Pendant vingt ans, le contrat économique du Web était relativement lisible : un moteur indexait une page, l’internaute cliquait, le média récupérait une audience qu’il pouvait convertir en publicité, en abonnement ou en notoriété. L’intelligence artificielle est en train de modifier cette architecture. Désormais, le moteur ne se contente plus toujours d’orienter vers l’information : il peut la lire, la synthétiser et présenter directement la réponse.
Par Joël Parfait Kuate, ingénieur et expert en intelligence artificielle
Pour un ingénieur, le changement est fondamental. Nous passons progressivement d’un Web de liens à un Web de réponses. Et dans un Web de réponses, celui qui produit l’information peut devenir invisible alors même que son contenu reste indispensable à la fabrication de la réponse.
Les chiffres donnent la mesure du basculement. Le Pew Research Center a analysé 68 879 recherches Google réalisées dans le cadre d’un panel de 900 adultes américains. Lorsqu’un résumé généré par IA apparaissait, les utilisateurs cliquaient sur un résultat classique dans seulement 8 % des visites, contre 15 % lorsqu’aucun résumé IA n’était affiché. Plus frappant encore : un lien directement cité dans le résumé IA n’était ouvert que dans environ 1 % des visites.
Le Reuters Institute observe le même déplacement à l’échelle de l’industrie. Sur plus de 2 500 sites suivis par Chartbeat, le trafic provenant de la recherche Google a baissé de 33 % entre novembre 2024 et novembre 2025. Les dirigeants de médias interrogés pour son rapport 2026 anticipent en moyenne une diminution de 43 % du trafic provenant des moteurs de recherche au cours des trois prochaines années.
Il faut être précis : cette baisse ne peut pas être attribuée intégralement à l’intelligence artificielle. Les usages changent, les réseaux sociaux ont eux-mêmes réduit leur contribution et les requêtes d’actualité ne déclenchent pas toutes des réponses génératives. Mais la corrélation est suffisamment forte pour imposer un changement de stratégie aux éditeurs.
Pour l’Afrique, le problème est encore plus structurel
Selon l’Union internationale des télécommunications, 35,7 % de la population africaine utilisait Internet en 2025, contre 73,6 % dans le monde et 92,2 % en Europe. Cela ne signifie pas mécaniquement que chaque média africain dépend davantage de Google. En revanche, cela signifie qu’une grande partie des rédactions construit déjà son économie numérique sur une audience adressable plus réduite. Chaque perte de trafic entrant y est donc potentiellement plus difficile à absorber, surtout lorsque l’abonnement numérique reste limité et que la publicité dépend du volume de pages vues.
Mais le débat économique ne suffit pas. Il existe un deuxième enjeu, beaucoup plus stratégique : la valeur des corpus africains eux-mêmes.
Les grands modèles de langage fonctionnent d’autant mieux qu’ils disposent de données nombreuses, propres, contextualisées et diversifiées. Or les langues et connaissances africaines restent fortement sous-représentées. AfroBench, publié dans les travaux de l’ACL en 2025, évalue les LLM sur 64 langues africaines, 15 tâches et 22 jeux de données. Les auteurs constatent encore des écarts importants de performance avec les langues à fortes ressources comme l’anglais et relient notamment ces écarts à la disponibilité des ressources monolingues.
Cela change la manière dont nous devons regarder les archives d’un média africain. Dix années d’articles sur la politique sénégalaise, l’économie camerounaise, les entreprises ivoiriennes, la culture congolaise ou les réalités sociales du Maghreb ne constituent pas seulement une archive éditoriale. C’est aussi un corpus structuré de connaissances locales, avec des noms, des événements, des formulations, des contextes et parfois des langues que les grands ensembles de données mondiaux représentent mal.
Le paradoxe est donc préoccupant : au moment où les contenus africains deviennent techniquement plus précieux pour améliorer les systèmes d’IA, les institutions qui les produisent risquent de perdre une partie des revenus permettant de continuer à les produire.
