L’Université numérique Cheikh Hamidou Kane vient de publier le premier rapport national sur l’intelligence artificielle générative dans l’enseignement supérieur sénégalais. Les étudiants s’en servent déjà. Il reste à savoir quelle part de la valeur produite par ces outils restera dans le travail des économistes et des chercheurs en sciences sociales du pays.

L’intelligence artificielle générative fera gagner du temps aux chercheurs africains bien avant de leur faire gagner de la valeur. J’ai proposé ailleurs la notion de croissance appauvrissante par faible incorporation productive : le produit augmente, tandis que la ressource productive dominante reste en dehors de la création de valeur. L’économie du savoir peut connaître le même sort. Dans nos universités, cette ressource est le travail qualifié des chercheurs, avec les données qu’ils recueillent. Si ce travail se borne à consommer des réponses calculées ailleurs, les usages progresseront sans que les universités en retiennent la valeur ajoutée.

Le 16 octobre, l’Université numérique Cheikh Hamidou Kane (UN-CHK) a présenté le rapport de son groupe de recherche ALIVE, Entre adoption et inquiétude : l’IA générative dans l’enseignement supérieur sénégalais. L’enquête a porté sur 5 037 étudiants et 159 enseignants, dans huit universités publiques ainsi que dans des instituts et des établissements privés¹. Au panel organisé en marge de cette présentation, le professeur Abdoullah Cissé, qui préside le comité de refondation des curricula, a plaidé pour une appropriation résolue. Il a qualifié l’intelligence artificielle de « révolution cognitive » et estimé qu’un enseignant qui affirme ne pas l’utiliser ne devrait plus enseigner². Je le rejoins sur un point : refuser ces outils ferait reculer l’université. Son plaidoyer laisse pourtant de côté une question d’économiste. Quand un étudiant de Dakar interroge un modèle, qui garde la valeur produite par l’échange ?

La Banque mondiale en a donné l’ordre de grandeur le 6 octobre. L’Afrique compte près de 18 % de la population mondiale et n’héberge que 0,6 % de la capacité mondiale des centres de données³. Le calcul qui répond à l’analyste dakarois s’effectue donc le plus souvent hors du continent, et l’abonnement est facturé en dollars par une entreprise étrangère. Dans la balance des paiements, cette dépense figure parmi les importations de services. Elle se règle en devises, celles que les États de l’Union monétaire ouest-africaine mettent en commun à la BCEAO. Le gain de productivité de l’usager a ainsi pour contrepartie un paiement extérieur. Ce qui reste au pays dépend de ce que l’usager sait faire de la réponse.

Ce que l’outil change au travail de l’économiste

Prenons un doctorant de l’université Gaston-Berger qui travaille sur l’Enquête harmonisée sur les conditions de vie des ménages, conduite par l’ANSD. Il passe une bonne partie de son temps à écrire des scripts de traitement, puis à les corriger. Un modèle de langage en produit une première version en quelques minutes. Il repère aussi des erreurs de syntaxe qu’un étudiant seul mettrait des jours à trouver. Nos universités n’ont pas assez de méthodologistes pour suivre chaque thèse, et l’outil comble une partie de ce manque.

Son apport s’arrête là où l’analyse commence. Le modèle ne sait pas ce que mesure une variable de revenu déclarée par un ménage qui vit de l’informel. Il ignore aussi que les réponses changent selon que l’enquêteur passe avant ou après la récolte. Ces choses s’apprennent sur le terrain. Un script peut tourner sans erreur et livrer une estimation fausse, et l’outil ne le signalera pas.

Les finances publiques sénégalaises en fournissent un exemple récent. En février 2025, la Cour des comptes a établi que la dette de l’administration centrale représentait 99,67 % du PIB à la fin de 2023, alors que les chiffres publiés jusque-là affichaient 74,41 %⁴. Il a fallu, pour y parvenir, confronter des documents budgétaires qui se contredisaient. Un modèle de langage peut accélérer ce travail en comparant des centaines de pages de tableaux. Il ne peut pas trancher entre deux séries discordantes. Ce choix engage l’institution qui publie le chiffre, et c’est elle qui en répond.

Les sciences sociales face à leurs corpus

Le sociologue qui a recueilli deux cents entretiens y trouve aussi son compte, de même que l’historien qui dépouille la presse de Saint-Louis à l’époque coloniale. L’outil transcrit les enregistrements et propose un premier classement thématique. Dans des universités qui recrutent rarement des assistants de recherche, ce travail préparatoire prenait des mois.

