Le terme AIPD a commencé à être largement utilisé au moment de la pandémie de COVID-19, bien qu’une poignée de publications antérieures en faisaient déjà la mention. Très accrocheur et aux accents de marketing, il s’inscrit dans la même lignée que des appellations antérieures telles que Communication pour le développement (CPD) et Technologie de l’information et des communications pour le développement (ICTPD) (Mazzarella, 2010). Le terme IAPD reflète l’engouement actuel pour l’intelligence artificielle et exprime un enthousiasme pour les potentielles applications dans le domaine du développement international. Nous notons que la popularité de l’IA dans le développement international coïncide avec le lancement d’un programme appelé AIPD Afrique, financé par le Centre de recherche pour le développement international (CRDI) et l’Agence suédoise de développement international (ASDI). Ce programme s’appuie sur le livre blanc du CRDI sur l’intelligence artificielle et le développement humain, lui-même influencé par la Déclaration de Montréal de 2018 pour un développement responsable de l’IA. 

Afin de mieux comprendre l’expression IAPD, nous avons réalisé une revue critique de la littérature portant sur l’AIPD. En utilisant Sofia, l’outil de recherche des bibliothèques universitaires québécoises, en plus de Google Scholar, nous avons trouvé plus de 45 articles, chapitres de livres et documents utilisant le terme AI4D en anglais. En lisant ce matériel, nous avons identifié cinq catégories analytiques pour comprendre les différentes perspectives, souvent contestées, sur l’AIPD. Les cinq catégories analytiques que nous présentons dans cet article sont les suivantes : 1) l’approche développementaliste, 2) l’approche de développement économique, 3) l’approche de politique internationale, 4) l’approche coloniale et extractiviste, et 5) l’approche décoloniale.

1) Approche développementaliste 

La première catégorie que nous explorons est ce que nous appelons l’approche développementaliste de l’AIPD. Cette perspective met l’accent sur une certaine forme de discours autour de la modernité et du progrès. Il s’agit d’une approche qui prône un objectif technolibéral de « rattrapage » censé soulager des maux sociétaux tels que la pauvreté, les inégalités sociales et de genre grâce à l’IA. 

L’approche développementaliste tire ses origines dans le discours de Truman (1949) sur l’état de l’Union, prononcé le 20 janvier 1949, qui marque le début d’une nouvelle ère de communication pour le développement (CPD). Au moment de la fin de la Seconde Guerre mondiale et du début de la guerre froide, les États-Unis commencent à assumer un rôle impérialiste qui se manifeste par de nouveaux engagements de développement international et par des avancées dans le domaine de la science et de la technologie. Ce changement est en partie motivé par la volonté d’endiguer la propagation du communisme dans les pays du Sud ayant nouvellement acquis leur indépendance. Une fois la guerre froide terminée, un discours sur les technologies de l’information et de la communication au service du développement (ICTPD) a fait son apparition à la fin des années 1990 qui promettait de lutter contre la pauvreté en comblant le fossé numérique entre les personnes connectées et non connectées (Mazzarela, 2010). Ce nouveau mantra, qui consiste à utiliser la technologie pour résoudre les problèmes de développement international (par exemple avec la création de cartes d’identité numérique, de l’utilisation du téléphone cellulaire par les agriculteurs africains pour obtenir quasi instantanément les prix des matières premières ou l’allocation de petit prêt financier (FinTech) à travers la création de plateforme numérique), a été adopté par de nombreux pays occidentaux et financé par des programmes internationaux d’aide au développement. Les promoteurs de l’IAPD reprennent essentiellement les mêmes idées, voulant que les technologies de l’IA aient le pouvoir, si utilisé de manière responsable, de soulager les maux sociaux, économiques et politiques dans les Suds. 

En examinant les publications de notre recension qui adoptent une approche développementaliste, nous constatons que l’idée dominante est que l’Afrique subsaharienne est « à la traîne de la plupart des pays du monde » (Gwagwa et al., 2021 : 3) en termes d’avancées dans le domaine de l’IA. Elle a donc tout à gagner de l’aide fournie par les agences internationales de développement et les entreprises technologiques pour améliorer sa préparation (ou « readiness » en anglais) au développement de l’IA et trouver ainsi de nouveaux moyens pour résoudre les problèmes sociaux auxquels elle est confrontée. Les critères pour déterminer si un pays est prêt incluent : la publication d’une stratégie gouvernementale en matière d’IA, la disponibilité d’une infrastructure solide pour faciliter l’opérabilité et l’expansion des outils d’IA afin de garantir un accès équitable et sûr à ces outils et un secteur technologique national fort (éducation, capacité d’innovation, etc.). L’urgence de rattraper le retard sur le développement de l’IA est également soulignée par l’indice de préparation des gouvernements à l’IA, publié par Oxford Insights (2023), qui d’année en année classe l’Afrique subsaharienne dans la catégorie des pays non préparés. Cet indice ne remet pas du tout en question si l’utilisation de l’IA pour « résoudre les problèmes sociaux » est débattable ou non.

