Une étude de cas à partir d’un besoin citoyen simple, mais réel : rendre une information publique plus lisible, plus accessible et plus utile au quotidien.

Après avoir clarifié ce qu’est l’intelligence artificielle, puis déplacé le débat vers la distinction entre usages, modèles et infrastructure, il reste à regarder ce que cela donne dans la pratique. C’est l’objet de ce troisième texte.

Il ne s’agit pas ici de raconter une success story. Il s’agit plutôt de montrer ce que produit une démarche simple mais exigeante : partir d’un problème réel, mobiliser les outils disponibles, documenter les limites, et garder la bonne échelle de lecture.

Idée centrale : l’IA devient utile lorsqu’elle cesse d’être un slogan et devient une réponse opérationnelle à un problème clairement formulé.

1. Le problème de départ

À Libreville, les coupures d’électricité font partie de l’expérience quotidienne de nombreux ménages. Des programmes prévisionnels de délestage existent. L’information est donc disponible. Mais une information disponible n’est pas encore une information réellement utilisable.

Lorsqu’un planning circule sous forme d’image, de communiqué ou de tableau difficile à lire sur mobile, le citoyen doit encore accomplir lui-même le travail d’interprétation : repérer sa zone, comprendre l’horaire, vérifier si son quartier figure au bon endroit, puis recommencer le lendemain.

Le problème de départ n’était donc pas l’absence d’information. C’était un problème d’accessibilité opérationnelle.

GabonHub se présente publiquement comme un service de consultation du programme prévisionnel des coupures électriques. Les éléments visibles sur le site permettent de décrire sobrement le service : choix de ville, programme du jour, quartiers concernés, carte, favoris, recherche par quartier, mise à jour régulière, mention de provenance des données et avertissement clair selon lequel les horaires réels peuvent varier selon les décisions de la SEEG. Cette prudence descriptive est importante : elle protège la crédibilité du projet autant que celle de l’analyse.

Information disponible

Le programme existe, mais il peut être difficile à lire, à chercher et à interpréter rapidement.

Besoin citoyen

Savoir vite si son quartier est concerné, à quelle heure, et avec quel niveau de fiabilité.

Réponse utile

Rendre l’information claire, interrogeable et transparente sur ses limites.

2. La bonne logique : partir du problème, puis choisir la technologie

Beaucoup de projets numériques commencent par la technologie disponible, puis cherchent un cas d’usage. Dans le cas de GabonHub, la logique est inverse.

La question de départ n’était pas : « comment faire de l’IA ? » Elle était beaucoup plus concrète : « comment transformer un programme diffusé dans un format peu pratique en une information claire, consultable, exploitable et utile pour un citoyen sur téléphone ? »

C’est parce que ce problème a été posé de manière précise qu’une solution mobilisant l’IA devient pertinente. Cette distinction résume l’esprit de toute la série : l’IA n’est pas le point de départ. Elle est un moyen mis au service d’un problème bien formulé.

À retenir

Un bon projet d’IA ne commence pas par un modèle. Il commence par un problème suffisamment clair pour que l’on sache quelle valeur produire, pour qui, et avec quelles limites.

3. Ce que fait concrètement GabonHub

À partir de ce qui est publiquement visible, le cœur du service repose sur trois fonctions simples.

La première consiste à rendre lisible le programme prévisionnel de délestage. La deuxième consiste à structurer cette information pour qu’elle devienne consultable par ville, quartier, zone ou créneau horaire. La troisième consiste à faciliter l’interrogation de cette base, notamment au moyen d’une interface plus simple que la lecture directe d’un planning brut.

Ces éléments sont visibles publiquement sur la plateforme : consultation par ville, programme du jour, recherche par quartier, favoris, carte, rappel explicite du caractère prévisionnel de l’information et présence d’une assistante conversationnelle nommée Lambï AI , présentée comme une assistante dédiée aux délestages du Grand Libreville. En revanche, le site public ne documente pas en détail l’architecture technique interne ; il faut donc éviter de lui attribuer, sans source complémentaire, des capacités plus précises que celles qui sont observables.

