Gouvernance responsable de l’IA : innovation, éthique et souveraineté — contribution au FGI-CMR 2026

Contribution écrite au Panel 3 du Forum sur la Gouvernance de l’Internet au Cameroun (FGI-CMR 2026) — Palais des Congrès de Yaoundé, 18 – 20 août 2026.

FGI-CMR 2026, sous le Haut Patronage du Premier Ministre, Chef du Gouvernement
Thème central : « De la fragmentation à l’interopérabilité : faire de la donnée le socle des infrastructures publiques numériques au Cameroun »
Panel 3 : Gouvernance responsable de l’intelligence artificielle : innovation, éthique et souveraineté

M. Armand Gaetan NGUETI, expert panéliste — Fondateur & CEO, UBTS International Corp (États-Unis) · Délégué T20 — Sommet du G20 (Afrique du Sud, 2025) · Président Afrique, Government Blockchain Association · Coordinateur exécutif AfriDES pour l’Afrique centrale · Président du Conseil d’administration, PIPRA Cameroun S.A.

1. Résumé exécutif

Le Cameroun n’a pas d’abord un problème d’intelligence artificielle : il a un problème de donnée de confiance. Aucun système d’IA souverain ne se bâtit sur des données fragmentées, non tracées et non auditables. La gouvernance responsable de l’IA commence donc en amont de l’algorithme — à la source de la donnée, dans sa provenance, sa qualité et son auditabilité.

Cette contribution défend six idées-force, articulées aux axes thématiques du Panel 3 et aux résultats attendus des travaux :

• La donnée de confiance précède le modèle. La traçabilité doit être conçue dès l’origine (traceability by design), et non reconstituée après coup. C’est la condition première de la qualité des données d’entraînement et de la lutte contre les biais.
• L’IA endogène constitue une doctrine de souveraineté opérationnelle, reposant sur trois piliers : la souveraineté des données, l’IA vernaculaire — c’est-à-dire l’intégration des langues nationales — et la résilience stratégique des infrastructures.
• L’auditabilité s’organise par un référentiel de maturité, instrument déjà éprouvé dans la gouvernance des technologies de registre distribué, et transposable à l’évaluation des systèmes d’IA employés par les administrations.
• La conformité est un actif stratégique, non une contrainte. L’entrée en application pleine et entière de la loi relative à la protection des données à caractère personnel, le 23 juin 2026, offre au Cameroun un socle juridique immédiatement mobilisable pour encadrer l’IA — à condition d’articuler explicitement les deux chantiers.
• La priorité doit aller à l’IA appliquée et à l’IA agentique, arrimées aux sanctuaires industriels et aux piliers structurants du Plan directeur d’industrialisation, plutôt qu’à l’IA générative. L’hyperfocalisation actuelle sur cette dernière détourne l’attention des usages productifs et transforme une politique d’import-substitution en politique d’importation de services numériques.
• La coopération internationale doit être organisée selon des termes non extractifs. Ce qui circule à l’échelle globale doit être la norme, le standard et l’ingénierie ; ce qui demeure national, la donnée, sa gouvernance et la valeur qu’elle produit. L’équité du partage avec les parties prenantes locales n’est pas un supplément éthique : elle conditionne la fiabilité technique des données collectées.

Ces idées débouchent sur dix-sept recommandations opérationnelles, présentées en section 10, adressées nommément aux parties prenantes concernées.

2. Qualité de l’intervenant et fondement de la contribution

La présente contribution est formulée à partir d’une triple expérience — de terrain, de gouvernance mondiale et pédagogique — dont il importe de préciser la nature, car elle détermine la portée et les limites des positions avancées.

Sur le plan opérationnel, l’auteur est le fondateur et directeur général d’UBTS International Corp, Delaware C Corporation établie aux États-Unis qui bâtit des infrastructures numériques et des données de confiance pour l’Afrique, et qui a conçu le programme panafricain UBTS Africa Agritech Digital Passport (UAA-DP) et sa déclinaison nationale, le Cameroon Agritech Digital Passport (CA-DP), dont le lancement au Cameroun suivra le lancement ivoirien, dans le champ de l’agriculture intelligente et de ses chaînes de valeur. Il est par ailleurs l’inventeur de CAMTRADE PASS, initiative socio-technologique opérée par PIPRA Cameroun S.A., dont il préside le Conseil d’administration : une solution de traçabilité combinant chaîne de blocs, intelligence artificielle et internet des objets, mise au service du label « Made in Cameroon », de la lutte anti-contrefaçon et de la conformité aux standards GS1. Le pilote a été conduit avec un industriel camerounais, avec l’intégration de cinquante-six références de produits et un dispositif d’étiquetage « un produit, un QR code » permettant le suivi en temps réel, la vérification d’authenticité et l’engagement du consommateur final.

Sur le plan de la gouvernance internationale, l’auteur préside depuis décembre 2024 le Groupe de travail mondial sur la chaîne d’approvisionnement alimentaire de la Government Blockchain Association — premier Africain nommé à cette fonction — où il pilote les travaux relatifs au supplément « chaîne alimentaire » du Blockchain Maturity Model, en collaboration avec la coalition dynamique consacrée à l’assurance et à la normalisation (DC-BAS) du Forum sur la Gouvernance de l’Internet des Nations Unies. Il est à ce jour le premier et unique consultant certifié BMM originaire du continent africain. Délégué T20 au Sommet du G20 tenu en Afrique du Sud en 2025, il a contribué à l’expertise en politiques publiques du groupe d’engagement Think20 ; il assure par ailleurs la coordination exécutive du Sommet africain de l’économie numérique pour l’Afrique centrale.