Critique à l’égard d’un développement de type « prêt-à-porter », Felwine Sarr (2016) dans son livre Afrotopia considère cette façon de penser comme une tentative occidentale d’imposer ses mythes et ses épistémologies au Sud et de faire du monde occidental l’aspiration et la référence des autres nations. Ce n’est qu’en décortiquant le discours développementaliste autour de l’AIPD que nous pourrons comprendre la longue histoire du développement à l’occidentale, qui a toujours nié l’autonomie des nations dans la poursuite de trajectoires et de moyens diversifiés pour répondre à leurs propres défis.

2) Approche de développement économique

La deuxième catégorie de discours que nous avons identifiée présente l’AIPD comme un mécanisme permettant d’atteindre les objectifs de développement économique principalement sur le continent africain. Intrinsèquement liée à l’approche développementaliste, cette perspective met en exergue un récit centré sur le progrès économique facilité par la quatrième révolution industrielle (4IR), un terme créé en 2016 par le fondateur du Forum économique mondial, Klaus Schwab.  

L’approche de développement économique trouve ses racines, au moins en partie, dans la vision moderniste et anticommuniste des années 1950, notamment celle de Walt Whitman Rostow. Professeur d’économie et par la suite haut fonctionnaire au sein du gouvernement américain, Rostow (1960) propose un modèle linéaire de développement en cinq étapes. Selon lui, les pays des Suds étaient « bloqués » au stade de la société traditionnelle et nécessitaient le soutien des États-Unis, ainsi que d’autres nations, pour « franchir un cap » vers l’ère de la grande consommation de masse, étape finale du progrès économique, en s’appuyant sur la science et la technologie. Le tournant vers le néolibéralisme de la fin des années 1970, conjugué aux programmes d’ajustement structurel (PAS) des années 1980 qui ont décimé des secteurs cruciaux comme l’éducation, la santé et l’agriculture sur le continent africain et au-delà à coup de privatisations, a ouvert la voie à l’adoption et à l’utilisation des technologies émergentes pour régler les « problèmes » du continent. Il ne s’agissait pas de comprendre l’impact du colonialisme et de l’impérialisme, ainsi que les inégalités générées par le système capitaliste, mais bien de forcer la main à l’adoption de ces nouvelles technologies. De la même façon, l’AIPD est aujourd’hui considérée comme un vecteur de « résolution » des problèmes économiques. C’est une solution promue comme étant à moindre coût et plus efficace.

Les publications qui s’inscrivent dans cette catégorie mobilisent le discours sur le « bond en avant » que l’IA permettrait grâce à la quatrième révolution industrielle (Schwab, 2017). Cette croyance se dénote dans les remarques de Cyril Ramaphosa (2020), président de l’Afrique du Sud, sur la stratégie nationale du pays en matière d’IA, quand il évoque le « grand changement tectonique » vers une économie basée sur la 4RI qui donnerait la priorité à une « croissance inclusive » et viserait à « propulser de nouvelles solutions à nos défis en matière de développement » (paragraphe 2). 

Prenant le contre-pied de cette vision optimiste, la chercheuse sud-africaine Jane Duncan (2022) nous rappelle qu’au début des années 2000, lorsque les ICTPD étaient à la mode, les initiatives multilatérales les avaient présentées comme une réponse aux défis du développement économique en Afrique. Elle fait remarquer que « les pays dépendant de l’agriculture et de l’exploitation minière, qui étaient particulièrement susceptibles d’être marginalisés pendant la mondialisation, se sont fait convaincre d’adopter des stratégies de croissance basées sur les TICs pour “sauter” la phase industrielle du développement et entrer directement dans la société de l’information et de l’économie de la connaissance » (Duncan, 2022 : 3). Le scénario se répète aujourd’hui lorsque l’AIPD se veut une solution pour stimuler la croissance des économies des Suds. 

