Du back-office à la relation client multilingue : panorama des déploiements concrets observés à Kinshasa, Lubumbashi et Goma sur un panel de 42 entreprises.
Par Dr. Moise Lukusa — Expert IA
Après deux années de pilotes prudents, 2026 marque l'industrialisation de l'IA générative dans l'économie congolaise. L'observatoire MRA a suivi 42 entreprises (banques, télécoms, FMCG, mines, ONG) entre janvier 2025 et mars 2026 : 64 % d'entre elles ont au moins un cas d'usage en production, contre 18 % un an plus tôt.
L'étude combine 42 entretiens semi-directifs avec des DSI/COO et une enquête quantitative auprès de 312 cadres. Les déploiements retenus comme « passés à l'échelle » concernent au moins 30 utilisateurs internes ou 1 000 interactions client / mois.
Premier poste de gain mesuré. Les modèles fine-tunés sur des corpus bilingues réduisent le temps moyen de traitement de 38 % dans deux centres de contact télécom. Limite observée : la qualité chute fortement sur le tshiluba, faute de données.
Notes de cadrage, due diligence, revues de contrats : gain moyen 4 h par dossier. Une banque kinoise traite désormais en interne ce qu'elle externalisait.
Transcription + structuration de comptes-rendus. Délai de restitution divisé par 3 sur les missions du Katanga.
Adopté par 71 % des entreprises de plus de 200 salariés du panel.
Génération d'accroches, déclinaison de visuels, traduction. Vigilance forte sur le ton et les références culturelles : 1 contenu sur 4 est rejeté à la relecture.
Émerge surtout dans les directions financières. Couplé à des modèles de données propres, le gain est réel ; sur des données sales, les hallucinations dégradent la confiance.
Productivité +22 % auto-déclarée chez les éditeurs locaux, mais surtout démocratisation de la maintenance des outils internes (scripts, intégrations).
Connectivité — la latence et le coût bande passante restent un sujet hors Kinshasa.
Qualité des données — 58 % des projets bloquent sur la préparation des données plutôt que sur le modèle.
Talents — pénurie de profils capables de cadrer un projet IA bout en bout (produit + data + métier).
« Les pilotes étaient une question de curiosité, l'industrialisation est une question d'organisation. » — DSI, banque tier-1, Kinshasa.
L'IA générative n'est plus un sujet d'exploration mais un chantier de transformation opérationnelle. Les entreprises qui structurent une gouvernance claire (cas d'usage prioritaires, propriété des données, mesure du ROI) prennent une avance qui sera difficile à rattraper en 2027.
