Les chiffres sur l'IA en Afrique sont faux : fabriqués, mal attribués, ou mal lus

Le comparatif le plus repris du corpus francophone oppose 12 % d'entreprises de l'espace OHADA exploitant l'intelligence artificielle générative à 73 % de PME européennes. Eurostat mesure 19,95 % d'entreprises de l'Union européenne de 10 personnes occupées ou plus en 2025, et l'Insee 18 % des entreprises françaises de 10 salariés ou plus la même année : le terme de comparaison est donc faux de plus du triple.

Le premier terme, lui, ne vient de nulle part. Il est attribué à la Banque africaine de développement, qui n'a publié aucune enquête de ce type, et porte sur l'OHADA, qui est un espace de droit des affaires et non un périmètre d'enquête auprès des entreprises. La question utile pour une direction n'est donc pas de savoir où elle se situe par rapport à un marché, mais de savoir quels chiffres elle peut poser sur une table sans qu'un administrateur un peu curieux les démolisse en deux clics devant tout le monde.

Cet article reprend les cinq affirmations les plus diffusées et ce qu'elles valent, la liste exacte de ce qui n'est mesuré par personne, les données solides qui existent malgré tout, le mécanisme par lequel un même nombre finit par dire deux choses opposées, et une méthode de vérification en trois questions.

L'essentiel

Aucune enquête à la méthodologie publiée ne mesure l'adoption de l'intelligence artificielle par les entreprises du Sénégal, de la Côte d'Ivoire, du Mali, de la Guinée, du Burkina Faso ou du Bénin : ni la Banque africaine de développement, ni l'UEMOA, ni les instituts nationaux de statistique ne publient cela. Les pourcentages qui circulent relèvent de trois familles distinctes, le chiffre fabriqué qui n'a jamais existé, le chiffre vrai attribué à une institution qui ne l'a jamais dit, et le chiffre vrai correctement attribué mais qui ne mesure pas ce qu'on lui fait dire. Des données solides existent en revanche sur la connectivité, publiées par l'UIT et la GSMA, et elles éclairent mieux une décision de déploiement que n'importe quel taux d'adoption.

Quels chiffres circulent, et que valent-ils ?

Cinq affirmations dominent les résultats francophones, et aucune ne survit à une vérification sur source primaire.

Cinq chiffres très diffusés et ce qu'ils valent, relevé du 11 août 2026

Sources des contre-vérifications, relevées le 11 août 2026 : Insee, Les technologies de l'information et de la communication dans les entreprises en 2025, Insee Première n° 2120, 21 juillet 2026, insee.fr/fr/statistiques/9025878 ; et Eurostat, Use of artificial intelligence in enterprises, données extraites en décembre 2025, ec.europa.eu/eurostat, qui donne 19,95 % en 2025 contre 13,48 % en 2024. Les cinq affirmations démenties viennent de sites de contenu commercial francophones, qui ne sont pas liés ici : un lien leur profite.

Ces cinq affirmations partagent trois traits, et c'est ce faisceau qui constitue la signature du chiffre fabriqué. Elles vont toutes dans le sens optimiste, elles sont toutes précises à l'unité près là où une enquête réelle publierait une fourchette et une marge d'erreur, et elles empruntent toutes l'autorité d'une institution dont le nom impressionne et qui n'a jamais rien dit de tel. Un chiffre qui arrange celui qui le lit passe tous les contrôles, et c'est précisément la raison pour laquelle ces énoncés survivent : ils ne sont pas retenus parce qu'ils sont crus, ils sont crus parce qu'ils sont utiles. La seule règle qui résiste à ce mécanisme tient en une ligne : un chiffre sans document retrouvable n'est pas un chiffre, c'est une opinion en costume.

Qu'est-ce qui n'est mesuré par personne ?

Huit points, listés ici en entier parce qu'une version courte laisserait croire que le reste est couvert.

Le taux d'adoption de l'intelligence artificielle par les entreprises du Sénégal, de la Côte d'Ivoire, du Mali, de la Guinée, du Burkina Faso ou du Bénin, à partir d'une enquête dont l'échantillon et le questionnaire soient connus.

Le budget IA moyen d'une entreprise ouest-africaine. Les fourchettes en circulation sont des grilles tarifaires d'agences présentées en tenue de statistique.

La performance des grands modèles en wolof, en bambara ou en dioula, faute de test public, de grille de notation et de jeu de phrases de référence.

Le budget moyen d'un projet d'intelligence artificielle, à partir d'une source institutionnelle ou d'un cabinet à la méthodologie ouverte.

Le retour sur investissement médian d'un projet d'IA. Celui-là circule beaucoup parce qu'il est attribué à McKinsey, qui ne publie rien de tel.

L'écart de performance entre le français et l'anglais des modèles génératifs sur des tâches professionnelles, question pourtant plus décisive ici qu'ailleurs.

Les parts de marché de Claude contre ChatGPT dans les entreprises francophones : le choix se décide sur d'autres critères, comme le montre notre comparaison des deux outils.

