Créer une startup d'intelligence artificielle en Afrique suppose de survivre à une contradiction macroéconomique brutale. Les fondateurs doivent louer des unités de traitement graphique (GPU), du stockage cloud et des interfaces de programmation d'applications (API) de modèles de fondation facturés en dollars américains, pour ensuite vendre le logiciel obtenu à des entreprises locales aux budgets malmenés. Cet étau structurel a bouleversé l'économie unitaire classique du Software-as-a-Service (SaaS) : contrairement aux logiciels traditionnels, où les coûts marginaux s'aplatissent à mesure que le nombre d'utilisateurs augmente, chaque nouvel utilisateur actif d'une plateforme native de l'IA fait grimper parallèlement les factures de calcul en devises étrangères.

Ces doubles pressions sont le cœur d'AI Made in Africa: Voices from AI businesses across Africa, une étude de 70 pages publiée en octobre 2026 par le bureau de l'Union africaine de la Deutsche Gesellschaft für Internationale Zusammenarbeit (GIZ) en partenariat avec la société d'intelligence de marché Briter Bridges. L'étude recense 311 entreprises d'IA à but lucratif qui ont collectivement reçu 1,3 milliard de dollars de financements publiquement divulgués dans plus de 35 secteurs entre 2016 et 2025, ainsi qu'une enquête approfondie auprès de 85 entreprises et 16 entretiens avec des parties prenantes menés entre avril et juillet 2026.

De l'IA activée à l'IA native

La maturation du débat sur l'IA sur le continent se voit dans l'évolution des cohortes de fondateurs depuis la mise à disposition publique de modèles de fondation tels que GPT, Llama et Mistral en 2022. Sur l'ensemble des données des 311 entreprises, 56 % des sociétés sont « IA activée », c'est-à-dire qu'elles ajoutent une couche d'apprentissage automatique à un service existant de fintech, de santé ou d'agritech qui pourrait fonctionner sans elle. Parmi les 85 entreprises interrogées, qui penchent fortement vers les entrants postérieurs à 2022, 75 % sont « natives de l'IA ».

Il en résulte une évolution pragmatique dans la façon dont les ingénieurs africains conçoivent leur pile technologique. Aux stades du pré-amorçage et de l'autofinancement, les startups se répartissent équitablement entre les API commerciales tierces choisies pour la rapidité, les modèles open source adoptés pour éviter les frais par requête, et les développements internes. Mais une fois que les entreprises atteignent la fourchette de financement de 1 à 10 millions de dollars, la dépendance aux API tierces devient financièrement toxique : servir des milliers d'utilisateurs quotidiens peut facilement générer de 20 000 à 50 000 dollars de factures mensuelles de tokens. Les startups en phase de croissance convergent donc vers des architectures hybrides, affinant des bases open source avec des jeux de données locaux propriétaires.

Dans des secteurs comme la santé et l'agriculture, construire des modèles internes ou hybrides est une nécessité plutôt qu'un choix : les modèles occidentaux prêts à l'emploi hallucinent régulièrement sur les dossiers cliniques africains et identifient mal les maladies des cultures locales. Cette exigence inverse le manuel mondial dominant consistant à livrer rapidement sur des API commerciales : pour les constructeurs africains, la couche modèle est à la fois le lieu où se gagne la différenciation et celui où se situe le plus important poste de dépenses de R&D de la plupart des startups.

Le plafond de 208 dollars par mois

Les calculs tournent vite à l'orange quand les coûts de développement rencontrent le pouvoir d'achat local. Pas moins de 65 % des startups interrogées citent le cloud computing, les GPU et l'infrastructure comme leur plus important poste de dépenses de recherche et développement (R&D), devant l'acquisition et le nettoyage des données. Parallèlement, plus de la moitié des entreprises interrogées facturent leurs produits moins de 2 500 dollars par an et par client, soit environ 208 dollars par mois. Pour les petites entreprises africaines dont le chiffre d'affaires annuel est inférieur à 10 000 dollars, un abonnement logiciel de 208 dollars par mois entre en concurrence directe avec les salaires du personnel et l'électricité de secours.

La compression des marges est aggravée par de graves déficits d'infrastructure. L'Afrique abrite 18 % de la population mondiale mais représente moins de 1 % de la capacité mondiale de centres de données, acheminant environ 80 % de son trafic internet via des serveurs étrangers. Le suivi indépendant de l'industrie par l'AI Data Centre Index 2026 projette 19 installations prêtes pour l'IA atteignant 1,3 GW de capacité dans sept pays africains, mais les réseaux électriques restent la contrainte déterminante. Le rapport note que le réseau national nigérian n'a affiché en moyenne que 4 000 MW de capacité disponible début 2026 contre 13 000 MW installés, tandis qu'un projet de centre de données géothermique de 1 milliard de dollars au Kenya porté par Microsoft et G42 a été bloqué en août 2025 car son alimentation aurait privé la moitié du pays d'électricité.

