Imaginez la scène.
Une vieille femme est assise devant sa maison, quelque part dans un village africain. Elle raconte, dans sa langue, l’histoire d’un lieu que Google connaît peut-être seulement sous la forme de quelques coordonnées.
À côté d’elle, un journaliste enregistre.
Une photographie.
Une voix.
Un nom.
Une date approximative qu’il faudra vérifier.
Un témoignage qu’il faudra recouper.
Puis d’autres témoins.
À cet instant précis, quelque chose se produit : une mémoire jusque-là orale commence à devenir document.
Elle n’est pas encore une archive. Elle n’est pas automatiquement une vérité. Elle devra être vérifiée, contextualisée, légendée, conservée. Mais quelque chose qui pouvait disparaître avec une personne vient de laisser une trace.
À l’heure où l’intelligence artificielle semble capable d’écrire, traduire, résumer, générer des images et répondre presque instantanément à nos questions, cette scène rappelle une évidence que l’enthousiasme technologique peut nous faire oublier :
une machine peut traiter ce qui a été rendu accessible. Elle ne peut pas restituer fidèlement ce que personne n’a pris la peine de documenter.
Pour l’Afrique, cette distinction pourrait devenir l’un des grands enjeux documentaires des prochaines années.
L’intelligence artificielle ne part pas du réel : elle part de traces du réel
Lorsque nous interrogeons une intelligence artificielle générative, son apparente immédiateté peut donner l’impression qu’elle sait.
Elle répond vite. Elle associe des faits. Elle traduit. Elle reformule. Elle peut analyser une photographie, écouter une voix ou produire un résumé en quelques secondes.
Mais derrière cette impression de connaissance se trouve une réalité moins spectaculaire : les systèmes d’intelligence artificielle dépendent de données, de documents, d’images, d’enregistrements, de textes et d’autres traces préalablement produits ou rendus accessibles sous différentes formes.
Cela pose une question simple.
Que peut savoir une machine d’une réalité qui n’a pratiquement jamais été documentée ?
Que sait-elle d’un quartier dont les transformations n’ont jamais été photographiées méthodiquement ?
D’une pratique agricole transmise oralement ?
D’un événement local dont aucun journaliste n’a recueilli les témoignages ?
D’un lieu dont le nom officiel diffère du nom utilisé depuis plusieurs générations par ses habitants ?
D’une chanson qui n’a jamais été enregistrée ?
D’une mémoire familiale conservée dans une malle, sur quelques photographies annotées au stylo ?
Le problème n’est donc pas seulement de savoir si l’Afrique utilisera suffisamment l’intelligence artificielle.
Une autre question mérite d’être posée : quelle Afrique pourra être connue à travers les systèmes d’information et d’intelligence artificielle de demain ?
Une Afrique connectée, mais encore profondément inégale devant le numérique
Parler d’une « Afrique déconnectée » serait trop simple.
Le continent est connecté. Les smartphones ont changé les usages. WhatsApp, Facebook, TikTok, YouTube, les services financiers mobiles et les plateformes numériques font désormais partie du quotidien de millions de personnes.
Mais cette transformation n’est ni uniforme ni achevée.
Dans son rapport régional consacré au développement numérique en Afrique, publié en 2025 à partir notamment de données de 2024, l’Union internationale des télécommunications (UIT) estimait que 38 % de la population de la région Afrique utilisait Internet en 2024, contre 68 % à l’échelle mondiale.
La différence entre villes et campagnes était encore plus frappante : 57 % des populations urbaines utilisaient Internet, contre 23 % des populations rurales.
Il faut cependant regarder au-delà de la seule couverture réseau.
En Afrique subsaharienne — un périmètre statistique différent de celui utilisé par l’UIT — la GSMA évaluait à 60 % le « usage gap » du mobile Internet à la fin de 2023 : des personnes vivent dans des zones couvertes par un réseau mobile Internet, mais ne l’utilisent pas.
Le problème peut être le prix d’un terminal, le coût des services, les compétences numériques, la sécurité en ligne ou d’autres obstacles.