Toute statistique sur les formateurs indépendants et les coachs pris comme population distincte, en France comme ailleurs.

Ce vide ne signifie pas qu'il ne se passe rien : il signifie que la mesure n'existe pas encore, et qu'une direction qui prétend savoir où elle se situe par rapport à ses concurrents s'appuie sur une moyenne inexistante. C'est une conclusion plus confortable qu'il n'y paraît, puisqu'elle libère du concours et ramène à la seule question qui se tranche en interne, celle du travail répétitif à confier en premier. Nos cinq usages qui rapportent à une PME partent de là, et d'aucune statistique.

Quels chiffres tiennent, et que disent-ils réellement ?

Trois, tous sourcés et datés, et aucun ne mesure l'adoption de l'intelligence artificielle dans la zone.

Ce qui est mesuré et publié, relevé du 11 août 2026

Source consultée pour la première ligne : page primaire de l'UIT relevée le 11 août 2026 à l'adresse ci-dessus, les deux valeurs citées étant celles du rapport lui-même et non d'une reprise de presse.

Trois précisions accompagnent ce tableau, et elles comptent autant que les chiffres. La part réelle d'utilisateurs à opposer aux 95 % de couverture se présente sous plusieurs formes selon les publications de la GSMA, de l'ordre de 40 % dans un cas, autour de 28 % de pénétration de l'Internet mobile pour environ 416 millions d'utilisateurs dans un autre, sans que l'organisation ne réconcilie les deux dans un document unique : ce qui est solide ici est l'écart, pas la valeur, et citer l'un des deux termes seul avec deux décimales est une erreur. L'enquête McKinsey est ensuite mondiale et ne dit rien de Dakar ni d'Abidjan en particulier. Enfin, l'écart entre une couverture quasi totale et un usage minoritaire constitue l'information la plus opérationnelle de cette page : le problème n'est pas le réseau mais le coût de l'appareil, celui de la donnée et l'usage, ce qui déplace la question à se poser avant un déploiement de « est-ce que cela fonctionne au siège » à « est-ce que cela fonctionne chez le commercial en tournée ».

Comment un même nombre peut-il dire deux choses opposées ?

Parce que quatre chiffres circulent ensemble sur l'échec des projets d'IA, qu'ils mesurent des objets différents, et que le plus repris des quatre n'existe pas.

40 % est une prédiction, pas une mesure. Gartner, dans un communiqué du 25 juin 2025, annonce que 40 % des projets d'IA agentique seront annulés d'ici fin 2027, et une prédiction portant sur 2027 ne peut pas encore avoir tort. Le sondage associé, 3 412 participants à un webinaire, est auto-sélectionné : ce sont des personnes que le sujet intéressait déjà.

95 % est un résultat qualitatif contesté. Le MIT Project NANDA, à l'été 2025, décrit 95 % de pilotes d'IA générative sans retour mesurable sur le compte de résultat, à partir d'entretiens de dirigeants et d'une analyse qualitative, et ce résultat est discuté depuis sa parution. Il se manie comme un objet de débat, pas comme un fait établi.

88 % désigne deux choses opposées selon qui l'emploie. Chez McKinsey, en novembre 2025, ce sont les organisations déclarant un usage régulier de l'intelligence artificielle dans au moins une fonction, donc un chiffre de succès. Ailleurs, le même nombre désigne des pilotes d'agents qui ne passent jamais en production, donc un chiffre d'échec, attribué à un travail de Forrester avec Anaconda dont aucune reprise ne donne le titre exact, la date ni la page de méthodologie. Une citation dépourvue de titre de rapport signale que celui qui cite n'a pas ouvert le document non plus.

80 % n'existe pas. C'est le plus repris des quatre en français, sous la forme « 80 % des projets d'agents IA échouent », et il ne correspond à aucune étude primaire identifiable : ni Gartner, qui annonce 40 % d'annulations prévues, ni le MIT, qui décrit 95 % sans retour mesuré, ni les reprises de Forrester, qui parlent de 88 % de pilotes bloqués. C'est un arrondi devenu chiffre à force de circuler, et la question à poser en réunion est de savoir laquelle des trois mesures réelles l'interlocuteur avait en tête.

L'opposition apparente entre « 88 % utilisent » et « 95 % sans impact » n'est donc pas un paradoxe : les deux énoncés sont compatibles parce que l'un compte des usages et l'autre des retours financiers.

Comment vérifier un chiffre en deux minutes ?

Trois questions, posées dans cet ordre, en s'arrêtant à la première qui échoue.

D'où vient-il exactement ? Pas « selon une étude » ni « selon plusieurs experts », mais un nom d'organisation, un titre de rapport et une année. Un article qui ne donne pas ces trois éléments a déjà disqualifié son chiffre.

Le document existe-t-il ? Le titre et l'institution se cherchent sur le site de l'institution, jamais sur une page qui la cite. Un document introuvable sur itu.int, insee.fr ou le site du régulateur concerné n'existe pas, et c'est le test qui élimine le plus d'énoncés.