Les chocs monétaires aggravent le problème. La dévaluation du naira en 2023 aurait fait grimper les factures cloud locales de 224 %. Résultat : seuls 5 % des praticiens africains de l'IA disposent de la puissance de calcul dont ils ont besoin, et des itérations de modèles qui prennent 30 minutes dans les pays du G7 peuvent prendre six jours sur le continent.

Construire pour les acheteurs institutionnels

Confrontés à un fragile pouvoir d'achat des consommateurs, les fondateurs africains d'IA construisent pour des acheteurs institutionnels. Environ 88 % des entreprises interrogées vendent à d'autres entreprises (B2B) et 44 % vendent aux gouvernements (B2G), s'appuyant fortement sur les abonnements récurrents tout en couvrant simultanément plusieurs segments de clients pour rester à flot.

Mais vendre aux institutions expose les startups au principal obstacle de croissance de l'écosystème : 65 % des fondateurs citent la confiance des clients et la faible littératie en IA comme obstacle premier, devant les coûts de développement élevés (49 %), l'intégration aux systèmes hérités (34 %) et les longs cycles de vente (33 %). La startup nigériane de healthtech MyItura, par exemple, a dû construire des jeux de données cliniques propriétaires et équiper les agents de soins primaires de tablettes financées par des subventions avant que les médecins ne fassent confiance à ses outils de transcription et de prêt par IA. En Afrique du Sud, la société d'IA d'entreprise The Awareness Company doit souvent installer des capteurs physiques pour des clients miniers et immobiliers qui gèrent encore leurs opérations sur des tableurs manuels avant même que son logiciel ne puisse ingérer des données.

Équipes réduites et déficit de talents

Au sein de ces entreprises, les équipes restent remarquablement réduites : seules 2 % emploient plus de 250 personnes. Comme l'Afrique ne détient que 1 à 3 % des talents mondiaux de l'IA, les startups locales ne peuvent égaler les salaires du travail à distance étranger. Quelque 51 % des fondateurs peinent à recruter des chercheurs en IA seniors, et 33 % peinent à trouver des ingénieurs MLOps. En réponse, 47 % ont transformé leur startup en académies de fait, bâtissant des pipelines de formation interne formels pour monter en compétences les jeunes diplômés locaux. La startup ivoirienne de regtech Danaya, par exemple, forme en interne de jeunes ingénieurs locaux à la vision par ordinateur tout en recrutant des dirigeants de la diaspora en France pour superviser l'architecture.

Le capital et les politiques doivent correspondre à la réalité opérationnelle

Le message sous-jacent aux investisseurs et aux décideurs est que le capital et les politiques doivent correspondre à la réalité opérationnelle. Bien que 1,3 milliard de dollars ait afflué vers les entreprises recensées au cours de la dernière décennie, avec un ticket médian de 225 000 dollars, plus de 75 % de ce capital est allé à des entreprises créées avant 2020. Rapporté à la structure de l'enquête, orientée vers les entrants post-2022 natifs de l'IA, ce partage signifie que la nouvelle vague de constructeurs africains de l'IA n'a jusqu'ici bénéficié que d'une minorité des financements divulgués de la décennie. Près d'un tiers des startups interrogées restent entièrement autofinancées, seules 15 % sont rentables, et 60 % de ces entreprises rentables opèrent au-delà de l'Afrique, y compris des startups d'Afrique du Nord déplaçant leur siège à Dubaï et à Riyad.

Deux ans après que l'Union africaine a adopté sa Stratégie continentale pour l'IA en juillet 2024, les fondateurs ne demandent pas un incubation générique ; moins de 5 % des 470 pôles technologiques d'Afrique offrent un accès aux GPU ou un mentorat spécialisé en IA. Les fondateurs veulent plutôt des investisseurs patients qui comprennent les cycles d'approvisionnement B2G de 12 à 18 mois et le risque monétaire structurel.

Envers les gouvernements, leurs demandes sont concrètes : 62 % veulent des subventions de R&D et de calcul, 49 % veulent des règles de données transfrontalières harmonisées entre des marchés comme le Nigeria et le Kenya, et 26 % veulent des bacs à sable réglementaires qui débloquent des décennies d'archives publiques agricoles et sanitaires non numérisées.

AI Made in Africa montre que les ingénieurs africains sont déjà passés de la consommation de l'IA à sa construction. La tâche restante, précise le rapport, incombe aux financiers, aux réseaux électriques et aux régulateurs du continent, qui doivent désormais s'ajuster. Les demandes politiques de l'enquête et le pipeline de construction de centres de données servent désormais de références pour mesurer l'ampleur réelle de ce rattrapage.