C’est une distinction essentielle.
Être à portée d’un réseau ne signifie pas être pleinement intégré au monde numérique.
La langue constitue une autre frontière
Il existe aussi une fracture moins visible sur les cartes de couverture : celle des langues.
L’Afrique ne parle pas une langue. Elle en parle des milliers.
Une partie considérable de ses connaissances, de ses récits, de ses pratiques et de ses mémoires continue de circuler dans des langues dont la présence numérique reste très inégale.
En avril 2026, l’UNESCO consacrait une analyse aux langues africaines comme angle mort de l’intelligence artificielle. Elle soulignait les difficultés rencontrées par des technologies principalement entraînées à partir de contenus disponibles dans des langues dominantes lorsqu’elles doivent interpréter ou produire certains contenus dans des langues africaines.
Cette question dépasse la traduction.
Une langue porte des références, une mémoire, des façons de nommer les choses, des expressions, des concepts et parfois une manière particulière de lire le monde.
Traduire les mots sans documenter le contexte ne suffit donc pas toujours.
Et c’est précisément là que le terrain retrouve toute son importance.
L’oralité n’est pas une absence de connaissance
Une erreur serait de regarder les populations moins présentes sur Internet comme des populations dépourvues d’information ou de connaissance.
L’écrit n’a jamais été l’unique véhicule du savoir.
Des histoires familiales, des connaissances agricoles, des généalogies, des traditions, des récits historiques, des pratiques culturelles et des mémoires locales ont traversé les générations par la parole.
Le problème documentaire apparaît lorsque cette parole ne rencontre aucun dispositif permettant de l’enregistrer, de la vérifier, de la contextualiser et de la transmettre au-delà de ceux qui la possèdent encore.
Cette réalité permet aussi de comprendre pourquoi la radio demeure si importante.
Selon une analyse publiée en avril 2026 par Afrobarometer, à partir d’enquêtes réalisées en 2024-2025 dans 38 pays africains, 59 % des personnes interrogées déclaraient écouter les informations à la radio tous les jours ou quelques fois par semaine.
La radio restait ainsi la source d’information la plus régulièrement utilisée parmi les médias étudiés. Elle demeurait également particulièrement accessible aux habitants des zones rurales, aux personnes disposant de revenus plus faibles et aux adultes moins scolarisés.
Voilà un paradoxe intéressant.
À l’époque des modèles d’intelligence artificielle multimodaux, une technologie vieille de plus d’un siècle continue parfois d’assurer une inclusion informationnelle que les technologies les plus sophistiquées n’ont pas encore réalisée.
Le reporter n’est pas seulement un utilisateur de l’IA
Une grande partie des discussions actuelles sur le journalisme et l’intelligence artificielle pose la même question : comment les journalistes peuvent-ils utiliser l’IA ?
C’est une vraie question.
Elle peut aider à transcrire un entretien, retrouver une information dans une masse de documents, traduire, explorer des données, préparer des recherches ou faciliter certains travaux répétitifs.
Mais une autre question m’intéresse davantage :
qui produit les sources primaires auxquelles nous pourrons nous référer demain ?
Sur le terrain, un reporter ne collecte pas seulement des phrases.
Il observe.
Il regarde les lieux.
Il rencontre les personnes.
Il écoute ce qu’elles disent, mais aussi ce qu’elles ne savent pas.
Il compare les versions.
Il photographie.
Il enregistre.
Il cherche un document.
Il vérifie un nom.
Il revient parfois sur les lieux.
Il découvre qu’une première information était fausse, incomplète ou simplement imprécise.
C’est ce travail qui transforme progressivement une observation en information journalistique.
Le reportage photojournalistique ne consiste donc pas seulement à revenir du terrain avec de belles images. Il consiste à produire des traces suffisamment contextualisées pour permettre à d’autres de comprendre ce qui a été vu.
Ce que l’algorithme ne voit pas
Un modèle d’intelligence artificielle peut analyser des milliers de photographies d’une rivière.