Programme prévisionnel Recherche par quartier Carte Favoris Lambï AI Avertissement sur les limites

4. Où l’IA intervient réellement — et ce qui reste à documenter

La forme la plus clairement visible de l’IA dans ce cas est l’assistance conversationnelle. L’existence de Lambï AI indique qu’un dispositif permet au moins de reformuler, guider ou répondre à des questions d’usagers à partir d’un corpus d’information disponible.

Un second niveau est raisonnablement inférable , mais il doit être présenté avec prudence : pour qu’un service de consultation soit utile par quartier, par ville ou par créneau, il faut qu’un travail de structuration de l’information soit effectué en amont. Ce travail peut mobiliser des traitements automatisés ; toutefois, le site public ne détaille pas publiquement le pipeline technique exact. Il est donc préférable de parler ici de structuration et d’assistance autour de données prévisionnelles , plutôt que d’attribuer au service des capacités non documentées.

Un point doit enfin être énoncé très clairement : l’assistant ne « devine » pas la réalité électrique d’un quartier. Il reformule, à partir d’une information prévisionnelle, ce qui est annoncé sur le service. Le site rappelle lui-même que les horaires réels peuvent varier selon les décisions de la SEEG. Cette transparence est essentielle, car elle distingue un service d’information crédible d’une promesse technologique excessive.

Ce que l’on peut affirmer publiquement

Le service aide à consulter, rechercher et reformuler une information prévisionnelle de coupure électrique pour l’usager, avec une interface conversationnelle visible.

Ce qu’il serait excessif d’affirmer sans autre source

Qu’il prédise lui-même les coupures réelles, qu’il dispose d’un pipeline entièrement documenté de bout en bout, ou qu’il remplace la source officielle.

C’est précisément cette clarté qui rend le cas intéressant. L’IA n’est pas présentée ici comme une magie autonome, mais comme un intermédiaire utile entre une donnée publique, un besoin citoyen et une interface plus compréhensible.

5. Pourquoi ce cas est intéressant

L’intérêt de GabonHub n’est pas d’abord dans la sophistication affichée. Il réside dans la méthode.

Le cas montre qu’une partie importante de la valeur ne vient pas nécessairement d’une invention radicale, mais d’une meilleure mise en forme d’une information déjà disponible. Il montre aussi qu’un système d’IA utile n’a pas besoin d’être spectaculaire pour être pertinent : il peut d’abord aider à mieux comprendre, mieux consulter et mieux utiliser une information publique dans un contexte du quotidien.

En ce sens, le cas est intéressant parce qu’il ramène l’IA à sa bonne échelle : celle d’un service rendu plus simple, plus lisible et plus directement appropriable.

Leçon importante : dans beaucoup de contextes africains, la première valeur de l’IA ne sera pas forcément de remplacer l’humain, mais de rendre l’information plus accessible, plus interrogeable et plus utile pour l’action.

6. Les leçons transférables

La première leçon est que le problème doit être formulé à hauteur d’usage. « Mieux informer les citoyens » est une intention. En revanche, « permettre à un habitant de savoir rapidement si son quartier est concerné par une coupure prévue » est un problème opératoire.

La deuxième leçon est que la donnée utile existe souvent déjà. Dans beaucoup de contextes, le défi n’est pas l’absence totale de données, mais leur dispersion, leur format, leur faible interrogeabilité ou leur faible exploitabilité pratique.

La troisième leçon est que l’expérience utilisateur compte autant que l’algorithme. Dans ce type de service, la qualité se mesure à la simplicité : temps d’accès, clarté de la réponse, vocabulaire compréhensible, usage mobile et transparence sur les limites.

La quatrième leçon est que dire les limites n’est pas un aveu de faiblesse. C’est même l’inverse. Le fait de rappeler explicitement qu’il s’agit d’un programme prévisionnel renforce la crédibilité du service.

1. Formuler le bon problème

Passer d’une intention générale à une question opérationnelle directement utile.

2. Rendre la donnée exploitable

Transformer une information disponible en données structurées, consultables et interrogeables.

3. Assumer les limites

Dire clairement ce que le service sait faire, ce qu’il ne sait pas faire, et ce qui reste prévisionnel.