Sur le plan pédagogique, enfin, formateur certifié Microsoft depuis l’âge de vingt-quatre ans et président de l’association internationale des formateurs certifiés Microsoft pour l’Afrique, l’auteur a récemment conçu et dispensé, à la BGFI Business School de Libreville, le premier enseignement de niveau Master 2 consacré aux actifs numériques et aux monnaies numériques de banque centrale jamais délivré en Afrique centrale. Cette expérience éclaire directement l’axe « recherche, innovation et compétences » du présent panel.

Cette section n’a pas pour objet de valoriser un parcours, mais d’établir la base probante des affirmations qui suivent : chaque recommandation formulée ci-après procède soit d’un déploiement observé, soit d’un mandat de gouvernance exercé.

3. Le constat : la fragmentation de la donnée précède l’enjeu algorithmique

Le thème central retenu par le Forum — passer de la fragmentation à l’interopérabilité et faire de la donnée le socle des infrastructures publiques numériques — désigne avec justesse le point de départ. Il convient d’en tirer toutes les conséquences pour l’intelligence artificielle.

3.1. Une chaîne de valeur inversée

Le débat public sur l’IA se concentre spontanément sur les modèles, les algorithmes et leurs performances. Or, dans le contexte camerounais comme dans la plupart des économies africaines, le facteur limitant ne se situe pas au niveau du modèle : il se situe en amont, dans la disponibilité de données structurées, licites, représentatives et vérifiables. Un système d’IA entraîné sur des données dont la provenance ne peut être établie produit des résultats dont la fiabilité ne peut, elle non plus, être établie. La question de la qualité des données n’est donc pas un préalable technique : elle est la question de gouvernance elle-même.

3.2. Trois manifestations concrètes de la fragmentation

• La fragmentation institutionnelle : les données publiques demeurent réparties entre administrations sans référentiel commun d’identification, de format ni de qualité, ce qui interdit tout entraînement de modèles à l’échelle nationale et reconduit les silos au niveau algorithmique.
• La fragmentation documentaire : dans les chaînes de valeur économiques, notamment agroalimentaires, l’information sur l’origine, la composition et le parcours d’un produit reste consignée sur des supports hétérogènes, souvent papier, non horodatés et non opposables — donc inexploitables par un système automatisé.
• La fragmentation linguistique : les données textuelles disponibles reflètent très majoritairement le français et l’anglais, alors qu’une part substantielle des interactions économiques et sociales se déroule en langues nationales. Tout modèle entraîné sur ce corpus incomplet reproduit mécaniquement une exclusion.

3.3. Le risque central : une souveraineté proclamée sans substrat

Il en résulte un risque qu’il faut nommer sans détour : celui d’une souveraineté numérique affirmée dans les textes mais dépourvue de substrat matériel. Une administration peut héberger ses traitements sur le territoire national et rester dépendante de modèles entraînés ailleurs, sur des données étrangères, porteuses de représentations qui ne sont pas les siennes. La localisation des serveurs est une condition nécessaire ; elle n’est jamais une condition suffisante. La souveraineté se joue dans la maîtrise du corpus autant que dans celle de l’infrastructure.

4. Deux cas d’usage nationaux : CAMTRADE PASS et le Cameroon Agritech Digital Passport

Le segment « cas d’usage » du panel appelle des démonstrations concrètes et nationales. Deux sont présentées ici, complémentaires dans leur positionnement sur la chaîne de valeur : la première porte sur l’aval industriel et commercial, la seconde sur l’amont agricole. Leur intérêt pour la présente réflexion ne tient pas à la technologie mobilisée mais à la méthode qu’elles valident.

4.1. CAMTRADE PASS : ce que le dispositif établit

Le principe est simple : chaque produit reçoit une identité numérique unique, matérialisée par un code lisible par le consommateur, et adossée à un enregistrement infalsifiable de son parcours. Chaîne de blocs pour l’intégrité et l’horodatage, internet des objets pour la captation à la source, intelligence artificielle pour l’analyse des flux et la détection d’anomalies : la combinaison produit une donnée qui n’est pas seulement collectée, mais qualifiée — c’est-à-dire dont l’origine, la date et l’intégrité sont vérifiables par un tiers.

4.2. Les trois enseignements transposables à l’action publique

• La traçabilité doit être native. Il est infiniment moins coûteux d’inscrire la provenance au moment de la création de la donnée que de la reconstituer ultérieurement. Ce principe s’applique identiquement aux données produites par les administrations : registres d’état civil, données foncières, données sanitaires, données douanières.
• La normalisation est le véhicule de l’interopérabilité. L’adossement du dispositif aux standards GS1 n’est pas un détail technique : c’est ce qui rend la donnée camerounaise lisible par les systèmes d’information de ses partenaires commerciaux. Une donnée souveraine mais illisible à l’extérieur n’a aucune valeur d’échange.
• La confiance se construit par la vérifiabilité, non par la déclaration. Le consommateur, l’importateur ou le régulateur qui peut vérifier lui-même n’a pas besoin de croire. Ce déplacement — de la confiance déclarative à la confiance vérifiable — constitue le cœur de ce que devrait être une gouvernance responsable des systèmes automatisés.

4.3. Le Cameroon Agritech Digital Passport : porter la donnée de confiance jusqu’à la source agricole

Le programme panafricain UBTS Africa Agritech Digital Passport, conçu par UBTS International Corp, procède du même principe mais l’applique là où il est le plus difficile à établir et le plus utile : à l’amont agricole. Sa déclinaison nationale, le Cameroon Agritech Digital Passport, sera lancée au Cameroun après le lancement ivoirien, dans le champ de l’agriculture intelligente et de ses chaînes de valeur. Le principe consiste à doter les productions agricoles d’une identité numérique attachée dès l’exploitation, portant l’origine, l’itinéraire technique et le parcours du produit jusqu’au transformateur ou à l’exportateur.