La réponse ne peut pas se limiter à bloquer les robots
Il faut d’abord distinguer quatre usages que le débat public mélange souvent : l’indexation par un moteur de recherche ; l’utilisation d’un contenu pour entraîner un modèle ; la récupération d’un contenu en temps réel pour alimenter un système RAG ; et la génération d’une réponse qui reproduit ou synthétise l’information. Techniquement et économiquement, ce ne sont pas les mêmes opérations. Elles ne devraient donc pas relever automatiquement de la même licence.
Un média devrait pouvoir dire : vous pouvez indexer mes titres gratuitement ; vous pouvez utiliser mes articles dans un moteur de réponse sous certaines conditions d’attribution ; vous ne pouvez pas entraîner un modèle sur mes archives sans licence ; et vous pouvez interroger ma base documentaire par API ou RAG moyennant rémunération.
Mais il faut aller au-delà du principe. Concrètement, je vois six chantiers que les éditeurs africains pourraient engager.
PREMIER CHANTIER : créer un registre des droits sur les corpus.
Avant de négocier avec une plateforme, un média doit savoir exactement ce qu’il possède et ce qu’il peut licencier. Chaque article, photographie, vidéo ou transcription devrait être associé à des métadonnées simples : auteur, date, langue, détenteur des droits, durée des droits, territoire, restrictions éventuelles, autorisation ou non pour l’entraînement, l’indexation et l’inférence. Cette base n’a pas besoin d’être complexe au départ : une base de données éditoriale correctement structurée peut suffire. L’enjeu est de transformer une archive éditoriale en actif documenté.
Les standards du secteur existent déjà. NewsML-G2 de l’IPTC prévoit des informations de droits via « rightsInfo », et RightsML permet d’exprimer des permissions et contraintes d’usage de manière exploitable par les systèmes informatiques. Autrement dit, la gouvernance du droit peut elle aussi devenir machine-readable.
DEUXIÈME CHANTIER : publier des règles d’usage lisibles par les machines.
Le fichier robots.txt reste utile, mais son fonctionnement historique est essentiellement binaire : autoriser ou interdire l’exploration. Le standard RSL 1.0, publié fin 2025, va plus loin en permettant d’associer à un contenu des conditions de licence lisibles par machine : attribution, abonnement, paiement par crawl ou paiement par inférence. Un éditeur peut ainsi commencer à exprimer techniquement une différence entre « vous pouvez indexer » et « vous pouvez exploiter ce contenu pour entraîner ou alimenter un système d’IA à condition d’obtenir une licence ».
RSL n’est évidemment pas une loi et sa valeur dépend de son adoption et de l’exécution contractuelle. Mais son existence montre que l’architecture technique nécessaire à un Web où l’accès des machines est négocié commence à se construire.
TROISIÈME CHANTIER : ne plus exposer nécessairement l’intégralité de la valeur dans une page publique.
Un éditeur peut conserver un Web ouvert pour les lecteurs et les moteurs tout en créant un accès machine différent. Les titres, résumés et contenus nécessaires au référencement peuvent rester publics. Les archives complètes, dossiers premium, données structurées ou contenus à forte valeur peuvent être accessibles via une API authentifiée.
C’est ici que le RAG, ou Retrieval-Augmented Generation, devient intéressant. Il permet à un modèle de consulter une base documentaire contrôlée au moment où il répond, au lieu de dépendre uniquement de ce qu’il a mémorisé pendant son entraînement. Dans Jurisis, un projet d’IA juridique que je développe en Belgique, l’architecture vise précisément à contextualiser les réponses à partir de sources sélectionnées et fiables. Le même principe peut être appliqué aux médias : conserver la maîtrise du corpus, tracer les requêtes, limiter le nombre d’appels, identifier la source retournée et exposer uniquement les passages nécessaires à une réponse.
Un média ne vendrait alors plus seulement un article. Il pourrait vendre un accès documenté à sa connaissance.
QUATRIÈME CHANTIER : tarifer selon l’usage, et non selon un tarif unique.
L’indexation destinée à renvoyer du trafic peut rester gratuite. L’utilisation d’un article dans une réponse générée peut nécessiter attribution et reporting. Une requête RAG peut être facturée à l’appel. Un entraînement ou un fine-tuning sur plusieurs années d’archives peut relever d’une licence de corpus. Un accès temps réel à des contenus économiques ou politiques à forte fraîcheur peut avoir un autre prix.
