivement cher.

Ces obstacles liés aux infrastructures et aux coûts signifient que les solutions d'IA doivent être radicalement adaptées : elles doivent fonctionner hors ligne ou avec la bande passante la plus basse possible, s'exécuter sur du matériel très bon marché et consommer un minimum d'énergie. Le reste de cet article examine comment.

IA hors ligne prioritaire sur des appareils à faible coût

Pour surmonter les lacunes ci-dessus, de nouveaux projets déploient des assistants IA hors ligne prioritaires sur des combinés peu coûteux ou des concentrateurs locaux. Les avancées en matière d'IA en périphérie et de compression de modèles signifient que des modèles d'IA limités (par exemple pour la reconnaissance vocale, les conseils textuels) peuvent désormais fonctionner directement sur des appareils de base sans accès au cloud. Certains chercheurs proposent des gadgets d'IA « bare-metal » ultra-bon marché : des simulations montrent qu'une IA linguistique pratique peut fonctionner sur des appareils coûtant aussi peu que 8 à 10 $ avec seulement ~30 Mo de RAM (www.researchgate.net). De tels modèles – souvent distillés à partir de grands systèmes – peuvent répondre à des questions ou donner des instructions hors ligne, en stockant des bases de données linguistiques localement. En fait, ce sont des superordinateurs de poche pour les villes et les fermes sans Internet stable.

En pratique, ces appareils peuvent prendre la forme de :

• Téléphones basiques avec puces IA. Certaines startups adaptent des téléphones simples avec des puces ou des micrologiciels d'IA vocale. Par exemple, la société canadienne Viamo a lancé un service d'IA (en 2024) qui transforme n'importe quel téléphone basique en un « chatbot hors ligne ». L'utilisateur compose un code court et parle ou envoie des SMS – tout le traitement se fait sur un serveur local ou un modèle hors ligne intégré. L'utilisateur reçoit ensuite des réponses vocales ou textuelles (techcentral.co.za). Cette configuration fonctionne même « au milieu de nulle part » sans Internet – seulement la signalisation standard du réseau mobile. Elle cible les plus pauvres du monde, permettant des requêtes pour aussi peu que 10 ₦ (environ 0,12 $) par appel (techcentral.co.za).

• Bornes ou radios IA communautaires. Une autre approche consiste en des hubs villageois alimentés par des mini-ordinateurs robustes ou des appareils de type Raspberry Pi. Par exemple, le logiciel open source Kolibri (par Learning Equality) permet aux écoles d'installer un serveur local ou un Pi. Les élèves utilisent ensuite n'importe quel appareil local pour consulter des manuels, des vidéos ou des quiz hors ligne (evolutionafricamagazine.com). Ceci est déjà utilisé dans les zones rurales du Kenya, de Tanzanie et du Malawi – les enseignants chargent du contenu éducatif mondial et l'adaptent aux langues locales sur Kolibri (evolutionafricamagazine.com). Un modèle similaire utilise des hotspots Wi-Fi ou des intranets locaux avec des programmes de chat IA pour les agriculteurs dans les centres communautaires.

• « Téléphones IA » dédiés à faible coût. Des projets ambitieux envisagent des smartphones à 10-20 $ chargés d'IA embarquée. Une étude techno-économique propose de distribuer 700 millions d'appareils d'apprentissage IA hors ligne en Afrique d'ici 2030, coûtant 10 à 20 $ chacun (www.researchgate.net) (www.researchgate.net). Ceux-ci seraient préchargés avec des encyclopédies multilingues et des modules interactifs (texte, reconnaissance d'images, voix en plusieurs langues). Bien qu'aucun appareil grand public ne soit encore aussi bon marché, la feuille de route existe : une production à grande échelle et des modèles ultra-légers (tels que les accélérateurs LLaMA de Meta ou les réseaux linguistiques « MetalNLLB ») pourraient atteindre ce point prochainement (www.researchgate.net).