Trois raisons rendent ce positionnement stratégiquement déterminant pour les travaux du présent panel.

• Il attaque la fragmentation là où elle est maximale. Comme relevé en section 3.2, l’information sur l’origine et les pratiques agricoles demeure très majoritairement consignée sur des supports hétérogènes, non horodatés et non opposables. Aucune politique de données agricoles n’est possible tant que cette information n’est pas structurée à la source.
• Il constitue le substrat sans lequel l’IA appliquée à l’agriculture reste théorique. Prévision des rendements, détection précoce des maladies des cultures, anticipation de la demande, optimisation des approvisionnements industriels : aucun de ces usages, évoqués en section 5.2, n’est réalisable sans une base de données structurée, datée et fiable sur les productions nationales. Le passeport numérique n’est pas un projet d’intelligence artificielle : il en est la condition de possibilité.
• Il se situe exactement au point où se mesure l’import-substitution agropastorale, dont l’accélération figure parmi les recommandations de l’évaluation à mi-parcours de la Stratégie nationale de développement. Une filière dont les volumes, les qualités et les calendriers sont documentés devient une filière dans laquelle un industriel peut s’approvisionner localement avec la prévisibilité qu’il obtenait jusqu’alors de l’importation.

L’architecture du programme mérite enfin d’être relevée pour elle-même : un cadre panafricain assurant la cohérence des normes et l’interopérabilité à l’échelle continentale, décliné en sous-programmes nationaux conservant la maîtrise de leurs données et l’adaptation à leurs filières. C’est la traduction opérationnelle exacte du thème central retenu par le présent Forum : sortir de la fragmentation sans céder sur la souveraineté, l’interopérabilité se construisant par la norme partagée et non par la centralisation des données.

4.4. Transposition aux secteurs prioritaires

La même architecture est transposable, sans rupture conceptuelle, à plusieurs des secteurs identifiés comme prioritaires : la traçabilité de la chaîne du médicament et la lutte contre les contrefaçons pharmaceutiques ; la certification des parcours et diplômes dans le système éducatif ; la traçabilité des intrants et des productions agricoles, prolongeant la logique du passeport numérique agritech ; la sécurisation des marchés publics et de la commande publique par l’horodatage infalsifiable des pièces. Dans chacun de ces cas, l’IA n’intervient pas en premier : elle intervient une fois la donnée fiabilisée.

5. Priorité à l’IA appliquée et à l’IA agentique : arrimer l’intelligence artificielle à la transformation structurelle

Le présent panel doit se prononcer sur les secteurs prioritaires d’utilisation de l’intelligence artificielle. Cette contribution soutient que la question de la priorisation ne se pose pas d’abord en termes de secteurs, mais en termes de familles technologiques : quelle intelligence artificielle finance-t-on, et pour produire quoi ?

5.1. Une hyperfocalisation qui déplace le débat

Depuis 2023, le débat public sur l’intelligence artificielle — au Cameroun comme ailleurs — s’est très largement replié sur une seule de ses branches : l’IA générative. Assistants conversationnels, production de textes et d’images, hypertrucages : ces objets occupent l’essentiel de l’attention médiatique, institutionnelle et budgétaire. Cette focalisation n’est pas illégitime en soi — la vigilance à l’égard des hypertrucages et de la désinformation est pleinement justifiée, et l’IA générative recèle un potentiel réel en matière de traitement des langues nationales. Elle produit néanmoins trois effets qu’il faut nommer.

• Elle installe l’idée que l’intelligence artificielle serait une technologie de communication et de contenu, alors qu’elle est d’abord, dans les économies qui en tirent une valeur mesurable, une technologie de production.
• Elle oriente la dépense vers la consommation de services conçus et hébergés à l’étranger. Un pays qui mesurerait le succès de sa politique d’IA au taux d’adoption d’assistants conversationnels étrangers aurait, en réalité, creusé son déficit de services numériques. Il y a là un paradoxe qu’il convient d’énoncer clairement dans une économie qui a fait de l’import-substitution le levier central de sa stratégie de développement : financer l’importation d’intelligence artificielle au nom de la modernisation revient à substituer une dépendance à une autre.
• Elle laisse hors du champ de la politique publique les usages qui produisent de la valeur ajoutée locale, réduisent des lignes d’importation identifiées et s’appuient sur des données que le pays maîtrise.

5.2. Ce que recouvre l’IA appliquée

L’IA appliquée désigne des systèmes entraînés sur les données propres d’un processus de production, pour résoudre un problème délimité dont la valeur est mesurable. Elle est moins spectaculaire que l’IA générative et considérablement plus rentable. Ses usages sont documentés et transposables : contrôle qualité par vision artificielle en sortie de chaîne ; maintenance prédictive des équipements industriels et des infrastructures énergétiques ; prévision de la demande et optimisation des stocks ; détection de contrefaçons et d’anomalies dans les flux commerciaux ; prévision des rendements agricoles et détection précoce des maladies des cultures ; optimisation de la charge des réseaux électriques ; ciblage des contrôles douaniers et fiscaux par analyse de risque.

Ces usages présentent une caractéristique commune décisive : ils s’entraînent sur des données produites au Cameroun, sur des processus camerounais, et leur résultat est directement convertible en points de compétitivité ou en réduction d’importations. Ils constituent, en d’autres termes, l’exacte traduction technologique du premier pilier de la Stratégie nationale de développement 2020-2030.