Mais si personne n’a photographié cette rivière au même endroit pendant vingt ans, les transformations locales peuvent rester invisibles dans les données disponibles.
Une IA peut résumer des centaines de textes consacrés à une ville.
Mais si les changements d’un quartier périphérique n’ont jamais fait l’objet d’un reportage, elle ne peut pas inventer honnêtement cette histoire manquante.
Elle peut traiter une archive familiale numérisée.
Encore faut-il que quelqu’un ouvre d’abord la malle où cette archive dort.
Elle peut transcrire la parole d’un ancien.
Encore faut-il que quelqu’un aille s’asseoir devant lui, obtienne son accord, pose les bonnes questions, comprenne ce dont il parle et confronte son récit à d’autres sources.
Le numérique ne commence pas nécessairement devant un écran. Il peut commencer par une rencontre.
Le danger d’un journalisme qui se nourrit uniquement de ce qui existe déjà en ligne
C’est ici que l’intelligence artificielle pose un autre problème au journalisme.
Elle peut augmenter notre productivité.
Elle peut aussi augmenter notre paresse.
Le risque apparaît lorsque le reporter cesse progressivement d’être un producteur de sources pour devenir uniquement un transformateur de contenus déjà publiés.
Un communiqué devient un article.
L’article est repris par plusieurs sites.
Une intelligence artificielle résume ces articles.
Un autre site publie ce résumé.
Le texte ainsi produit devient à son tour une source pour un autre contenu.
Et, peu à peu, nous pouvons obtenir une immense circulation de textes dont une partie remonte au même point de départ.
Pendant ce temps, personne n’est allé voir.
Personne n’a photographié.
Personne n’a interrogé le témoin oublié.
Personne n’a vérifié ce qui avait réellement changé sur place.
Le problème n’est alors plus seulement celui des erreurs produites par l’IA.
C’est l’appauvrissement de la matière première de l’information.
Documenter avant de générer
Le développement de l’intelligence artificielle pourrait donc nous obliger à redécouvrir une vieille discipline journalistique :
retourner au réel.
Non par nostalgie.
Non parce que la technologie serait l’ennemie du journalisme.
Mais précisément parce que les technologies capables de traiter des quantités extraordinaires d’informations donnent encore plus de valeur à ce qui est rare : une information originale, vérifiée, contextualisée et issue d’une observation réelle.
La photographie documentaire prend alors une nouvelle dimension.
Une image correctement produite peut montrer l’état d’un lieu à une date précise.
Une série photographique peut permettre de suivre une transformation.
Une interview enregistrée dans une langue locale peut conserver une voix que l’écrit aurait difficilement restituée.
Une vidéo peut documenter un geste, une technique, une architecture, un environnement ou une cérémonie.
Mais produire le fichier ne suffit toujours pas.
Je l’écrivais déjà dans « Photographier, c’est déjà transmettre : ce que la photographie m’a appris sur la mémoire » : conserver une image et permettre, des années plus tard, de comprendre ce qu’elle représente sont deux choses différentes.
Une photographie sans mémoire autour d’elle devient fragile
Qui apparaît sur cette photographie ?
Où a-t-elle été prise ?
Quand ?
Par qui ?
Dans quelles circonstances ?
Que se passait-il hors du cadre ?
Quelle est la source du nom indiqué dans la légende ?
Le fichier a-t-il été modifié ?
Quels droits lui sont attachés ?
Quelle version faut-il considérer comme l’original documentaire ?
Ces questions peuvent sembler techniques.
Elles sont pourtant au cœur de la mémoire.
Une photographie dont on a perdu la date, le lieu, l’auteur et l’identité des personnes représentées reste une image. Mais une partie de sa valeur documentaire a disparu.
C’est l’une des réflexions qui nourrit ma Méthode & BMS : produire ne suffit pas. Il faut aussi identifier, contextualiser, tracer, conserver et rendre les contenus compréhensibles dans le temps.
À l’ère de l’intelligence artificielle, cette exigence ne diminue pas.