La clé de toutes ces solutions est le fonctionnement hors ligne et à faible consommation d'énergie. Par exemple, les modèles d'IA peuvent précharger un sous-ensemble de contenu (comme des bases de données sur les cultures ou des FAQ de base sur la santé) afin que seuls ceux-ci aient besoin d'être stockés localement, et que toute nouvelle requête puisse être mise en file d'attente jusqu'à ce que la connectivité soit disponible. En attendant, l'appareil répond instantanément à l'utilisateur. À mesure que la technologie s'améliore, même les applications pour smartphones ajoutent des modes hors ligne (permettant les téléchargements en Wi-Fi, puis l'utilisation hors ligne). La leçon impressionnante est la suivante : vous n'avez pas besoin de serveurs Google ou OpenAI si le modèle d'IA est miniaturisé ou mis en cache – le coup de génie est d'intégrer l'intelligence aux frontières, là où se trouvent les utilisateurs.

Canaux et cas d'utilisation : SMS, USSD et Voix

Dans les marchés émergents, les médias les plus répandus sont les SMS, l'USSD (menus textuels interactifs) et les appels vocaux – et non les applications web. Tout assistant IA doit utiliser ces canaux pour atteindre un grand nombre d'utilisateurs. Heureusement, les SMS et l'USSD sont bien établis : la GSMA rapporte que neuf transactions sur dix de monnaie mobile en Afrique subsaharienne se déroulent via l'USSD (www.gsma.com), et les fournisseurs du monde entier prennent toujours en charge l'USSD sur tous les téléphones. Surtout, l'USSD et les SMS ne nécessitent aucune donnée Internet – juste le canal de signalisation GSM (www.gsma.com). Ils fonctionnent sur les « téléphones basiques » les moins chers, même ceux sans cartes microSD ni écrans couleur. Un assistant IA via l'USSD peut envoyer une requête textuelle (comme « Quels ravageurs affectent le maïs ? 1=Pucerons, 2=Charançon ») et obtenir une réponse numérique avec des conseils. La réponse vocale interactive (IVR) fonctionne de manière similaire : les utilisateurs parlent ou écoutent via des menus automatisés dans les langues locales.

Agriculture : Pour les agriculteurs, les conseils de l'IA via SMS/voix sont déjà une réalité. Un exemple au Cameroun est l'application Farmer Guide : elle diagnostique les maladies des cultures avec l'IA, mais les agriculteurs en dehors des villes ne pouvaient pas l'utiliser – ils n'avaient pas d'Internet ni d'électricité (www.africanews.com). La plateforme Viamo intervient : elle offre un service basé sur l'IA où tout agriculteur peut appeler (au Nigeria, en Zambie et au-delà) et poser des questions agricoles. Le système fonctionne par voix/SMS et peut même prendre des invites vocales, donnant des réponses de la même manière (techcentral.co.za). Cela rend l'IA accessible sur n'importe quel téléphone, pas seulement les smartphones. Une autre initiative est le chatbot Darli AI du Ghana. Accessible via WhatsApp (que de nombreux utilisateurs africains possèdent) ou SMS, Darli fournit des conseils de plantation, les prix du marché et des prévisions météorologiques. Surtout, Darli prend en charge 27 langues (dont 20 langues africaines comme le swahili, le yoruba, le twi, etc.) (www.weforum.org), afin que les agriculteurs reçoivent des conseils dans leur langue maternelle. Depuis 2024, Darli a touché plus de 110 000 agriculteurs au Ghana et au Kenya (www.weforum.org). Ces projets montrent que de simples canaux texte/voix peuvent offrir une IA agricole avancée aux villages.