5.3. L’IA agentique : le levier des organisations à effectifs contraints

L’IA agentique désigne des systèmes qui ne se limitent pas à produire un contenu, mais exécutent des enchaînements de tâches sous supervision : ils planifient une séquence, agissent au moyen d’outils logiciels, vérifient le résultat et rendent compte. Pour des administrations et des petites et moyennes entreprises structurellement contraintes en effectifs qualifiés, c’est probablement le gisement de productivité le plus important de la décennie : instruction préalable des dossiers de dédouanement, vérification de complétude des demandes d’autorisation, contrôle de conformité documentaire, veille sur les fournisseurs et les marchés, réconciliation de données entre systèmes d’information non interopérables.

Cette famille appelle toutefois une exigence de gouvernance supérieure, et non moindre — c’est le point sur lequel la présente contribution entend être rigoureuse. Le risque associé à l’IA générative est celui d’un contenu erroné ; celui de l’IA agentique est d’un acte erroné. Un système qui agit engage la responsabilité de l’administration qui l’emploie. Trois garde-fous doivent donc être posés simultanément à son déploiement : la journalisation intégrale et horodatée des actions entreprises, la réversibilité technique de ces actions, et la validation humaine obligatoire pour tout acte irréversible ou opposable à un tiers. Promouvoir l’IA agentique sans ces trois conditions serait imprudent ; les poser permet en revanche de la déployer sans attendre.

5.4. L’arrimage au Plan directeur d’industrialisation

L’articulation avec la doctrine industrielle nationale existe déjà, et n’a pas besoin d’être inventée. Le Plan directeur d’industrialisation structure la reconstruction de l’industrie camerounaise autour de trois sanctuaires industriels nationaux — le numérique, l’agro-industrie et l’énergie —, de cinq piliers industriels structurants — textile-confection-cuir, mines-métallurgie-sidérurgie, forêt-bois, hydrocarbures-pétrochimie-raffinage, chimie-pharmacie —, de deux socles de l’émergence que sont les infrastructures et le financement, et enfin d’un volet transversal consacré à la veille stratégique et à l’intelligence économique.

Ce dernier volet mérite une attention particulière : la veille stratégique et l’intelligence économique sont, dans leur définition même, des fonctions d’intelligence artificielle appliquée. Le Plan directeur d’industrialisation a donc prévu la place de l’IA dans l’architecture industrielle nationale bien avant que le débat sur l’IA générative n’émerge. Il reste à l’occuper.

Le rapport d’évaluation à mi-parcours de la Stratégie nationale de développement, publié par le ministère en charge de l’Économie, conclut à une mise en œuvre résiliente mais en deçà des ambitions initiales, et recommande notamment l’accélération de l’import-substitution agropastorale ainsi que le renforcement des formations techniques et scientifiques. L’IA appliquée n’est pas un supplément à ce programme : elle en est un accélérateur direct, à condition d’être dirigée vers les filières concernées plutôt que vers les usages de contenu. La sélection, opérée en concertation avec le secteur privé, d’un premier ensemble d’entreprises appelées à devenir des champions nationaux — retenues sur des critères d’industrialisation, d’import-substitution, de création de valeur ajoutée, de compétitivité et d’innovation, principalement dans l’agro-industrie — offre à cet égard un terrain de démonstration immédiatement disponible. Ces entreprises disposent d’un processus industriel, donc de données de production ; elles ont un objectif chiffré de substitution aux importations, donc un indicateur ; elles bénéficient d’un accompagnement public, donc d’un cadre. Elles réunissent les trois conditions d’un programme national d’IA appliquée à résultat mesurable.

5.5. Un critère d’arbitrage opérationnel

Pour éviter que la priorisation ne demeure déclarative, il est proposé d’adopter un critère simple, opposable à tout projet d’intelligence artificielle sollicitant un financement public. Quatre questions, auxquelles le porteur doit répondre par écrit :

• Quelle ligne d’importation identifiée ce projet contribue-t-il à réduire, et selon quel indicateur de mesure ?
• Quelle valeur ajoutée locale crée-t-il, et sur quel segment de la chaîne de valeur ?
• Sur quelles données s’appuie-t-il, et le Cameroun en maîtrise-t-il la production et la conservation ?
• Quelle compétence nationale le projet laisse-t-il derrière lui une fois achevé ?

Un projet incapable de répondre à ces quatre questions n’est pas nécessairement dépourvu d’intérêt ; il ne relève simplement pas de la priorité stratégique. Ce critère présente l’avantage de rendre la priorisation vérifiable, donc auditable — ce qui est cohérent avec l’esprit d’ensemble de la présente contribution.

6. Les principes : la doctrine de l’IA endogène

La Stratégie nationale d’intelligence artificielle, présentée en juillet 2025 par le Ministère des Postes et Télécommunications, retient une ambition explicitement souverainiste et fait figurer, parmi ses orientations rendues publiques, le développement de modèles multilingues intégrant les langues nationales. Cette orientation rejoint très directement la doctrine que l’auteur défend au sein de l’alliance internationale pour une IA souveraine sous le nom d’IA endogène. Il est proposé d’en expliciter les trois piliers, afin qu’ils puissent nourrir les principes nationaux de gouvernance attendus des présents travaux.

6.1. Premier pilier — la souveraineté des données

Elle se définit moins par le lieu de stockage que par la maîtrise de la chaîne : savoir quelles données sont produites sur le territoire, par qui, sous quel régime juridique, à quelles fins elles sont réutilisées et selon quelles modalités elles peuvent être transférées. Le cadre légal camerounais fournit ici un appui décisif : la loi relative à la protection des données à caractère personnel soumet les transferts hors du territoire à une autorisation préalable de l’Autorité de protection. Ce mécanisme, conçu pour la protection de la vie privée, constitue également — et c’est une lecture qu’il convient d’assumer — un instrument de politique industrielle de la donnée.

