--- title: L'IA voit-elle mal les visages africains ? description: "Jusqu'à 34,7 % d'erreurs sur les femmes à peau foncée, contre 0,8 % sur les hommes à peau claire : comment des photos de députées sénégalaises et rwandaises ont révélé les biais de la reconnaissance faciale." image: https://letudiantafricain.com/hubfs/AI-Generated%20Media/Images/Detroit%20Police%20Apprehension%20Outside%20Suburban%20Home.png --- [![L'Etudiant Africain](https://letudiantafricain.com/hs-fs/hubfs/LogoEA-removebg-preview.png?width=120&height=120&name=LogoEA-removebg-preview.png "L'Etudiant Africain")](https://letudiantafricain.com?hsLang=fr) Français - [Articles](https://letudiantafricain.com/blog-l%C3%A9tudiant-africain/tag/articles?hsLang=fr) - [Blog](https://letudiantafricain.com/blog-letudiant-africain) - [Opportunités](https://letudiantafricain.com/blog-l%C3%A9tudiant-africain/tag/opportunit%C3%A9s?hsLang=fr) - [Publications](https://letudiantafricain.com/blog-l%C3%A9tudiant-africain/tag/publication?hsLang=fr) - [Nos évènements](https://letudiantafricain.com/blog-l%C3%A9tudiant-africain/tag/ev%C3%A8nements?hsLang=fr) - [Symposium](https://letudiantafricain.com/fr/symposium?hsLang=fr) - [Colloque de l'IEA](https://letudiantafricain.com/fr/colloque-international-jeunesse-paix-et-s%C3%A9curit%C3%A9-jps-dans-le-sahel?hsLang=fr) - [Qui sommes nous?](https://letudiantafricain.com/nos-services?hsLang=fr) - [Notre mission](https://letudiantafricain.com/fr/v2/notre-mission?hsLang=fr) - [Nos services](https://letudiantafricain.com/fr/nos-services?hsLang=fr) - [Nous contacter](https://letudiantafricain.com/fr/nous-contacter?hsLang=fr) - [Newsletter](https://letudiantafricain.com/fr/newsletters?hsLang=fr) - [Contactez-nous](https://letudiantafricain.com/fr/nous-contacter?hsLang=fr) - [Home](https://letudiantafricain.com/?hsLang=fr) - Blog Details - [IA](https://letudiantafricain.com/blog-letudiant-africain/topic/ia?hsLang=fr) - novembre 06 2026 # L'IA voit-elle mal les visages africains ? ![](https://letudiantafricain.com/hubfs/LogoEA.png) Blog By #### [L’Étudiant Africain](https://letudiantafricain.com/blog-letudiant-africain/author/la-rédaction-de-létudiant-africain) ![](https://letudiantafricain.com/hubfs/AI-Generated%20Media/Images/Detroit%20Police%20Apprehension%20Outside%20Suburban%20Home.png) **En mai, notre blog montrait que les modèles de langage comprennent mal l'Afrique. Le problème ne s'arrête pas aux mots : les logiciels de reconnaissance faciale se trompent aussi beaucoup plus sur les visages noirs, et surtout sur les femmes. Arrêt sur image sur un biais qui a déjà envoyé des innocents en prison.** En janvier 2020, devant chez lui, près de Detroit, aux États-Unis, Robert Williams est arrêté sous les yeux de sa femme et de ses deux filles. Il passera 30 heures en détention pour un vol qu'il n'a jamais commis. Son seul tort : un logiciel de reconnaissance faciale avait associé l'image floue d'une caméra de surveillance à la photo de son ancien permis de conduire, déjà expiré ([ACLU, s.d.](https://www.aclu.org/cases/williams-v-city-of-detroit-face-recognition-false-arrest)). En 2024, la ville de Detroit a accepté de lui verser 300 000 dollars et de ne plus arrêter personne sur la seule base de cette technologie (White, 2024). Robert Williams est noir. Et son histoire n'est pas un accident isolé. **Une étude née… de photos de députées africaines** Pour comprendre, il faut remonter à 2018. Deux chercheuses, Joy Buolamwini et l'Éthiopienne Timnit Gebru, veulent tester les logiciels de reconnaissance de visages de Microsoft, IBM et de l'entreprise chinoise Face++. Elles constatent d'abord que les bases d'images utilisées pour évaluer ces outils sont composées à près de 80 % de personnes à peau claire. Elles décident donc de construire leur propre jeu de test, avec 1 270 photos de parlementaires de trois pays africains, le Rwanda, le Sénégal et l'Afrique du Sud, et de trois pays européens. Les résultats font l'effet d'une bombe. Pour deviner si un visage est celui d'un homme ou d'une femme, les logiciels se trompent au maximum dans 0,8 % des cas chez les hommes à peau claire, mais jusqu'à 34,7 % chez les femmes à peau foncée. Pour les femmes à la peau la plus