Santé : La santé mobile (mSanté) utilise depuis longtemps les SMS et l'IVR, et l'IA peut s'y intégrer. Par exemple, la plateforme de Viamo est en partenariat avec l'UNICEF pour fournir des chatbots IA hors ligne sur des sujets de santé (prévention du VIH, symptômes du paludisme, conseils d'assainissement) (techcentral.co.za). Un utilisateur peut composer un numéro ou envoyer un code et obtenir instantanément des conseils de santé dans sa langue. Pendant la COVID-19, de nombreux pays ont lancé des outils USSD pour l'auto-évaluation et l'information (par exemple, le vérificateur de symptômes USSD de la Sierra Leone (www.gsma.com)). Un assistant IA peut s'appuyer sur ces outils en ajoutant des questions-réponses interactives et des conseils personnalisés. Il est important de noter que les services de télémédecine basés sur l'USSD (comme les bilans de santé USSD gratuits au Kenya (www.gsma.com)) prouvent que ces canaux fonctionnent à grande échelle. À l'avenir, les modules d'IA hors ligne pourraient fonctionner sur les micro-ordinateurs des cliniques locales ou même sur les téléphones des infirmières, offrant une aide à la décision sans nécessiter de bases de données en ligne.

Éducation : L'apprentissage à distance dans les zones mal connectées a connu du succès via les SMS et les kits hors ligne. Des initiatives comme Eneza Education (au Kenya, au Ghana et en Côte d'Ivoire) envoient des questions de quiz et des leçons via SMS/USSD sur des téléphones basiques (evolutionafricamagazine.com). Plus de 10 millions d'apprenants ont utilisé la plateforme de téléphones basiques d'Eneza à faible coût, prouvant qu'un apprentissage numérique significatif peut se produire sans smartphones (evolutionafricamagazine.com). S'appuyant sur cela, M-Shule (« école mobile ») au Kenya combine les SMS avec l'IA : elle personnalise les leçons et les retours pour les élèves du primaire en utilisant l'apprentissage automatique en arrière-plan (evolutionafricamagazine.com). Les enseignants envoient des quiz sur le téléphone d'un élève, et M-Shule adapte le contenu en fonction des réponses de chaque enfant. De tels services fonctionnent hors ligne dans le sens où, une fois le programme livré, l'utilisateur du téléphone n'a pas besoin d'un accès continu au réseau. Les communautés ont également mis en place des centres éducatifs hors ligne (par exemple, des salles de classe alimentées par l'énergie solaire avec des serveurs locaux) qui utilisent du contenu à tarif zéro. Pendant la pandémie, l'UNICEF et d'autres ont signalé que les deux tiers des écoliers du monde entier n'avaient pas d'accès à Internet à domicile (www.unicef.org), de sorte que ces solutions de basse technologie ont permis de maintenir l'éducation.

Chacun de ces cas d'utilisation souligne que les canaux importent plus que les interfaces utilisateur sophistiquées. Dans l'agriculture rurale, la santé et la scolarité, l'interface mobile la plus simple – les menus textuels USSD ou l'IVR vocal dans les langues locales – atteint la majorité. L'IA attachée à ces canaux (soit sur l'appareil, soit sur un serveur local) peut les transformer de lignes d'information statiques en assistants personnels interactifs.

Localisation : Langues, Données et Sécurité

Couverture linguistique. Pour être utiles, les assistants doivent parler la langue locale – pas seulement l'anglais ou le français. Les marchés émergents sont très multilingues ; par exemple, l'Afrique seule compte plus de 2 000 langues. Les modèles d'IA grand public ne couvrent généralement que les principales langues mondiales, de sorte que des modèles locaux sur mesure ou des traductions sont nécessaires. Certains efforts prometteurs existent déjà. Par exemple, le chatbot Darli de Farmerline prend en charge 27 langues, dont 20 langues africaines comme l'akan, le haoussa, l'igbo, le twi et le swahili (www.weforum.org). En Indonésie, des projets de recherche expérimentent l'IA vocale dans les langues maternelles des agriculteurs à l'aide de systèmes IVR (www.gsma.com). Un exemple : l'Institut international de recherche sur le riz (IRRI) s'est associé à Viamo pour lancer une ligne directe IVR offrant des services de conseil dans une langue indonésienne locale, afin que les riziculteurs de tous niveaux d'alphabétisation puissent comprendre (www.gsma.com). Le contenu éducatif a également été localisé : la plateforme Kolibri mentionnée ci-dessus est utilisée dans les écoles d'Afrique de l'Est où « les enseignants adaptent les ressources mondiales ouvertes aux langues et contextes locaux » (evolutionafricamagazine.com).