6.2. Deuxième pilier — l’IA vernaculaire

Un système d’intelligence artificielle qui ne comprend pas la langue dans laquelle un citoyen formule sa demande ne le sert pas : il le trie. L’inclusion linguistique n’est donc pas un supplément d’âme mais une exigence d’égalité devant le service public. Elle suppose un effort documenté de constitution de corpus en langues nationales, avec un statut juridique clair — le corpus linguistique national doit être traité comme un bien public numérique, dont la constitution est financée publiquement et l’accès organisé, plutôt que comme une ressource captée par les premiers acteurs à l’avoir collectée.

6.3. Troisième pilier — la résilience stratégique

La résilience consiste à garantir la continuité du service public numérique indépendamment des décisions d’acteurs extérieurs : diversification des fournisseurs, réversibilité contractuelle inscrite dès l’appel d’offres, capacité d’exécution en périphérie de réseau lorsque la connectivité est dégradée, et documentation des dépendances critiques. Une administration qui ne sait pas ce qui tomberait en panne si un fournisseur donné interrompait son service n’exerce pas une gouvernance : elle exerce une espérance.

7. Innovation, éthique et souveraineté : le modèle de la co-création globale et de l’orchestration équitable

L’intitulé du présent panel réunit trois termes que le débat courant oppose volontiers : l’innovation supposerait de l’ouverture, l’éthique des contraintes, la souveraineté de la fermeture. Cette contribution soutient qu’ils sont, correctement articulés, les trois faces d’un même modèle d’organisation — et que l’expérience des programmes évoqués plus haut permet d’en préciser les termes.

7.1. Le faux dilemme entre souveraineté et coopération

Aucun pays au monde, quelle que soit sa puissance, ne construit seul l’ensemble de sa chaîne de valeur en intelligence artificielle. La souveraineté numérique entendue comme autarcie technologique n’est pas un projet ambitieux : c’est un projet irréalisable, et son échec prévisible sert d’argument à ceux qui plaident pour la dépendance intégrale. La question pertinente n’est donc pas de savoir s’il faut coopérer, mais selon quels termes.

Il existe en effet un mode de coopération qui affaiblit la souveraineté tout en se présentant comme un partenariat. Son schéma est constant : une entité extérieure collecte des données locales, les traite et entraîne ses modèles hors du territoire, puis revend le service ainsi produit aux acteurs qui ont fourni la matière première informationnelle. Les parties prenantes locales y figurent comme pourvoyeuses de données brutes, jamais comme copropriétaires de la valeur créée. Ce schéma est d’autant plus difficile à contester qu’il s’accompagne de transferts financiers réels et d’une communication vertueuse. Il faut pourtant le nommer pour ce qu’il est : une coopération extractive.

7.2. Ce que le modèle UBTS met à l’épreuve

L’expérience conduite par UBTS International Corp présente à cet égard un intérêt qui dépasse le cas particulier. Une Delaware C Corporation établie aux États-Unis, disposant d’un accès aux standards, aux financements et aux réseaux normatifs mondiaux, conçoit un programme panafricain — l’UBTS Africa Agritech Digital Passport — dont la mise en œuvre est confiée à des sous-programmes nationaux, tel le Cameroon Agritech Digital Passport, ancrés dans les filières et les institutions du pays concerné.

Cette configuration inverse le schéma extractif sur un point décisif : ce qui circule à l’échelle globale, ce sont les normes, les standards d’interopérabilité et l’ingénierie ; ce qui demeure national, ce sont les données, leur gouvernance et la valeur qu’elles produisent. La coopération porte sur le cadre, non sur la ressource. C’est là, exactement, la ligne de partage que devrait retenir toute politique publique de partenariat en matière d’intelligence artificielle.

7.3. Quatre conditions d’une coopération non extractive

Il est proposé au panel de retenir quatre conditions cumulatives, susceptibles d’être inscrites comme clause type dans tout partenariat public portant sur des données ou des systèmes d’intelligence artificielle :

• La propriété et la juridiction des données. Les données produites sur le territoire national demeurent la propriété des acteurs qui les génèrent — producteurs, coopératives, entreprises, administrations — et relèvent de la juridiction camerounaise, tout transfert étant soumis au régime d’autorisation préalable établi par la loi.
• Le transfert de compétence documenté. Le partenariat comporte un volet de formation dont les résultats sont vérifiables : nombre de personnes formées, compétences acquises, capacité d’exploitation autonome du dispositif à l’issue de la coopération. Un partenariat qui ne laisse aucune compétence derrière lui n’est pas une coopération : c’est une prestation.
• Le partage de la valeur créée. Les acteurs de l’amont — au premier rang desquels les producteurs agricoles et leurs organisations — captent une part identifiable de la valeur que la traçabilité rend possible : accès à de nouveaux marchés, différenciation qualitative, réduction des pertes, accès facilité au financement.
• La réversibilité et l’absence d’enfermement. Le recours à des standards ouverts et documentés garantit que le dispositif survivra au partenariat qui l’a créé et pourra être repris, audité ou remplacé sans reconstruction intégrale.

7.4. La responsabilité sociétale comme condition technique, non comme supplément

La responsabilité sociétale des entreprises est trop souvent reléguée au registre de la communication institutionnelle. Dans les dispositifs de données agricoles, elle constitue au contraire une condition de fonctionnement, et cette démonstration mérite d’être portée devant le panel car elle relie directement l’axe éthique et l’axe qualité des données.

