Fin août 2026, lors de la 76e session de son Comité régional pour l’Afrique tenue à Addis-Abeba, le Bureau régional de l’Organisation mondiale de la santé (OMS) a lancé le Centre régional africain des données de santé, plus connu sous son acronyme anglais RDHUB. Une annonce technique, presque discrète, mais qui pointe vers un problème beaucoup plus fondamental que le simple manque d’outils d’intelligence artificielle en santé sur le continent : le vrai obstacle, ce sont des données de santé éparpillées, incomplètes et souvent inutilisables telles quelles.
Le problème que personne ne voit : des données éparpillées
L’OMS illustre le problème avec un exemple parlant : réduire la mortalité maternelle suppose de croiser des informations sur les soins prénatals, l’accompagnement de l’accouchement par du personnel qualifié, la disponibilité des services d’urgence obstétricale, le nombre de soignants disponibles et l’approvisionnement en médicaments. Cinq types de données essentielles mais qui, dans la plupart des pays de la région, sont stockées dans cinq systèmes informatiques différents, rarement connectés entre eux.
Une intelligence artificielle, aussi sophistiquée soit-elle, ne peut analyser que ce qu’on lui donne à voir. Si les informations sur les naissances sont dans un logiciel, les stocks de médicaments dans un tableur Excel isolé, et les effectifs de personnel médical sur papier dans une armoire, aucun algorithme au monde ne peut croiser ces informations pour repérer, par exemple, qu’une région manque à la fois de sages-femmes et de médicaments essentiels au même moment. C’est un peu comme demander à quelqu’un de résoudre un puzzle en ne lui donnant que la moitié des pièces, éparpillées dans plusieurs pièces de la maison : même la personne la plus intelligente du monde n’y arrivera pas sans avoir d’abord rassemblé toutes les pièces au même endroit.
Le RDHUB : rassembler avant d’analyser
C’est précisément ce que vise le RDHUB : connecter les données issues de différents programmes et systèmes d’information sanitaire à travers toute la région africaine de l’OMS, pour transformer des informations fragmentées en ce que l’organisation appelle de « l’intelligence sanitaire exploitable ».
- Identifier les populations mal desservies par les services de santé, en croisant plusieurs sources de données à la fois.
- Orienter les ressources (personnel, médicaments, équipements) vers les zones qui en ont le plus besoin.
- Intégrer des fonctionnalités d’analyse avancée et d’intelligence artificielle pour la prévision des tendances épidémiologiques.
- Permettre aux décideurs de comparer les progrès entre pays et de repérer les priorités sanitaires émergentes.
L’OMS présente le RDHUB comme fondé sur le principe qu’aucun pays de la région ne devrait avoir à prendre des décisions sanitaires critiques sans disposer des informations nécessaires. Le centre venant tout juste d’être lancé fin août 2026, aucun résultat concret ni aucune évaluation d’impact n’est encore disponible à ce jour. Il s’agit pour l’instant d’une infrastructure et d’une intention, dont l’efficacité réelle ne pourra être mesurée que dans les mois et années à venir.
Ce que l’IA sait déjà faire, quand les données suivent
Le RDHUB n’est pas un projet isolé : il s’inscrit dans une dynamique plus large où l’intelligence artificielle commence à produire des résultats concrets sur le terrain, dès lors que les données nécessaires sont disponibles et fiables.
- Au Ghana, la start-up Chestify AI, fondée en 2020, utilise des algorithmes d’intelligence artificielle pour aider les cliniciens à interpréter des radiographies pulmonaires et d’autres examens d’imagerie dans des centres de santé qui manquent parfois de radiologues formés.
- Au Kenya rural et dans le nord du Nigeria, des applications transforment déjà de simples smartphones en outils d’aide au diagnostic, permettant d’identifier plus rapidement des maladies comme le paludisme, la typhoïde ou la dengue.
- L’OMS elle-même utilise des algorithmes d’apprentissage automatique analysant des séries de données chronologiques pour tenter de prédire les épidémies de choléra avant qu’elles ne se propagent.
Le point commun de ces trois exemples ? Chacun repose sur l’existence préalable de données suffisamment structurées et disponibles pour être exploitées. Sans cette base, même l’algorithme le plus avancé du monde resterait inutile.
Le nerf de la guerre : le financement et la gouvernance
Ces ambitions se heurtent à une réalité budgétaire difficile. Selon le Bureau régional de l’OMS pour l’Afrique, les programmes de base de la région font face à un déficit de financement résiduel d’environ 662 millions de dollars pour l’exercice 2026-2027, dans un contexte où le déficit de financement des programmes de l’OMS atteint environ 1,1 milliard de dollars à l’échelle mondiale.
| Enjeu | Ce qu’il implique concrètement |
| Gouvernance des données | Détermine la fiabilité de tout usage ultérieur de l’IA en santé ou dans l’administration publique |
| Souveraineté numérique | Dépend des choix d’hébergement cloud et de centres de données, souvent situés hors du continent |
| Cybersécurité | Devient un préalable incontournable face aux risques de fraude, de deepfakes et de rançongiciels visant des données médicales sensibles |
| Cadre réglementaire | Doit trouver un équilibre entre encouragement à l’innovation et protection des droits des patients |
En mai 2026, à l’ouverture du salon GITEX Future Health Africa à Casablanca, le directeur général de l’OMS, Tedros Adhanom Ghebreyesus, avait déjà réaffirmé l’engagement de l’organisation à accompagner cette transformation numérique des systèmes de santé africains, en insistant sur le rôle des soins de santé primaires comme socle de systèmes sanitaires résilients, un rappel utile que la technologie ne remplace pas les fondations d’un système de santé, elle les renforce, à condition qu’elles existent déjà.
Et vous, qu’en pensez-vous ?
- Avez-vous déjà utilisé une application de santé numérique dans votre pays ? Quelle a été votre expérience ?
- Pensez-vous que le manque de données fiables est le principal frein à l’IA en santé en Afrique, ou identifiez-vous d’autres obstacles plus importants ?
- La question de la souveraineté numérique (où sont hébergées les données de santé) vous semble-t-elle suffisamment prise au sérieux par les autorités sanitaires ?