Le danger se trouve ailleurs. Les modèles ont appris leurs catégories sur des textes surtout anglophones et occidentaux. Quand on leur confie des entretiens menés en wolof ou en pulaar, ils rangent la parole des enquêtés dans des catégories qui ne sont pas les leurs. L’obligation de redistribution envers la famille devient une « dépense de consommation ». L’allégeance à un guide confrérique devient du « capital social ». Les enseignants interrogés par l’UN-CHK l’ont constaté : 52,1 % d’entre eux signalent que les réponses de l’IA s’accordent mal aux réalités locales⁵. Le chercheur qui valide ce codage sans le reprendre prête aux enquêtés des catégories qu’ils n’emploient pas.

La correction de ce biais passe par des données produites dans nos langues, et leur financement relève de la politique publique. Le Togo a lancé en juillet 2026 un programme de collecte de données orales et écrites dans ses cinquante langues nationales, avec un objectif de cinquante heures de parole validée pour chacune⁶. Un corpus annoté en wolof a les propriétés d’un bien public, puisqu’un laboratoire qui l’utilise n’en prive pas un autre. Sa production coûte cher, et le marché est trop étroit pour qu’une entreprise privée la finance seule.

Le prix d’une référence inventée

Les modèles inventent des références. Le défaut recule d’une version à l’autre sans disparaître. En 2023, William Walters et Esther Wilder ont vérifié 636 références produites par ChatGPT sur 42 sujets, et publié leurs résultats dans Scientific Reports. Avec GPT-3.5, la version gratuite de l’époque, 55 % des références n’existaient pas. Avec GPT-4, réservé aux abonnés, la proportion tombait à 18 %⁷. L’abonnement divisait le risque par trois. Il ne le supprimait pas. Or la recherche documentaire arrive en tête des usages fréquents chez les étudiants sénégalais, à 57,4 % selon le rapport de l’UN-CHK⁵.

Le professeur Cissé soutient que les erreurs et les hallucinations touchent surtout les modèles gratuits ou bon marché. Il compare aussi les résultats d’une IA générative à ceux d’une calculatrice ou d’un logiciel de comptabilité, que personne ne met en doute². La comparaison ne tient pas, pour une raison technique. Une calculatrice applique une règle fixe, et la même opération lui donne toujours le même résultat. Un modèle de langage produit une suite de mots probable au regard de ce qu’il a appris. Il peut donc écrire une référence vraisemblable qui ne correspond à aucun ouvrage.

Hors de l’université, l’erreur coûte davantage. En 2025, le cabinet Deloitte a dû rembourser une partie des 440 000 dollars australiens que le gouvernement fédéral lui avait versés pour un rapport sur le système d’aide sociale. Un chercheur de l’université de Sydney y avait relevé des références inexistantes et une citation inventée d’un jugement. La version révisée du rapport a reconnu l’emploi d’outils fondés sur GPT-4o, fournis par Azure OpenAI et hébergés dans l’environnement informatique du ministère⁸. Le modèle était payant. Il était employé à titre professionnel par l’un des quatre grands cabinets d’audit mondiaux. Au Sénégal, une partie de l’expertise universitaire en économie et en sciences sociales parvient à l’État et aux bailleurs sous forme de consultations. Une référence fabriquée dans un tel rapport peut finir par appuyer une décision publique.

Ce que le chercheur garde pour lui

Le manuel que je consacre à ces outils en économie et en sciences sociales trace une ligne de partage. Le modèle peut accélérer la recherche documentaire et l’écriture du code. Il aide aussi à mettre un texte en forme ou à reconstruire un argument. La problématique reste au chercheur. Le jugement scientifique lui revient également, de même que la responsabilité du texte qu’il signe.

Le professeur Cissé accepterait qu’un étudiant rédige sa thèse en une journée avec l’aide de l’IA, pourvu qu’il démontre sa maîtrise des connaissances et des arguments employés². Sa condition rejoint cette ligne de partage. Elle déplace l’épreuve vers la soutenance, et il propose d’ailleurs de donner à l’oral une place centrale dans l’évaluation.

Cette proposition a une justification économique. Un diplôme vaut sur le marché du travail parce qu’il atteste une compétence que l’employeur ne peut pas observer lui-même. Si le mémoire écrit ne prouve plus que l’étudiant sait raisonner, l’attestation perd sa valeur. Les employeurs se tournent alors vers leurs propres tests ou vers la recommandation, et les diplômés qui ont des relations y gagnent. L’oral rend au diplôme sa valeur d’attestation. On peut aussi demander à l’étudiant de corriger une erreur glissée à dessein dans un texte généré. Ces épreuves prennent du temps aux enseignants, et ce temps devra figurer dans les budgets des universités.