Un système de passeport numérique agricole ne fonctionne que si le producteur alimente la donnée. Or le producteur n’alimente durablement la donnée que s’il en retire un bénéfice tangible. L’équité du partage de la valeur n’est donc pas une exigence morale surajoutée au dispositif technique : elle en est le déterminant de fiabilité. Un dispositif inéquitable produit des données incomplètes, tardives ou fausses — et devient, à ce titre, techniquement défaillant.

Cette proposition a une portée générale. Partout où la donnée est produite par des acteurs dispersés et faiblement outillés — agriculture, artisanat, commerce de proximité, santé communautaire —, la qualité des données d’entraînement des futurs systèmes d’intelligence artificielle dépendra du caractère équitable de l’architecture qui les collecte. L’inclusion linguistique évoquée en section 6.2 relève de la même logique : un dispositif qui ne s’adresse au producteur que dans une langue qu’il ne maîtrise pas capte une information appauvrie. L’éthique, ici, n’est pas le prix à payer pour la performance ; elle en est la condition.

7.5. L’orchestration équitable des parties prenantes

Reste la question de l’orchestration : qui convoque, arbitre et tient dans la durée un dispositif réunissant des producteurs, des coopératives, des industriels, des régulateurs, des institutions de recherche et des partenaires techniques et financiers ? L’État seul y consacrerait des moyens administratifs considérables ; une plateforme extérieure y imposerait ses conditions. L’expérience suggère une troisième voie : une structure d’orchestration dédiée, dotée d’une identité de responsabilité sociétale explicite, dont la fonction est de tenir la table plutôt que d’y occuper la meilleure place.

Ce modèle n’est pas étranger à l’enceinte qui accueille ces travaux — il en constitue au contraire le principe fondateur. Le Forum sur la Gouvernance de l’Internet repose, depuis le Sommet Mondial sur la Société de l’Information, sur la participation conjointe des pouvoirs publics, du secteur privé, de la communauté technique, du monde académique et de la société civile. Le Cameroun applique ce principe à la délibération ; il est proposé de l’étendre à l’exécution, en faisant de la gouvernance multi-parties prenantes le mode d’organisation opérationnel des programmes nationaux de données sectorielles, et non seulement leur mode de discussion.

8. Audit, évaluation et expérimentation : proposer un référentiel de maturité

Parmi les résultats attendus du panel figurent des recommandations sur les mécanismes d’audit et d’évaluation des systèmes d’IA. C’est le point sur lequel l’auteur estime pouvoir apporter la contribution la plus spécifique, en raison de son mandat au sein de la Government Blockchain Association.

8.1. L’enseignement du modèle de maturité

L’expérience du Blockchain Maturity Model montre qu’un référentiel d’évaluation n’est utile que s’il réunit quatre caractéristiques : il est gradué — il ne se contente pas d’opposer conforme et non conforme, mais échelonne des niveaux de maturité ; il est documenté publiquement, de sorte que l’évalué connaisse la règle avant l’évaluation ; il est appliqué par des évaluateurs certifiés, ce qui suppose un dispositif de formation préalable ; il est révisable, à une périodicité fixée à l’avance. Un référentiel qui ne réunit pas ces quatre conditions produit de la conformité formelle, non de la qualité.

8.2. Proposition : un référentiel national de maturité des systèmes d’IA publics

Il est proposé d’élaborer un référentiel national d’évaluation applicable à tout système d’IA déployé par une administration, organisé autour de six dimensions : la provenance et la qualité des données d’entraînement ; l’explicabilité des décisions produites et leur contestabilité par la personne concernée ; la mesure documentée des biais, notamment linguistiques, géographiques et de genre ; la sécurité et la résilience du système ; le degré d’autonomie du système et la réversibilité des actions qu’il entreprend — dimension spécifiquement destinée aux systèmes agentiques évoqués en section 5.3 ; et enfin la clarté de la chaîne de responsabilité, c’est-à-dire l’identification de la personne physique ou morale répondant de la décision.

8.3. L’articulation avec le droit existant

Ce référentiel ne partirait pas d’une page blanche. La loi n° 2024/017 du 23 décembre 2024 relative à la protection des données à caractère personnel, dont la période transitoire de mise en conformité s’est achevée le 23 juin 2026, impose déjà la réalisation d’analyses d’impact préalables pour les traitements susceptibles de présenter des risques élevés pour les droits et libertés des personnes. Or la quasi-totalité des systèmes d’IA déployés par une administration entre dans cette catégorie. L’analyse d’impact relative à la protection des données constitue donc le point d’ancrage juridique naturel de l’évaluation des systèmes d’IA : plutôt que de créer un dispositif parallèle, il est proposé d’enrichir l’analyse d’impact existante d’un volet spécifique à l’IA. Cette solution présente le double avantage d’une base légale immédiatement disponible et d’une charge administrative marginale.

8.4. Le bac à sable réglementaire

L’expérimentation encadrée — le bac à sable réglementaire — permet de concilier innovation et maîtrise des risques, à trois conditions rarement réunies : un périmètre limité et explicitement défini, une durée déterminée assortie d’une évaluation obligatoire à l’échéance, et une sortie organisée, qu’il s’agisse d’une généralisation, d’un ajustement ou d’un arrêt. Sans clause de sortie, un bac à sable devient une dérogation permanente ; c’est le principal écueil observé dans les dispositifs comparables.