L’hypothèse voulant qu’en intégrant l’IA comme moyen de développement économique,  tous les Africain·e·s soient propulsé·es dans la sphère du capitalisme moderne et en partagent les bénéfices est un mythe. En effet, ce discours néglige un aspect crucial : qui va perdre à ce jeu ? Les principaux bénéficiaires seront l’élite économique des Nords et des Suds, tandis que les populations déjà marginalisées risqueront d’être laissées pour compte et de subir les conséquences de cette nouvelle économie fondée sur l’IA et les données massives.

3) Approche de politique internationale 

Cette approche de l’AIPD est étroitement liée aux objectifs de développement durable (ODD) des Nations unies. Ces dernières années, les agences des Nations unies ont montré de l’intérêt pour l’utilisation de l’IA en matière de développement international et pour l’atteinte des ODD. Des dizaines d’agences des Nations unies se sont regroupées pour l’organisation des sommets AI for Good. À titre d’exemple, sur la page d’accueil du sommet de l’Union internationale des télécommunications (UIT), on peut lire ce qui suit : « Il nous reste moins de dix ans pour atteindre les objectifs de développement durable des Nations unies et l’IA est très prometteuse pour faire progresser un grand nombre d’objectifs » (UIT, n.d. : paragraphe 1). Dans ce discours, l’IA est décrite comme un moyen d’accélérer le processus de résolution des problèmes de développement complexes. 

Les travaux qui s’inscrivent dans cette approche emploient souvent un ton enthousiaste, qui met de l’avant la capacité de l’IA à contribuer à la réalisation des ODD. Goralski et Tan (2020) suggèrent par exemple que l’IA apportera des opportunités commerciales qui en retour amélioreront l’accès, la connectivité et l’efficacité dans les domaines des soins de santé, de l’assainissement, de l’éducation, de l’agriculture et du transport. En examinant 24 études de cas sur l’utilisation de l’IA en Amérique latine et en Afrique, Mann et Hilbert (2020) affirment que ces projets démontrent que l’IA offre de brillantes possibilités de promouvoir le programme de développement, à condition de trouver le bon équilibre entre l’efficacité du développement et les réalités locales.

Ce que l’on note dans ces publications avec des idées souvent clichées est que l’économie politique qui sous-tend les ODD eux-mêmes est négligée. Les ODD sont fondés sur le consensus le plus large possible entre les pays membres des Nations unies :  pour Telleria et Garcia-Arias (2022), cela renforce le statu quo au lieu d’apporter une transformation réelle et significative. Ce qui demeure occulté dans le discours sur l’intégration de l’IA pour atteindre les ODD, c’est qu’en réalité ceux-ci renforcent un paradigme de développement néolibéral caractérisé par la privatisation et la commercialisation (Telleria et Garcia-Arias, 2022). 

Au lieu de reconnaître les conséquences économiques, environnementales et sociales inhérentes aux principes qui guident les ODD, l’approche de politique internationale maintient l’illusion que « personne n’est laissé pour compte ». Ainsi, il est nécessaire de repolitiser le discours sur l’AIPD et ses impacts.

4) Approche coloniale et extractiviste 

La quatrième approche situe l’initiative AIPD comme faisant partie d’un projet colonial et extractiviste. Cette approche explique comment l’AIPD perpétue les formes bien établies de domination dans les Suds. Cette perspective lève le voile sur l’extractivisme  et l’exploitation qui sont inhérents à l’industrie mondiale de l’AIPD. Elle tient compte des aspects historiques de ces pratiques et met en lumière les dynamiques de pouvoir qui persistent dans l’IA. 

Selon cette approche, l’IAPD est perçue comme un instrument pouvant servir à la recolonisation de l’Afrique, puisque les pays où elle est appliquée sont utilisés comme terrains d’essai ou laboratoires. Birhane (2020) explique clairement la relation entre le colonialisme et l’IA, en introduisant le concept de colonisation algorithmique de l’Afrique pour expliquer comment les actions contemporaines des entreprises technologiques occidentales sont le prolongement de la domination coloniale. 