Cette logique n’est déjà plus théorique. En 2026, Cloudflare expérimente en bêta fermée un mécanisme « Pay Per Crawl » permettant à un propriétaire de site de choisir, pour certains crawlers IA, entre autoriser, bloquer ou facturer l’accès. Sa documentation prévoit même une tarification dynamique selon les contenus. Le système particulier de Cloudflare n’est pas un modèle universel, mais il prouve qu’un accès machine payable au niveau de la requête HTTP est techniquement réalisable aujourd’hui.
CINQUIÈME CHANTIER : mesurer les machines comme on mesure aujourd’hui les lecteurs.
Les rédactions analysent leurs pages vues, leurs visiteurs uniques ou leur taux de conversion, mais combien disposent d’un tableau de bord séparant Googlebot, crawlers d’IA, scrapers inconnus et agents automatisés ? Avant toute négociation, il faut mesurer : volume de requêtes automatisées, chemins les plus consultés, fréquence de recrawl, pays d’origine, user-agents, taux de réponses 200, contenus les plus aspirés et coût serveur associé.
Un média qui ne sait pas combien de fois ses archives sont interrogées ne peut pas correctement en négocier la valeur. L’analytics de demain devra donc mesurer une audience humaine et une audience machine.
SIXIÈME CHANTIER : négocier collectivement.
Un média isolé à Cotonou, Dakar, Abidjan ou Yaoundé pèsera peu face à Alphabet, Microsoft, Meta ou OpenAI. Une coalition de médias capable de proposer un catalogue commun de corpus, une nomenclature de droits identique, un contrat-type et une passerelle API commune change le rapport de force.
On pourrait imaginer un « African News Data Consortium » réunissant d’abord une dizaine ou une vingtaine d’éditeurs volontaires. Chaque média conserverait la propriété de ses contenus, mais le consortium négocierait des conditions minimales : attribution obligatoire, interdiction d’entraînement sans autorisation, reporting des usages, rémunération selon le type d’accès, audit et faculté de révocation. À terme, la plateforme pourrait fournir un point d’accès RAG panafricain aux entreprises d’IA recherchant des sources africaines fiables.
Le précédent sud-africain montre qu’une négociation structurée n’est pas irréaliste. Après l’enquête de la Competition Commission, Google et YouTube ont accepté en 2025 un paquet de soutien de 688 millions de rands destiné aux médias sud-africains, comprenant notamment licences de contenus, innovation et renforcement des capacités. Au Nigeria, la Federal Competition and Consumer Protection Commission a annoncé le 6 juillet 2026 une enquête sur de grandes entreprises technologiques concernant notamment l’exploitation présumée de contenus journalistiques et les systèmes d’IA générative.
Ces démarches montrent qu’un rapport de force réglementaire est possible. Il faut construire en parallèle le rapport de force technique.
L’Europe fournit ici un précédent intéressant, sans constituer un modèle à copier mécaniquement. L’article 53 de l’AI Act impose aux fournisseurs de modèles d’IA à usage général concernés une politique de respect du droit d’auteur et la publication d’un résumé suffisamment détaillé des contenus utilisés pour l’entraînement. Depuis le 2 août 2026, l’AI Office peut engager l’application de l’obligation de publication de ce résumé pour les modèles concernés ; les modèles déjà mis sur le marché avant le 2 août 2025 bénéficient d’un calendrier spécifique jusqu’au 2 août 2027.
Cela ne crée pas, par magie, un droit voisin panafricain. Mais cela pose un principe : la provenance et les conditions d’utilisation des données ne peuvent plus durablement être traitées comme une boîte noire sans gouvernance.
C’est précisément le type de logique que j’intègre aujourd’hui dans ConformIA, un outil de pré-audit AI Act : avant de parler de conformité, il faut être capable de qualifier le système, ses données, ses usages et ses obligations. Les médias africains devraient adopter la même logique pour leurs contenus : identifier les corpus, documenter les droits, définir les usages autorisés et négocier leur valeur.