Pour couvrir systématiquement les langues locales, les projets devraient collecter et entraîner des données régionales. Un modèle est le crowdsourcing communautaire : des bénévoles locaux (agriculteurs, enseignants, traducteurs) peuvent aider à construire des glossaires ou à enregistrer des échantillons de parole. Ces données, conservées localement ou anonymisées, peuvent être utilisées pour affiner les modèles d'IA aux dialectes de la région. Certains efforts nationaux produisent même des outils : par exemple, le Centre nigérian pour les langues indigènes numériques a créé un clavier IA mobile couvrant près de 180 langues africaines (www.weforum.org), ce qui facilite la saisie et la lecture dans ces langues. Des partenariats avec des universités ou des ONG locales peuvent aider à organiser un contenu culturellement pertinent (par exemple, noms de plantes locales, pratiques sanitaires) afin que les conseils de l'IA soient significatifs.

Collecte et gouvernance des données locales. La collecte de données et de retours sur le terrain est cruciale pour la formation et l'amélioration des assistants. Cependant, cela doit être fait de manière éthique : les communautés doivent consentir à l'utilisation des données, et les données personnelles sensibles (dossiers de santé, finances personnelles) doivent être protégées. Un modèle utile est la cocréation communautaire. Par exemple, dans la communauté de Makoko à Lagos, les résidents ont été formés à la cartographie et à la collecte de données par drone ; ils ont produit leur propre ensemble de données géographiques qui est maintenant utilisé pour la planification locale (www.weforum.org). De même, un projet d'IA pourrait équiper les agents de santé villageois ou les vulgarisateurs pour recueillir des rapports de cas ou des requêtes anonymisés. Ces ensembles de données locales devraient rester sous la responsabilité de la communauté – stockés sur des serveurs locaux ou par l'intermédiaire de partenaires de confiance – plutôt que d'être siphonés par des entreprises éloignées. Le Forum économique mondial suggère de former les innovateurs locaux, les ONG et les agences à la littératie et à la gouvernance de l'IA afin qu'ils puissent « choisir comment raconter leurs histoires », garantissant que les données sont utilisées à leur profit (www.weforum.org) (www.weforum.org).

Sécurité et éthique. Tout assistant IA fournissant des conseils (sur la médecine, l'agriculture, etc.) doit être sûr et précis. Cela nécessite de multiples garanties : examen par des experts locaux, filtres de contenu et avertissements clairs. Par exemple, un bot de santé IA dans un village devrait inclure un mécanisme permettant aux utilisateurs de signaler les erreurs ou d'être orientés vers une aide humaine. Les comités de surveillance locaux ou les réseaux d'éducateurs ruraux peuvent vérifier régulièrement le contenu, en l'adaptant aux changements saisonniers ou situationnels. Une « boucle de rétroaction » communautaire aide à détecter les erreurs : si de nombreux agriculteurs signalent le même problème avec les conseils de l'IA, les développeurs peuvent mettre à jour le modèle. Les formats devraient également permettre des mises à jour rapides. Il est important que les communautés mal desservies aient une certaine propriété : déployer la technologie par le biais de coopératives ou de conseils locaux plutôt que de l'imposer de manière descendante garantit la responsabilité.

L'expérience montre que la gestion communautaire est essentielle. Dans la cartographie agricole et la finance, les outils conçus par la base sont plus performants que les outils génériques. Les experts d'un récent Forum ont souligné que « nous devons rencontrer les gens là où ils se trouvent » avec des plateformes en langue locale (comme les chatbots WhatsApp) et que l'adaptation de l'IA aux réalités locales crée des gains durables (www.weforum.org). En pratique, cela signifie former les utilisateurs et les dirigeants de chaque communauté : par exemple, équiper les enseignants ou les agents de santé des villages avec des guides sur l'utilisation et l'explication des outils d'IA. Ces champions locaux réduisent la méfiance et contribuent à faire respecter les normes éthiques.