foncée, deux systèmes atteignent même 46,5 % et 46,8 % d'erreurs ([Hardesty, 2018](https://news.mit.edu/2018/study-finds-gender-skin-type-bias-artificial-intelligence-systems-0212)), presque une chance sur deux, autant jouer à pile ou face. En clair, des députées sénégalaises et rwandaises ont révélé au monde que l'IA « ne les voyait pas ». Pourquoi ? Pour la même raison que celle que notre article de mai décrivait pour les modèles de langage : une IA apprend à partir d'exemples. Si on lui montre surtout des visages clairs et masculins, elle devient très bonne sur ces visages, et beaucoup moins sur les autres. **Le gouvernement américain confirme** On pourrait croire à une étude isolée. En 2019, l'Institut national américain des normes et de la technologie (NIST) a testé 189 algorithmes de 99 développeurs sur plus de 18 millions de photos. Conclusion : sur des photos de bonne qualité, les « faux positifs », c'est-à-dire les cas où le logiciel confond deux personnes différentes, sont les plus élevés chez les personnes d'Afrique de l'Ouest et de l'Est et d'Asie de l'Est. Et sur les photos prises aux frontières, de moins bonne qualité, le logiciel reconnaît moins bien les personnes nées en Afrique et dans les Caraïbes, surtout les plus âgées ([Grother et al., 2019](https://doi.org/10.6028/NIST.IR.8280)). Pour un voyageur africain, cela peut signifier être retenu plus longtemps à un contrôle automatique. Pour un suspect, être confondu avec quelqu'un d'autre. En 2023, Porcha Woodruff, une Afro-Américaine enceinte de huit mois, a elle aussi été arrêtée à Detroit après une erreur de reconnaissance faciale ; les charges ont été abandonnées un mois plus tard faute de preuves (NBC News, 2023). **Et en Afrique ?** Le sujet nous concerne directement, car la reconnaissance faciale arrive dans nos villes. En 2018, le Zimbabwe a signé un accord avec l'entreprise chinoise CloudWalk pour créer une base nationale de reconnaissance faciale, destinée notamment aux aéroports et aux gares (Burt, 2018). En 2019, l'Ouganda a investi 126 millions de dollars dans un réseau de caméras de surveillance Huawei équipées de reconnaissance faciale à Kampala. L'opposante Ingrid Turinawe y voyait « juste un outil pour nous pister, nous traquer et nous persécuter » ([Burt, 2019](https://biometricupdate.com/201908/uganda-invests-126m-in-cctv-with-facial-biometrics-from-huawei), traduit de l'anglais). Quand une technologie se trompe plus souvent sur certains visages, l'utiliser pour surveiller ou arrêter pose un problème de justice. Des chercheurs africains travaillent à corriger le tir. À l'université d'Ibadan, au Nigeria, une équipe a constitué une base de 5 000 images de 500 personnes de dix pays africains, en constatant qu'« il y a peu ou pas de représentation de l'ethnicité africaine » dans les résultats de recherche publiés (Ajewole et al., 2024, traduit de l'anglais). L'Ivoirienne Charlette N'Guessan, première femme lauréate du Prix Afrique de l'innovation en ingénierie, avait conçu un système de vérification d'identité pensé d'abord pour des utilisateurs africains : « Nous voulons nous assurer qu'il est utilisé par notre peuple, et qu'il fonctionne pour lui », expliquait-elle en 2020 ([Royal Academy of Engineering, 2020](https://raeng.org.uk/news/first-woman-to-win-the-africa-prize-for-engineering-innovation/), traduit de l'anglais). Et la chercheuse éthiopienne Abeba Birhane, s'appuyant sur la philosophie de l'ubuntu, rappelle que les injustices algorithmiques frappent d'abord les plus vulnérables ([Birhane, 2021](https://doi.org/10.1016/j.patter.2021.100205)). **La bonne nouvelle : dénoncer, ça marche** Il y a pourtant une note d'espoir. Un an après *Gender Shades*, une nouvelle étude a montré que Microsoft, IBM et Face++, publiquement épinglés, avaient sorti de nouvelles versions et réduit leurs erreurs sur les femmes à peau foncée. Les entreprises qui n'avaient pas été visées, elles, restaient à plus de 20 % d'erreurs ([Raji et Buolamwini, 2019](https://doi.org/10.1145/3306618.3314244)). Les règles comptent aussi : depuis 2021, la Recommandation de l'UNESCO sur l'éthique de l'IA, adoptée par 193 pays, fait de l'équité et de la non-discrimination un principe de base, et exclut l'usage de l'IA pour la surveillance de masse (Cimino, 2021). L'IA ne voit donc pas mal les visages africains par nature. Elle les voit mal parce qu'on ne les lui a pas assez montrés, et parce que trop peu d'Africains participent à sa fabrication. Les deux se corrigent. Et vous, avez-vous déjà eu du mal à faire reconnaître votre visage par un téléphone, une application bancaire ou une borne d'aéroport ? Racontez-le-nous en commentaire. **Bibliographie** ACLU. (s.d.). *Williams v. City of Detroit (face recognition false arrest)*. Consulté le 3 novembre 2026.  