Ce qui revient aux décideurs

La Stratégie nationale sénégalaise sur l’intelligence artificielle, publiée en 2023 pour l’horizon 2028, compte 52 actions, dont la création d’un institut national de recherche et de formation⁹. L’Union africaine a endossé sa stratégie continentale en juillet 2024¹⁰. Les textes sont là. Leur exécution dépend du nombre de personnes capables d’employer ces outils avec méthode, car une technologie se diffuse au rythme des compétences disponibles. Les écoles doctorales peuvent ouvrir dès la prochaine rentrée un enseignement des méthodes de recherche assistée, procédures de vérification comprises. Il coûterait beaucoup moins cher qu’un centre de données.

Vient ensuite la question des achats. Le chercheur règle le plus souvent son abonnement de sa poche, en dollars, et il n’a aucun moyen de discuter le prix ni l’usage de ses données. Un groupement des universités de l’UEMOA pourrait négocier des licences collectives, et l’État pourrait faire de même pour ses administrations. Ces contrats peuvent interdire au fournisseur d’entraîner ses modèles sur les documents qu’on lui soumet. Ils peuvent aussi fixer le lieu d’hébergement des données sensibles. Une commande groupée permet enfin d’obtenir un meilleur tarif.

Le professeur Cissé souhaite que les universités encouragent l’usage avant d’en encadrer juridiquement les pratiques. Selon lui, ce sont les usages qui donneront leur contenu aux lois. En matière de pédagogie, cet ordre se défend. Pour les données, il ne vaut plus. Un document administratif envoyé à un service étranger échappe à l’administration dès l’envoi, et sa conservation obéit ensuite aux conditions du fournisseur.

Reste l’électricité. D’après l’Association africaine des centres de données, la capacité installée sur le continent pourrait tripler d’ici 2030 pour atteindre environ 1,2 gigawatt, sans que la part de l’Afrique dans le total mondial s’éloigne de 0,6 %. Le même rapport désigne l’approvisionnement électrique, avant la fibre optique, comme la première contrainte des nouveaux sites¹¹. Le plan électrique du Sénégal appartient donc à sa politique de l’intelligence artificielle.

Revenons au doctorant de Saint-Louis. La machine écrit désormais en dix minutes le script qu’il aurait mis une semaine à corriger. Elle ne lui dira pas si la variable de revenu de l’enquête mesure ce qu’il croit. Il peut employer la semaine gagnée à retourner voir les ménages. S’il ne le fait pas, il publiera un résultat que le logiciel a accepté et que le terrain dément.

Notes

¹ Agence de presse sénégalaise (APS), « Un rapport éclaire les usages et les perceptions de l’IA générative dans l’enseignement supérieur sénégalais », 16 octobre 2026. Les établissements couverts sont l’UCAD, l’UGB, l’UADB, l’UASZ, l’UAM, l’USSEIN, l’UIDT et l’UN-CHK.

² APS, « IA générative : au-delà des craintes, un universitaire sénégalais insiste sur les opportunités », 16 octobre 2026. L’article a été repris le 17 octobre sous le titre « Un enseignant qui affirme ne pas utiliser l’IA ne devrait plus enseigner ». La phrase relève du discours indirect du journaliste et ne constitue pas une citation entre guillemets.

³ Banque mondiale, Africa Economic Update, 6 octobre 2026, partie thématique consacrée à l’intelligence artificielle.

⁴ Cour des comptes du Sénégal, Rapport sur la situation des finances publiques de 2019 au 31 mars 2024, 12 février 2025. Après le rapprochement conduit par le cabinet Forvis Mazars, les autorités ont porté ce stock à 111 % du PIB à fin 2023 (FMI, communiqué de fin de mission, août 2025).

⁵ Chiffres du rapport de l’UN-CHK cités par Socialnetlink, « IA générative : 33,7 % des étudiants ne la connaissent toujours pas, malgré son adoption croissante dans les universités sénégalaises », 18 octobre 2026.

⁶ Capital FM (Kenya), « Togo launches AI project to build models for 50 languages », 8 juillet 2026. Le projet a été annoncé au sommet AI for Good de Genève.

⁷ William H. Walters et Esther Isabelle Wilder, « Fabrication and errors in the bibliographic citations generated by ChatGPT », Scientific Reports, vol. 13, 2023, article 14045.

⁸ Associated Press, dépêche du 7 octobre 2025 ; The Guardian, 6 octobre 2025. L’emploi de l’outil est mentionné dans la version révisée du rapport, publiée par le ministère australien de l’Emploi et des Relations de travail au début d’octobre 2025.

⁹ Ministère de la Communication, des Télécommunications et de l’Économie numérique, Stratégie nationale et feuille de route du Sénégal sur l’intelligence artificielle, 2023, recensée par l’OCDE (OECD.AI Policy Navigator).

¹⁰ Union africaine, Stratégie continentale de l’intelligence artificielle, endossée par le Conseil exécutif en juillet 2024.

¹¹ Africa Data Centres Association et Rising Advisory, Data Centres in Africa 2026, février 2026.