Collaboration et modèles économiques

La mise à l'échelle réussie de l'IA hors ligne dans les marchés émergents nécessite des partenariats intersectoriels – et une tarification que les pauvres peuvent se permettre.

Opérateurs de réseaux mobiles (ORM) : Les entreprises de télécommunications sont des alliés naturels. Elles possèdent déjà l'infrastructure SMS/USSD et vocale. En collaborant avec les fournisseurs d'IA, les ORM peuvent héberger des services d'IA sur leurs réseaux (par exemple, en dédiant un code court ou une ligne IVR). Sur de nombreux marchés, les opérateurs travaillent avec les gouvernements et les ONG sur la littératie numérique et sont désireux d'ajouter des « services d'IA » à leurs portefeuilles. Par exemple, MTN et Vodacom en Afrique commencent à intégrer des chatbots IA pour le service client et l'optimisation de réseau (www.gsma.com), et pourraient faire de même pour les services d'intérêt public. Les opérateurs peuvent également subventionner la connectivité spécifiquement pour ces services : par exemple, en offrant des sessions USSD gratuites pour les codes de santé ou d'éducation approuvés, ou en regroupant les requêtes IA dans des forfaits de données à faible coût. Ceci est analogue aux initiatives parrainées par les télécoms, comme les lignes directes de santé gratuites ou les portails éducatifs. De plus, les opérateurs peuvent partager des données de localisation ou d'utilisation (anonymisées) pour aider l'IA à s'améliorer sans exiger des utilisateurs qu'ils transmettent des informations brutes. Il est crucial que les régulateurs et les associations de télécommunications (comme la GSMA) puissent encourager des frais réduits pour les SMS/USSD pour les programmes sociaux, comme recommandé dans les rapports de l'industrie (www.gsma.com).

Gouvernements et ONG : Les partenaires publics et à but non lucratif orienteront souvent la conception et le financement. Les ministères de l'Agriculture, de l'Éducation ou de la Santé comprennent les besoins locaux et peuvent intégrer les outils d'IA dans les programmes nationaux (par exemple, les réseaux de vulgarisation, les écoles publiques, les stratégies de santé communautaire). Les ONG – des organisations mondiales comme l'UNICEF aux fondations locales – apportent une expertise thématique, du contenu et de la légitimité. Par exemple, l'UNICEF s'est associé à Viamo pour ajouter du contenu lié à la santé à son système (techcentral.co.za) ; de même, les ONG agricoles et les services de vulgarisation peuvent contribuer avec des programmes existants. Les organisations donatrices peuvent financer des déploiements pilotes (comme on l'a vu avec le Fonds d'innovation de la GSMA soutenant l'agritech en Afrique ou en Asie). Des modèles de financement mixte (un mélange de subventions et de partage des coûts) sont souvent nécessaires au début, car un déploiement purement commercial peut ne pas être immédiatement rentable. Le Forum économique mondial souligne que les partenariats mixtes (agences de développement, gouvernements et entreprises privées) sont essentiels pour réduire les risques d'investissement et adapter les solutions aux objectifs locaux (www.weforum.org).

Tarification et abordabilité : Pour les utilisateurs finaux, le coût doit être maintenu au minimum, voire gratuit. Plusieurs approches sont possibles :

• Micro-paiements échelonnés. Le modèle Viamo (Nigeria) facture aux utilisateurs une petite somme par interaction (par exemple, 10 ₦ ou ~0,12 $) (techcentral.co.za). À ce prix, même les plus pauvres peuvent se permettre des requêtes occasionnelles, et les opérateurs voient des revenus pour maintenir le service. Alternativement, les services pourraient être gratuits jusqu'à une limite (disons 5 questions/jour), puis payants à l'utilisation.