Ajewole, F., Akinyemi, J. D., Ladoja, K. T., & Onifade, O. F. W. (2024). *Unmasking the uniqueness: Age-invariant face recognition of indigenous African faces* (arXiv:2408.06806). arXiv.  Birhane, A. (2021). Algorithmic injustice: A relational ethics approach. *Patterns, 2*(2), 100205.  Buolamwini, J., & Gebru, T. (2018). Gender shades: Intersectional accuracy disparities in commercial gender classification. *Proceedings of Machine Learning Research, 81*, 77-91. Burt, C. (2018, 13 avril). Zimbabwe govt selects CloudWalk for mass facial recognition project. *Biometric Update*.  Burt, C. (2019, 16 août). Uganda invests $126M in CCTV with facial biometrics from Huawei. *Biometric Update*.  Cimino, V. (2021, 26 novembre). L'UNESCO adopte la première norme mondiale sur l'éthique de l'IA. *Siècle Digital*. Grother, P., Ngan, M., & Hanaoka, K. (2019). *Face recognition vendor test (FRVT) part 3: Demographic effects* (NISTIR 8280). National Institute of Standards and Technology. Hardesty, L. (2018, 11 février). Study finds gender and skin-type bias in commercial artificial-intelligence systems. *MIT News*. NBC News. (2023, août). *Detroit woman sues city after being falsely arrested while 8 months pregnant due to facial recognition technology*. Raji, I. D., & Buolamwini, J. (2019). Actionable auditing: Investigating the impact of publicly naming biased performance results of commercial AI products. Dans *Proceedings of the 2019 AAAI/ACM Conference on AI, Ethics, and Society (AIES '19)* (p. 429-435).  Royal Academy of Engineering. (2020, 3 septembre). *First woman to win the Africa Prize for Engineering Innovation*.  White, E. (2024, 28 juin). Detroit paying $300,000 to man wrongly accused of theft, making changes in use of facial technology. *Associated Press* (repris par ClickOnDetroit).  - [IA](https://letudiantafricain.com/blog-letudiant-africain/topic/ia?hsLang=fr) - [Articles](https://letudiantafricain.com/blog-letudiant-africain/topic/articles?hsLang=fr) - [Focus](https://letudiantafricain.com/blog-letudiant-africain/topic/focus?hsLang=fr) ### Submit Your Comment [![L'Etudiant Africain](https://letudiantafricain.com/hs-fs/hubfs/LogoEA-removebg-preview.png?width=120&height=120&name=LogoEA-removebg-preview.png "L'Etudiant Africain")](https://letudiantafricain.com?hsLang=fr) - [Symposium](https://letudiantafricain.com/fr/symposium?hsLang=fr) - [Newsletter](https://letudiantafricain.com/fr/newsletters?hsLang=fr) - [Publications](https://letudiantafricain.com/blog-l%C3%A9tudiant-africain/tag/publication?hsLang=fr) - [Contact](https://letudiantafricain.com/fr/nous-contacter?hsLang=fr) Copyright © L'Etudiant Africain - Lignan Consulting 2025. | [Mentions légales](https://letudiantafricain.com/blog-letudiant-africain/mentions-legales?hsLang=fr) ```json { "@context" : "https://schema.org", "@type" : "BlogPosting", "author" : { "@type" : "Person", "name" : "L’Étudiant Africain", "url" : "https://letudiantafricain.com/blog-letudiant-africain/author/la-rédaction-de-létudiant-africain" }, "dateModified" : "2026-11-07T03:08:47.161Z", "datePublished" : "2026-11-07T03:08:47.000Z", "headline" : "L'IA voit-elle mal les visages africains ?", "image" : [ "https://letudiantafricain.com/hubfs/AI-Generated%20Media/Images/Detroit%20Police%20Apprehension%20Outside%20Suburban%20Home.png" ], "mainEntityOfPage" : { "@id" : "https://letudiantafricain.com/blog-letudiant-africain/lia-voit-elle-mal-les-visages-africains", "@type" : "WebPage" }, "publisher" : { "@type" : "Organization", "logo" : { "@type" : "ImageObject", "url" : "https://letudiantafricain.com/hubfs/LogoEA-removebg-preview.png" } } } ```