Ce chantier peut commencer sans attendre une grande réforme continentale. En 90 jours, un média peut déjà réaliser un premier inventaire de ses archives et de ses droits, identifier les crawlers qui accèdent le plus à son domaine, publier une première politique d’usage IA, isoler un corpus pilote et mettre en place un prototype d’API ou de RAG authentifié. La phase suivante consiste à tester avec quelques éditeurs partenaires un modèle commun de licence et de reporting.
Ce travail ne règle pas à lui seul la question de la souveraineté informationnelle, mais il fait passer les rédactions d’une posture défensive à une architecture de contrôle qu’elles peuvent faire évoluer.
La souveraineté informationnelle ne consiste pas à fermer le Web africain aux intelligences artificielles — ce serait économiquement contre-productif et techniquement difficile. Il s’agit plutôt de pouvoir fixer soi-même les conditions d’accès à sa propre mémoire numérique.
Dans une précédente tribune consacrée à la souveraineté numérique africaine, je défendais l’idée qu’elle se construit PME par PME, compétence par compétence. Pour les médias, la même logique s’applique à l’échelle des corpus, des licences et des interfaces techniques qui en régissent l’accès.
L’enjeu, pour l’Afrique, n’est pas d’empêcher ses contenus d’être lus par les machines, mais de décider lesquelles peuvent les lire, pour quel usage et à quel prix — avec l’attribution et la traçabilité nécessaires pour que cette lecture reste négociée plutôt que subie.
Posséder une archive ne suffit plus à l’ère des LLM. Encore faut-il détenir les règles, les interfaces et les données de mesure qui en conditionnent l’accès.
BIOGRAPHIE
Joël Parfait Kuate est ingénieur en architecture logicielle et Big Data, expert en intelligence artificielle, entrepreneur et auteur. Basé à Bruxelles, il développe des systèmes d’IA appliquée entre l’Europe et l’Afrique. Il est l’auteur de « L’Afrique et l’Intelligence Artificielle : Vers un Avenir Durable et Innovant » et intervient sur les enjeux de souveraineté numérique, la gouvernance des données et de conformité des systèmes d’IA.
SOURCES PRINCIPALES
Pew Research Center, 22 juillet 2025 – Google users are less likely to click on links when an AI summary appears in the results : https://www.pewresearch.org/short-reads/2025/07/22/google-users-are-less-likely-to-click-on-links-when-an-ai-summary-appears-in-the-results/
Reuters Institute for the Study of Journalism, 12 janvier 2026 – Journalism, media, and technology trends and predictions 2026 : https://reutersinstitute.politics.ox.ac.uk/journalism-media-and-technology-trends-and-predictions-2026
Union internationale des télécommunications – ITU DataHub, Individuals using the Internet, données 2025 : https://datahub.itu.int/data/?e=1&i=11624
ACL 2025 – AfroBench: How Good are Large Language Models on African Languages? : https://aclanthology.org/2025.findings-acl.976/
RSL 1.0 – Really Simple Licensing, spécification et mécanismes de licence machine-readable : https://rslstandard.org/rsl
IPTC – NewsML-G2 Guidelines, Rights Information / RightsML : https://www.iptc.org/std/NewsML-G2/guidelines/
Cloudflare AI Crawl Control – Pay Per Crawl, documentation 2026 : https://developers.cloudflare.com/ai-crawl-control/features/pay-per-crawl/what-is-pay-per-crawl/
Commission européenne – obligations des fournisseurs de modèles d’IA à usage général et résumé des contenus d’entraînement : https://digital-strategy.ec.europa.eu/en/faqs/template-general-purpose-ai-model-providers-summarise-their-training-content
Federal Competition and Consumer Protection Commission, Nigeria – enquête Big Tech annoncée le 6 juillet 2026 : https://fccpc.gov.ng/
Article AFRIK.com auquel cette contribution fait suite – « Presse africaine : l’IA siphonne les clics qui financent l’information » : https://www.afrik.com/presse-africaine-l-ia-siphonne-les-clics-qui-financent-l-information
Références sur mes travaux : https://www.financialafrik.com/2026/07/21/la-souverainete-numerique-africaine-ne-se-decrete-pas-elle-se-construit-pme-par-pme-competence-par-
