L'IA transforme les soins de première ligne en Afrique subsaharienne ^{CEFR B2}

L'intelligence artificielle commence à modifier la pratique de soins de première ligne dans plusieurs pays d'Afrique subsaharienne, en apportant rapidité et soutien aux personnels locaux. Au Kenya, un pilote mené par le ministère de la Santé avec l'appui d'Ubenytics a permis en 2024 de diagnostiquer un cas de paludisme en 90 secondes après la prise d'une photo d'une goutte de sang au microscope portable; l'algorithme a signalé « Plasmodium falciparum ++ » avec une précision proche de 98,5 %. Le programme couvre maintenant plus de 420 établissements dans huit comtés, et des résultats préliminaires publiés dans The Lancet Digital Health en mars 2025 indiquent une réduction de 31 % des prescriptions d'antibiotiques inadaptées et une baisse de 19 % des complications graves du paludisme dans les zones d'intervention.

Parallèlement, la start-up ghanéenne Chestify AI (fondée en 2020) aide à interpréter des radiographies thoraciques dans centres sous-équipés: dans 25 établissements, elle a réduit d'environ 40 % les délais de diagnostic en rendant des comptes rendus en trois heures plutôt qu'en jours. Des études supervisées par l'OMS ont trouvé une sensibilité regroupée d'environ 94,7 % pour la détection assistée par ordinateur de la tuberculose à partir de radiographies. Au Rwanda, des algorithmes d'acheminement ont fait passer le délai moyen de livraison de sang de 42 minutes à 18 minutes dans des districts difficiles d'accès.

Le contexte structurel reste fragile: la région compte 11 % de la population mondiale, supporte 24 % du fardeau mondial de morbidité, mais n'emploie que 3 % des travailleurs de santé et reçoit moins de 1 % des dépenses mondiales de santé; au Nigeria, la rareté des pathologistes est frappante, avec environ un pathologiste pour 500 000 personnes contre un pour 25 000 en moyenne mondiale. Des initiatives universitaires, comme l'AI Health Lab de Makerere, déploient des outils d'échographie obstétrique guidés par IA pour des non-spécialistes, et une validation clinique en Zambie publiée en 2019 a montré qu'un modèle d'apprentissage profond performait bien pour la rétinopathie diabétique référable.

Les coûts et la gouvernance restent cruciaux: la formation d'un LLM de microscopie palustre coûtait environ USD 180 000 en 2022, avec un coût marginal par test inférieur à USD 0,30 fin 2025. La régulation, la localisation des données, le financement durable et la supervision humaine sont nécessaires; des autorités kényanes et nigérianes ont publié des lignes directrices pragmatiques ces 18 derniers mois. Les risques incluent l'hallucination, les biais, la compréhension contextuelle limitée et des enjeux de vie privée et de sécurité. Avec une gouvernance prudente, d'ici 2030 un agent de santé communautaire équipé d'un smartphone à USD 120 et d'un LLM via 5G pourrait fournir des réponses en quelques minutes plutôt que d'imposer un trajet de 200 kilomètres (124 miles).