7. Ce que ce cas nous apprend plus largement

GabonHub ne prétend pas résumer à lui seul la question de l’IA en Afrique. Il montre quelque chose de plus simple et, au fond, de plus utile : un acteur local peut produire de la valeur sans construire un modèle de fondation, sans attendre un environnement parfait, et sans transformer la technologie en symbole.

La leçon n’est pas que l’infrastructure serait secondaire. Elle ne l’est pas. La leçon est que l’action devient possible dès lors qu’un problème est clairement identifié, qu’une donnée exploitable existe, et qu’une équipe sait articuler technologie, usage et responsabilité.

C’est précisément à cette échelle que beaucoup de projets peuvent commencer.

Le cadre de classification des systèmes d’IA de l’OCDE aide d’ailleurs à lire ce type de cas avec plus de précision : quelles sont les données d’entrée ? Quel modèle ou quel mécanisme est mobilisé ? Quelle tâche est accomplie ? Quelle sortie est produite ? Qui est affecté ? Quel est le contexte d’usage ?

Dans le cas de GabonHub, cette grille de lecture permet de sortir du discours général sur l’IA pour revenir à l’essentiel : une information publique, un besoin citoyen, une structuration des données, une interface de consultation, et une transparence sur les limites.

Conclusion — Ce que GabonHub nous apprend sur l’IA utile

Les trois articles de cette série convergent vers une même idée. L’IA devient plus intelligible lorsqu’on cesse d’en parler comme d’un bloc indistinct. Il faut distinguer les systèmes, les usages, les modèles, les capacités qui les soutiennent, et surtout les problèmes qu’ils sont censés aider à résoudre.

GabonHub illustre cette approche à une échelle volontairement concrète. Le projet ne résout pas à lui seul la question de l’électricité. Il ne remplace pas l’opérateur. Il ne transforme pas une prévision en certitude. Mais il montre qu’une information publique peut être rendue plus lisible, plus accessible et plus utile grâce à une articulation intelligente entre donnée, interface et IA.

À cette condition, le débat perd un peu de son bruit. Et il gagne en utilité.

Message final

L’IA utile ne commence pas par la fascination technologique. Elle commence par un problème réel, une donnée exploitable, une expérience utilisateur claire et une responsabilité assumée.

Revenir au cadre stratégique

Article 2 — IA en Afrique : partir des usages sans perdre de vue l’infrastructure

Le cas GabonHub se comprend mieux si l’on garde en tête la distinction précédente : valeur d’usage immédiate d’un côté, capacités structurelles de l’autre.

Ouvrir

Relire le socle

Article 1 — L’intelligence artificielle, c’est quoi exactement ?

Ce cas concret invite à revenir aux définitions de départ avec davantage de précision : que désigne exactement un système d’IA, et qu’est-ce qui relève plutôt des données, du modèle ou de l’interface ?

Ouvrir

Parcours de la série

Les trois articles ont été pensés comme une progression éditoriale : clarifier les mots, situer les enjeux stratégiques, puis observer un cas d’usage concret au Gabon.

Article 1Clarifier L’intelligence artificielle, c’est quoi exactement ? Article 2Situer IA en Afrique : partir des usages sans perdre de vue l’infrastructure Article 3Appliquer GabonHub : ce qu’un problème concret nous apprend sur l’IA

Questions rapides pour retenir l’essentiel

Pourquoi GabonHub est-il un bon cas d’usage IA ?

Parce qu’il part d’un besoin citoyen clair : rendre un programme prévisionnel de délestage plus lisible, plus consultable et plus utile sur mobile.

L’IA prédit-elle réellement les coupures ?

Non. Le service s’appuie sur un programme prévisionnel et reformule l’information disponible. Les horaires réels peuvent varier selon les décisions de la SEEG.

Quelle est la vraie valeur du projet ?

La valeur vient de la transformation d’une information difficile à exploiter en service simple : recherche par quartier, affichage clair, carte, favoris et interaction conversationnelle.

Quelle leçon pour d’autres projets africains ?

Commencer par un problème concret, structurer les données disponibles, concevoir une expérience utilisateur simple, puis mobiliser l’IA seulement là où elle apporte une valeur réelle.

Sources principales