Que mesure-t-il, et sur qui ? La page de méthodologie donne le nombre de répondants, les pays, les dates et la définition retenue. Un taux d'adoption qui compte « au moins une technologie d'IA » et un taux qui compte « un assistant génératif utilisé chaque semaine » n'ont aucun rapport, même sous le même nom.

Deux réflexes s'ajoutent, propres à la zone. Un montant en francs CFA sans date de conversion ne signifie rien, le franc CFA étant en parité fixe avec l'euro donc flottant contre le dollar, ce que détaille notre article sur le paiement des abonnements IA depuis l'Afrique de l'Ouest. Et un chiffre français appliqué sans traduction à un marché ouest-africain reproduit le travers repris de bout en bout dans notre article sur les guides français.

Que faire cette semaine ?

Trois gestes, dont le premier prend cinq minutes.

Reprenez le dernier document interne où figure un chiffre sur l'IA et faites-lui passer les trois questions. S'il tombe, retirez-le sans le remplacer : une note sans chiffre est plus solide qu'une note avec un chiffre faux.

Constituez votre liste courte de sources, sur une seule page, et n'en sortez plus. UIT et GSMA pour la connectivité et les usages numériques, Banque mondiale et FMI pour l'économie, les sites gouvernementaux et les régulateurs pour le droit et les stratégies nationales, Insee et Eurostat pour les entreprises européennes, Africa Check pour le décryptage d'annonces publiques africaines.

Écrivez la phrase à dire en conseil quand la question du positionnement arrive. Elle tient en une ligne : personne ne mesure ce marché, voici donc ce que nous mesurons chez nous, et le délai que nous avons gagné sur ce processus précis. C'est le réflexe décrit dans notre guide sur l'usage de Claude en entreprise, où la seule mesure retenue est le délai interne relevé avant et après.

Le vide de mesure sur cette zone est donc réel, et il ne se comble pas en reprenant un chiffre plus flatteur. L'excès inverse est une erreur symétrique : l'UIT et la GSMA publient des données utilisables, et affirmer qu'on ne sait rien est aussi faux qu'inventer un taux d'adoption. Un chiffre cité de mémoire dans un document interne mérite qu'on aille chercher son document avant de le laisser circuler une fois de plus.

À lire également

• Les guides français sur l'IA ne marchent pas chez nous : les cinq hypothèses implicites du corpus francophone et l'ordre de décisions qui les remplace.
• Les 5 usages de l'IA qui rapportent le plus à une PME africaine : les familles d'usage rentables, et la mesure à relever soi-même faute de statistique disponible.
• Comment utiliser Claude en entreprise en 2026 : le protocole de quatre semaines fondé sur un délai interne plutôt que sur une comparaison au marché.
• L'IA parle-t-elle wolof : le vide de mesure sur les langues d'Afrique de l'Ouest, et le protocole de test à opposer à un fournisseur.

FAQ

Quel est le taux d'adoption de l'IA par les entreprises africaines ?

Aucune enquête à la méthodologie publiée ne le mesure au Sénégal, en Côte d'Ivoire, au Mali, en Guinée, au Burkina Faso ou au Bénin. Les taux qui circulent sont attribués à des institutions qui n'ont rien publié de tel. Pour la France, l'Insee mesure 18 % des entreprises de 10 salariés ou plus en 2025, et Eurostat 19,95 % dans l'Union européenne.

D'où vient le chiffre des 80 % de projets d'IA qui échouent ?

De nulle part : il ne correspond à aucune étude primaire identifiable. Trois mesures réelles circulent à côté, une prédiction de Gartner à 40 % d'annulations d'ici fin 2027, un résultat qualitatif du MIT à 95 % de pilotes sans retour mesuré, et des reprises de Forrester à 88 % de pilotes bloqués. Demandez laquelle des trois votre interlocuteur avait en tête.

McKinsey publie-t-il un ROI des projets d'IA ?

Non. Le cabinet publie une part de répondants déclarant un impact sur leur résultat d'exploitation, 39 % dans son édition de novembre 2025, la plupart situant cet effet sous les 5 %. Un taux de déclaration n'est pas un rendement, et aucune règle de trois ne fait passer de l'un à l'autre.

Comment vérifier un chiffre en deux minutes ?

Demandez le nom de l'organisation, le titre du rapport et l'année ; cherchez le document sur le site de l'institution et non sur une page qui la cite ; puis ouvrez la page de méthodologie pour savoir combien de répondants, dans quels pays et avec quelle définition. Arrêtez-vous à la première question qui échoue.

Que répondre quand on me demande où j'en suis par rapport au marché ?

Que ce marché n'est mesuré par personne, et que la comparaison pertinente est interne : le délai de traitement d'un processus donné, relevé avant et après la mise en route. C'est un chiffre que personne ne peut vous contester, parce qu'il vient de votre entreprise.