9. Capacités nationales : données, infrastructures, compétences et coopération

9.1. L’ampleur de l’effort de formation

Les objectifs rendus publics lors du lancement de la Stratégie nationale font état, à l’horizon 2040, de la formation de plusieurs dizaines de milliers de talents en intelligence artificielle, avec une cible affirmée de parité renforcée, ainsi que de la création de plusieurs milliers d’emplois directs. Un tel effort ne peut reposer sur la seule formation initiale universitaire : il suppose une industrialisation de la formation continue, la certification des formateurs eux-mêmes et la reconnaissance des acquis professionnels.

L’expérience conduite en juillet 2026 à la BGFI Business School de Libreville, où des cadres bancaires en exercice ont été formés en quinze heures aux actifs numériques sans qu’une seule ligne de code ne soit écrite, illustre une voie praticable : une pédagogie orientée métier, ancrée dans des cas régionaux, conçue pour des débutants complets et débouchant sur une capacité d’arbitrage professionnel. Ce format est réplicable dans les administrations camerounaises à coût maîtrisé.

9.2. La formation des évaluateurs, condition oubliée

Un point mérite une attention particulière, car il est régulièrement omis : un référentiel d’audit sans évaluateurs formés demeure lettre morte. L’expérience du modèle de maturité en gouvernance des registres distribués enseigne que la certification des évaluateurs doit précéder, et non suivre, l’entrée en vigueur du dispositif d’évaluation. Il est donc recommandé d’engager la constitution d’un vivier national d’auditeurs de systèmes d’IA dès la phase d’élaboration du référentiel.

9.3. La coopération internationale comme levier, non comme dépendance

Le présent Forum est la déclinaison nationale d’un processus mondial issu du Sommet Mondial sur la Société de l’Information. Cette filiation offre une opportunité concrète et sous-exploitée : les travaux normatifs conduits au sein des coalitions dynamiques du Forum des Nations Unies sur la Gouvernance de l’Internet — notamment en matière d’assurance et de normalisation — constituent un canal par lequel une contribution camerounaise peut être portée à l’échelle mondiale, et non seulement reçue. L’auteur y dispose d’un accès direct et se tient à la disposition des autorités pour y relayer les positions nationales. De même, la participation au groupe d’engagement Think20 du G20 offre un vecteur d’influence sur les orientations internationales en matière de gouvernance des technologies.

Le déplacement à opérer est le suivant : cesser d’importer des normes que l’on applique, pour commencer à exporter des cas d’usage qui font norme. Un dispositif national de traçabilité opérationnel constitue, à cet égard, un actif diplomatique autant qu’industriel.

10. Recommandations opérationnelles

Les dix-sept recommandations suivantes sont formulées de manière à pouvoir être reprises directement dans les conclusions du panel. Elles sont classées par ordre de priorité opérationnelle.

1. Enrichir l’analyse d’impact relative à la protection des données, déjà exigible depuis le 23 juin 2026, d’un volet spécifique aux systèmes d’intelligence artificielle, plutôt que de créer un dispositif d’évaluation parallèle. Destinataire principal : MINPOSTEL · Autorité de protection des données.
2. Élaborer un référentiel national gradué de maturité des systèmes d’IA publics, articulé autour des six dimensions exposées en section 8.2, publié avant son entrée en vigueur. Destinataire principal : MINPOSTEL · Instance nationale de gouvernance de l’IA.
3. Constituer et certifier un vivier national d’auditeurs de systèmes d’IA, la formation des évaluateurs devant précéder l’entrée en vigueur du référentiel. Destinataire principal : MINPOSTEL · Établissements d’enseignement supérieur.
4. Inscrire l’exigence de traçabilité native (provenance horodatée et vérifiable) dans les cahiers des charges de tout projet public produisant des données destinées à l’entraînement de modèles. Destinataire principal : Ensemble des administrations · Commande publique.
5. Reconnaître le corpus linguistique national comme bien public numérique, en organiser la constitution sur financement public et en définir le régime d’accès et de réutilisation. Destinataire principal : MINPOSTEL · MINESUP · MINAC.
6. Adosser les dispositifs nationaux de données aux standards internationaux d’identification et d’échange, la lisibilité extérieure conditionnant la valeur d’échange de la donnée nationale. Destinataire principal : MINPOSTEL · MINCOMMERCE · ANOR.
7. Instituer un bac à sable réglementaire assorti d’un périmètre défini, d’une durée déterminée et d’une clause de sortie obligatoire évaluée à l’échéance. Destinataire principal : MINPOSTEL · ART · Autorité de protection des données.
8. Imposer, dans tout marché public portant sur un système d’IA, une clause de réversibilité et la documentation des dépendances critiques du fournisseur. Destinataire principal : Commande publique · Ensemble des administrations.
9. Prioriser quatre secteurs de démonstration à fort effet d’entraînement : traçabilité pharmaceutique, certification des diplômes, chaînes agroalimentaires, sécurisation de la commande publique. Destinataire principal : Primature · MINPOSTEL · Ministères sectoriels.
10. Porter une contribution camerounaise structurée au sein des coalitions dynamiques du Forum des Nations Unies sur la Gouvernance de l’Internet, afin de faire valoir les cas d’usage nationaux au niveau normatif mondial. Destinataire principal : MINPOSTEL · Représentation nationale au FGI.
11. Adopter un critère d’arbitrage opposable à tout projet d’IA sollicitant un financement public : ligne d’importation réduite, valeur ajoutée locale créée, maîtrise nationale des données mobilisées, compétence laissée en héritage. Destinataire principal : MINEPAT · MINFI · MINPOSTEL.
12. Rattacher explicitement l’intelligence artificielle appliquée au volet de veille stratégique et d’intelligence économique du Plan directeur d’industrialisation, ainsi qu’aux trois sanctuaires industriels nationaux et aux cinq piliers structurants. Destinataire principal : MINMIDT · MINEPAT · MINPOSTEL.
13. Lancer un programme national d’IA appliquée aux champions nationaux retenus au titre de la transformation structurelle, en priorité dans l’agro-industrie, avec objectif chiffré de substitution aux importations. Destinataire principal : MINEPAT · MINMIDT · Secteur privé.
14. Encadrer spécifiquement les systèmes d’IA agentiques déployés par les administrations : journalisation horodatée des actions, réversibilité technique, et validation humaine obligatoire pour tout acte irréversible ou opposable à un tiers. Destinataire principal : MINPOSTEL · Autorité de protection des données.
15. Inscrire une clause type de coopération non extractive dans tout partenariat public portant sur des données ou des systèmes d’IA : propriété et juridiction nationales des données, transfert de compétence documenté, partage identifiable de la valeur créée, réversibilité par standards ouverts. Destinataire principal : MINPOSTEL · MINEPAT · MINREX.
16. Reconnaître les programmes de passeport numérique agricole comme infrastructure publique de données du secteur agropastoral, condition préalable à tout usage d’IA dans les filières et support de mesure de l’import-substitution. Destinataire principal : MINADER · MINEPIA · MINEPAT · MINPOSTEL.
17. Étendre le modèle multi-parties prenantes du FGI de la délibération à l’exécution, en confiant l’orchestration des programmes nationaux de données sectorielles à des structures réunissant producteurs, industriels, régulateurs, recherche et partenaires techniques. Destinataire principal : MINPOSTEL · Ministères sectoriels · Secteur privé.