Cette perspective met également en lumière la contribution de l’Afrique et de l’Amérique latine à l’industrie mondiale de l’IA en tant que régions ressources, aux premiers rangs  de la chaîne de valeur. Elle met en évidence l’extraction des matières premières nécessaires à la construction des technologies de l’IA (Crawford, 2021) et le travail précaire des annotateurs de données chargés de « nettoyer » les jeux de données de l’IA et de rendre notre expérience moins toxique (Perrigo, 2023). Cette perspective souligne que les communautés risquent d’être les grandes perdantes si les anciennes formes d’exploitation, d’extraction et de domination sont reproduites pour le développement de nouveaux produits, services et industries de l’IA (Ngwane et Tshoaedi, 2021). 

Le fait de considérer l’AIPD comme une manifestation du néocolonialisme numérique (Gravett, 2020) a contribué à nourrir l’émergence de discours et de pratiques critiques dans ce domaine. Une réorientation décoloniale, qui auparavant était absente des débats sur les ICTPD mais qui est maintenant florissante, a permis de penser l’IA différemment. C’est le sujet de notre dernière catégorie.

5) Approche décoloniale  

La cinquième catégorie que nous examinons utilise le « D » de AIPD pour signifier « décolonial », encapsulant ce que les chercheur·euses appellent « l’IA décoloniale ». L’intérêt croissant pour le tournant décolonial dans le domaine de l’IA, mené notamment par des chercheuses féministes, autochtones et racisées, souvent originaires des Suds, a créé un espace de créativité pour repenser l’IA à partir d’inflexions décoloniales. 

Les publications que nous avons étudiées et que nous plaçons dans cette catégorie sont ancrées dans une pluralité d’approches décoloniales d’inspirations latino-américaines, africaines ou autochtones, proviennent de différents acteur·ices provenant de l’industrie, du milieu universitaire ou de la société civile. Mohamed, Png et Isaac (2020) de DeepMind (maintenant Google) estiment que l’intégration de la « décolonialité » latino-américaine dans l’éthique de l’IA est essentielle pour concevoir des intelligences artificielles de meilleure qualité. Ils proposent trois tactiques pour former le champ de l’intelligence artificielle décoloniale: la création d’une pratique technique critique de l’IA, la pédagogie inversée en termes de dialogue, de documentation et de design avec la communauté impactée, et le renouvellement des communautés affectives et politiques. La chercheuse sud-africaine Rachel Adams (2021) à la barre de l’organisation AI4D African Observatory on Responsible AI se demande s’il est possible de complètement décoloniser l’IA et suggère qu’envisager l’avenir en termes décoloniaux impliquerait également d’imaginer un monde sans IA. 

Les orientations décoloniales autochtones ont également conduit à de nouvelles façons de penser et de faire l’IA. L’IA autochtone est une stratégie de résistance. Elle est un moyen d’affirmer la souveraineté autochtone et d’appeler les peuples et les communautés autochtones à affirmer leur contrôle sur leurs technologies et sur leurs données qui sous-tendent l’IA. Le livre blanc du professeur de l’Université de Concordia Jason Lewis et al. (2020) sur les protocoles d’IA autochtone est un point de départ pour ceux et celles qui veulent concevoir et créer l’IA à partir d’une position centrée sur les préoccupations, l’autonomie et la souveraineté des autochtones. 

D’un point de vue discursif et matériel, les récits et les pratiques sur l’IA décoloniale et autochtone offrent des réorientations rafraîchissantes et nécessaires pour penser l’AIPD différemment. Nous espérons que les chercheur·euses et praticien·nes trouveront ici matière à développer des pistes de recherche sur le sujet. Cependant, un examen approfondi des différentes interprétations du terme « décolonial » est essentiel. Le terme « décolonial » devient-il simplement interchangeable avec le terme « développement », ou incarne-t-il réellement un potentiel de transformation ?

Conclusion 

Dans ce commentaire, nous démontrons que la pluralité des discours entourant l’AIPD repose sur plusieurs hypothèses qui nécessitent une plus grande attention. Dans la plupart des documents que nous avons examinés, le terme AIPD tend à occulter plusieurs aspects tels que le développement capitaliste effréné, la domination techno-économique incontestée, l’hégémonie européenne, canadienne et états-unienne sur l’AIPD, la dégradation de l’environnement causée par l’IA et l’exploitation invisible des travailleurs·euses de l’IA. Ce n’est qu’en ayant une meilleure connaissance des fondements historiques, sociaux, économiques et idéologiques de chaque discours sur l’AIPD que nous serons en mesure de saisir ce qu’implique ce terme et comment il façonne l’IA dans le développement international. 