• Subventions et parrainage. Les services de santé publique ou d'éducation pourraient être subventionnés par les budgets de la santé ou par des subventions au développement, les rendant gratuits pour les utilisateurs. Par exemple, un gouvernement pourrait parrainer des lignes de conseil agricole gratuites pour stimuler la productivité. Dans d'autres cas, les services pourraient diffuser des publicités ou des messages sponsorisés par des entreprises locales (bien qu'une certaine prudence soit nécessaire pour éviter de biaiser les conseils).

• Tarification zéro et forfaits. Les ORM peuvent appliquer un tarif zéro aux services USSD et SMS approuvés pour l'IA, de sorte que les utilisateurs n'encourent aucun coût. Ils pourraient également proposer des forfaits de données : par exemple, un plan éducatif qui inclut du contenu prépayé. Dans certains pays, les Fonds de service universel – prélèvements sur les télécommunications destinés aux zones mal desservies – ont été utilisés pour financer des initiatives d'éducation ou de santé numériques. De telles politiques peuvent aider à maintenir le coût pour l'utilisateur final proche de zéro. La réduction de la fiscalité sur les appareils et les cartes SIM (comme le recommande la GSMA (www.gsma.com)) rend également ces services plus abordables en premier lieu.

• Sensibilité au coût local. La tarification doit refléter les niveaux de revenus. Même de petits frais devraient être adaptés : ce qui est petit dans un pays (10 ₦) pourrait être trop élevé dans un autre. Les projets pilotes devraient évaluer la volonté de payer locale et ajuster via une tarification dynamique (par exemple, moins cher pendant la saison des semis, plus pendant la récolte).

En fin de compte, l'objectif est l'accès plutôt que le profit. De nombreux projets TIC4D ont montré que lorsque les communautés mal desservies obtiennent des informations gratuites ou subventionnées, elles trouvent souvent des moyens de « payer » par d'autres moyens (rendements améliorés, santé, etc.). L'essentiel est que la tarification soit prévisible et transparente, afin que les utilisateurs puissent planifier.

Conclusion

Les marchés émergents ne sont pas des pages blanches – ils disposent de réseaux mobiles et d'une certaine électrification, bien qu'irrégulière. Mais avec une réingénierie créative, l'IA peut combler ces lacunes. Les exemples ci-dessus démontrent que les assistants IA hors ligne prioritaires sur de simples téléphones peuvent transformer la vie rurale : donner aux agriculteurs des conseils agricoles opportuns, informer les patients et les mères sur la santé, et soutenir l'éducation à distance. La recette technique est désormais à portée de main – des modèles d'IA compacts, du matériel bon marché, l'énergie solaire et des canaux universels comme les SMS/USSD.

Le succès dépend fortement de la satisfaction des besoins locaux. Cela signifie concevoir pour les langues locales, cocréer du contenu avec les communautés et assurer une supervision fiable. Cela implique également de former des partenariats : des entreprises de télécommunications pour gérer les réseaux et la tarification ; des gouvernements et des ONG pour organiser le contenu et atteindre les populations ; et des leaders communautaires pour guider et valider le système.

En appliquant ces principes, l'IA peut améliorer la vie des 3,2 milliards de personnes actuellement déconnectées ou mal desservies dans le monde numérique. L'IA hors ligne sur des appareils à faible coût peut permettre aux petits agriculteurs d'améliorer leurs cultures, aux villageois de gérer leur santé et aux enfants d'apprendre – le tout au sein de l'écosystème local qu'ils connaissent le mieux. Selon les innovateurs ruraux, « Nous devons rencontrer les gens là où ils se trouvent » : en fournissant des outils intelligents dans les langues, les médias et les points de prix qui leur conviennent (www.weforum.org). Grâce à une conception et une collaboration réfléchies, l'IA peut enfin devenir une force inclusive pour le bien dans les communautés les plus mal desservies du monde.