11. Conclusion

Le Cameroun aborde ce Forum dans une configuration singulièrement favorable, qu’il convient de mesurer. Il dispose depuis juillet 2025 d’une stratégie nationale d’intelligence artificielle explicitement orientée vers la souveraineté et l’inclusion linguistique. Il dispose, depuis le 23 juin 2026, d’un cadre de protection des données pleinement applicable, doté d’une autorité de contrôle et d’instruments — analyse d’impact, autorisation préalable des transferts — directement mobilisables pour l’encadrement de l’IA. Il dispose enfin de cas d’usage nationaux, dont la logique de traçabilité vérifiable peut être étendue aux secteurs prioritaires.

Ce qui manque n’est donc ni la vision, ni le droit, ni la démonstration technique : c’est l’articulation explicite entre ces trois acquis. Le présent panel constitue précisément le lieu où cette articulation peut être formulée. La recommandation la plus économe et la plus immédiatement exécutoire de cette contribution tient en une phrase : ne pas construire un régime d’évaluation de l’IA à côté du droit des données, mais le construire dans le prolongement de celui-ci.

Une seconde articulation, tout aussi décisive, reste à opérer : celle de la politique d’intelligence artificielle avec la politique industrielle. Tant que l’IA sera pensée séparément de la transformation structurelle, elle demeurera une dépense ; arrimée aux sanctuaires industriels, aux piliers structurants et à l’objectif d’import-substitution, elle devient un investissement dont le rendement se mesure. Le choix décisif des prochaines années ne portera pas sur le degré d’ouverture à l’intelligence artificielle, mais sur la nature de celle que le pays finance : une IA qui produit du contenu, ou une IA qui produit de la valeur.

Reste enfin la manière. Le Cameroun n’a pas à choisir entre s’ouvrir et se protéger : il a à fixer les termes selon lesquels il s’ouvre. Les programmes conduits dans le champ de l’agriculture intelligente montrent qu’une coopération peut être globale par ses normes et souveraine par ses données, à condition que l’équité envers les parties prenantes locales soit traitée non comme une clause d’affichage, mais comme la condition de fiabilité du dispositif lui-même. C’est, en dernière analyse, la proposition que cette contribution soumet au Forum : la souveraineté ne s’oppose pas à la coopération, elle en organise les termes.

Une gouvernance responsable de l’intelligence artificielle ne se décrète pas dans un texte : elle s’éprouve dans la capacité d’un citoyen à vérifier lui-même ce qu’un système a décidé à son sujet, et dans celle d’un État à savoir d’où viennent les données qui l’instruisent.

12. Sources et avertissement méthodologique

• Documents de référence du Forum : lettre d’invitation n° 0000167/MPT/CAB du Ministre des Postes et Télécommunications ; fiche technique du Panel 3 (objectif général, objectifs spécifiques, problématique, axes thématiques, questions directrices, déroulement, résultats attendus).
• Cadre national : loi n° 2024/017 du 23 décembre 2024 relative à la protection des données à caractère personnel, promulguée le 23 décembre 2024 et dont la période transitoire de mise en conformité de dix-huit mois est arrivée à échéance le 23 juin 2026 ; Stratégie nationale d’intelligence artificielle présentée le 7 juillet 2025 au Palais des Congrès de Yaoundé lors des deuxièmes concertations nationales sur l’intelligence artificielle.
• Cadre stratégique et industriel : Stratégie nationale de développement 2020-2030 (SND30), dont le premier pilier porte sur la transformation structurelle de l’économie et retient l’import-substitution comme levier central ; rapport d’évaluation à mi-parcours de la SND30 publié par le ministère en charge de l’Économie ; Plan directeur d’industrialisation (PDI), structuré autour de trois sanctuaires industriels nationaux, de cinq piliers industriels structurants, de deux socles de l’émergence et d’un volet de veille stratégique et d’intelligence économique.

Armand Gaetan NGUETI — Expert panéliste, Panel 3, FGI-CMR 2026 — Yaoundé, août 2026.