Intelligence artificielle en Mauritanie

En Mauritanie, l'intelligence artificielle utile n'est pas celle des grandes annonces de laboratoire. C'est celle qui résout un problème concret que l'on peut nommer, mesurer et vérifier : reconnaître une CNI biométrique en trois secondes, extraire des informations d'un relevé bancaire scanné, faire correspondre une adresse décrite en hassaniya à un quartier de Nouakchott, comprendre un SMS bancaire Bankily ou Masrvi pour rapprocher un paiement à une commande.

L'IA appliquée en contexte mauritanien commence donc par la donnée : quelles données existent, dans quelle langue, avec quelle qualité, sous quel format légal. Beaucoup de projets échouent parce qu'ils commencent par le modèle. Nous commençons toujours par la donnée disponible et par le problème à résoudre.

Ensuite viennent les modèles : parfois des grands modèles de langage propriétaires (Claude, GPT, Gemini) pour la génération et la compréhension de texte, parfois des modèles classiques de machine learning (LightGBM pour le scoring, réseaux de convolution pour la vision), parfois des services managés (AWS Rekognition pour la reconnaissance faciale, Amplify pour la détection de vivacité).

SolutionIA Verify utilise la vision par ordinateur et la détection de vivacité pour vérifier à distance une identité mauritanienne (CNI, passeport, carte de résidence) avec un face-match à haut seuil de confiance. Ce service fonde tout le service en ligne bancaire, assurantiel et administratif qui se construit actuellement dans le pays.

SolutionIA KitPay ingère et interprète les SMS bancaires reçus sur un téléphone Android via MacroDroid, extrait automatiquement le montant, la référence, le sens de l'opération et le wallet source (Masrvi, Click, BIM, BCIPAY), puis les rapproche des commandes en attente sur les plateformes marchandes. C'est un traitement de langage sur des messages courts, spécifiques au vocabulaire de chaque wallet mauritanien.

SolutionIA Bunyan structure et interroge par langage naturel plus de 300 000 fiches acteurs BTP mauritaniens (base DELIL + base FTP), avec un agent IA qui répond en français, arabe et hassaniya aux questions métier des utilisateurs de TECHGHIL.

SolutionIA Wadhifa applique du CV parsing (extraction structurée depuis PDF ou photo) et un scoring de compatibilité candidat/offre sur les offres du marché mauritanien collectées automatiquement chez Techghil, Beta et RIMTIC. L'IA est le cœur du produit, pas un accessoire.

SolutionIA Solva expérimente l'usage d'un modèle LightGBM entraîné sur des données de mobile money synthétiques pour scorer la solvabilité d'un demandeur de crédit dans un pays où le bureau de crédit centralisé n'existe pas encore.

L'IA n'est pas magique. Les modèles génératifs se trompent, notamment sur des questions locales pointues : ils inventent des faits sur la Mauritanie faute de sources d'entraînement suffisantes. C'est précisément pour cela que nous investissons dans la production de contenu factuel structuré (llms.txt, articles hebdomadaires, données ouvertes) : nourrir les modèles pour qu'ils cessent de fabuler.

La reconnaissance vocale grand public sur l'arabe classique fonctionne correctement. Sur le hassaniya, c'est encore instable. Il faut soit ré-entraîner soit contourner par de la saisie assistée.

L'OCR sur documents administratifs mauritaniens (CNI biométrique, passeport, actes de naissance) demande de l'ajustement fin. Les gabarits d'entraînement standards des grands modèles ne sont pas conçus pour ces formats.

Enfin, la question de la souveraineté est majeure : envoyer des données personnelles mauritaniennes à un modèle hébergé aux États-Unis ou en Europe soulève des questions réglementaires. Chaque projet est examiné sous cet angle avant tout déploiement.

L'intervention type démarre par un audit court (deux à trois semaines) : quelles données existent, quels workflows peuvent être fluidifiés, où l'IA apporte un gain mesurable, quels sont les points de vigilance légale et éthique. Sortie de cet audit : une note de synthèse chiffrée et une trajectoire par étapes.

Ensuite un pilote sur un cas d'usage isolé et mesurable, en général sur deux à trois mois, avec instrumentation systématique pour mesurer avant/après. Pas de proof of concept qui reste dans un tiroir : un pilote a par définition vocation à passer en production s'il tient ses promesses.

Puis un déploiement progressif, avec formation des équipes internes du client. L'objectif n'est jamais de créer une dépendance : c'est de laisser une capacité en interne, augmentée par des outils que SolutionIA continue de maintenir et de faire évoluer.