Références 

Adams R (2021) Can artificial intelligence be decolonized? Interdisciplinary Science Reviews 46 (1–2): 176–197.

Birhane A (2020) Algorithmic colonization of Africa. SCRIPTed 17(2), 389–409. https://doi.org/10.2966/scrip.170220.389 

Crawford K (2021) The Atlas of AI: Power, Politics, and the Planetary Costs of Artificial Intelligence. New Haven, CT: Yale University Press. 

Duncan J (2022) The turn to 4IR: implications for academic freedom. Inaugural Annual Academic Freedom Lecture, Chinua Achebe Auditorium, Auckland Park Kingsway Campus, University of Johannesburg, 8 November. 

Goralski MA and Tan TK (2020) Artificial intelligence and sustainable development. The International Journal of Management Education 18(1). https://doi.org/10.1016/j.ijme.2019.100330 

Gravett WH (2020) Digital coloniser? China and artificial intelligence in africa. Survival, 62(6), 153–178. https://doi.org/10.1080/00396338.2020.1851098

Gwagwa A, Kazim E, Kachidza P, Hilliard A, Siminyu K, Smith M and Shawe-Taylor J (2021) Road map for research on responsible artificial intelligence for development (AI4D) in African countries: The case study of agriculture. Patterns 2(12). 

IDRC (2018) Artificial intelligence and human development : toward a research agenda. Available at:  https://idl-bnc-idrc.dspacedirect.org/items/6ba8a490-db87-4992-8813-9bea0c7e8e28 (accessed 1 February 2024).

International Telecommunication Union (n.d.) AI for Good. Available at: https://aiforgood.itu.int/ (accessed 1 February 2024).

Oxford Insights (2023) Government AI Readiness Index. Available at: https://oxfordinsights.com/ai-readiness/ai-readiness-index/ (accessed 1 February 2024).

Lewis, JE et al. (2020) Indigenous Protocol and Artificial Intelligence Position Paper. Honolulu, Hawaiʻi: The Initiative for Indigenous Futures and the Canadian Institute for Advanced Research (CIFAR). Available at: https://www.indigenous-ai.net/position-paper (accessed 1 February 2024).

Mann S and Hilbert M (2020) AI4D: Artificial intelligence for development. International Journal of Communication 14(21): 4385–4405 https://ijoc.org/index.php/ijoc/article/view/12392 

Mazzarella W (2010) Beautiful Balloon: The Digital Divide and the Charisma of New Media in India. American Ethnologist 37 (4): 783–804. https://doi.org/10.1111/j.1548-1425.2010.01285.x.

Mohamed S., Png MT and Isaac, W (2020) Decolonial Ai: Decolonial theory as sociotechnical foresight in artificial intelligence, Philosophy & Technology, 33(4), pp. 659–684. doi: 10.1007/s13347-020-00405-8

Ngwane T and Tshoaedi (2021) The Fourth Industrial Revolution: A Sociological Critique. Johannesburg, SA: Jacana Media. 

Perrigo P (2023) OpenAI used Kenyan workers on less than $2 per hour to make ChatGPT less toxic. Times Magazine. Jan 18. Available at https://time.com/6247678/openai-chatgpt-kenya-workers/(accessed 1 February 2024).

Ramaphosa C (2020) A national strategy for harnessing the fourth industrial revolution: The case of South Africa’. In: Brookings Institute (blog). Available at https://www.brookings.edu/blog/africa-in-focus/2020/01/10/a-national-strategy-for-harnessing-the-fourth-industrial-revolution-the-case-of-south-africa/ (accessed 1 February 2024).

Rostow WW (1960) The stages of economic growth: A non-communist manifesto. Cambridge: Cambridge University Press.

Sarr F (2016) Afrotopia. Paris: Philippe Rey.

Schwab K (2017) The Fourth Industrial Revolution. New York, NY: Penguin. 

Telleria J and Garcia-Arias J (2022) The fantasmatic narrative of ‘sustainable development’. A political analysis of the 2030 Global Development Agenda. Environment and Planning C: Politics and Space 40(1), 241–259. https://doi.org/10.1177/23996544211018214 

Truman SH (1949) Inaugural Address of the President. Congressional Record Senate, 476-479. Available at: https://www.govinfo.gov/content/pkg/GPO-CRECB-1949-pt1/pdf/GPO-CRECB-1949-pt1-9-1.pdf (accessed 1 February 2024).