Elle devient plus importante.
Du reportage à l’actif documentaire
Imaginons maintenant que l’entretien de notre vieille dame ne soit pas simplement publié sous la forme d’une vidéo sur un réseau social.
Son nom est correctement renseigné.
Le lieu est identifié.
La date est conservée.
Sa langue est précisée.
L’enregistrement original est préservé.
Une transcription est réalisée.
Une traduction peut être ajoutée.
Les personnes, lieux et événements qu’elle évoque sont identifiés autant que possible.
Ses affirmations sont distinguées des faits établis.
Les autres témoignages sont reliés au sien.
Les photographies du lieu sont conservées avec leurs métadonnées.
Les conditions d’utilisation et les droits sont documentés.
Alors nous ne possédons plus seulement une publication destinée à vivre quelques heures dans un fil d’actualité.
Nous commençons à constituer un actif documentaire.
C’est également la logique poursuivie dans les Archives documentaires des Éditions Boubakar SiDiBÉ : préserver les traces afin qu’elles puissent continuer à être comprises, recherchées et transmises lorsque l’actualité est passée.
L’Afrique ne doit pas seulement consommer l’intelligence artificielle
La question devient alors presque politique, au sens le plus large du terme.
Qui décidera de ce que les générations futures pourront retrouver sur l’Afrique contemporaine ?
Les plateformes ?
Les grands moteurs de recherche ?
Les entreprises qui développent les modèles d’intelligence artificielle ?
Les administrations ?
Les universités ?
Les bibliothèques ?
Les familles ?
Les médias ?
Probablement tous, chacun à sa place.
Mais les journalistes, photographes, reporters d’images, documentaristes, archivistes, chercheurs et producteurs de contenus africains ont une responsabilité particulière : documenter le continent depuis ses propres terrains.
Cela ne signifie ni enfermer l’Afrique sur elle-même ni rejeter les technologies venues d’ailleurs.
Il s’agit au contraire de prendre pleinement place dans le nouvel espace mondial de la connaissance.
Pour cela, il ne suffit pas d’apprendre à mieux interroger les machines.
Il faut aussi produire de meilleures sources.
La souveraineté documentaire commence parfois par un micro
On parle beaucoup de souveraineté numérique, de cloud, de centres de données, de logiciels, d’infrastructures et désormais de modèles d’intelligence artificielle.
Tout cela compte.
Mais il existe en amont une autre souveraineté, plus discrète.
La capacité d’une société à produire, identifier, conserver et transmettre les traces de sa propre existence.
Elle peut commencer avec un appareil photo.
Un carnet.
Un téléphone utilisé comme enregistreur.
Une caméra.
Une radio communautaire.
Un journaliste qui sait écouter.
Une légende correctement écrite.
Une archive que l’on refuse d’abandonner au prochain disque dur en panne.
Et parfois, tout commence simplement devant une maison.
Une vieille femme raconte.
Le reporter écoute.
Il ne sait pas encore si tout ce qu’elle dit est exact. Il devra vérifier. Revenir. Comparer. Chercher d’autres voix.
Mais il enregistre.
Parce qu’avant de pouvoir vérifier une mémoire, encore faut-il qu’elle ne disparaisse pas.
Et demain, lorsqu’une machine cherchera peut-être à comprendre ce lieu, cette langue ou cette histoire, la question essentielle ne sera pas seulement de savoir quelle intelligence artificielle elle utilisera.
La question sera beaucoup plus ancienne, beaucoup plus humaine :
quelqu’un a-t-il pris la peine d’aller voir ?
Sources et repères
- Union internationale des télécommunications (UIT) — State of digital development and trends in the Africa region: Challenges and opportunities.
- GSMA — The Mobile Economy Sub-Saharan Africa 2024 : connectivité et « usage gap ».
- Afrobarometer — How Africans get their news is changing – how much they get might not be, avril 2026.
- UNESCO — African languages, the blind spot of AI, avril 2026.
À lire également sur Boub’s SiDiBÉ :