Chaque dirigeant algérien a déjà entendu l'argumentaire IA. Les diapositives sont identiques — la même promesse d'IA générative, le même discours de « transformation », le même prestataire sans aucune référence en production dans le pays. Après dix-huit mois à construire de vrais systèmes pour de vrais clients à Alger, Oran, Constantine et Sétif, nous avons une vision plus claire de ce qui marche en IA sur le marché algérien — et de ce qui ne marche toujours pas.
Cette étude est la version sans concession. Pas de hype, pas de name-dropping, pas de slide de cabinet de conseil. Cinq cas d'usage que nous avons livrés et observés en production depuis au moins six mois — et cinq que nous avons explicitement refusés quand un client nous les a demandés.
Les cinq qui livrent
Les cas d'usage qui fonctionnent en Algérie aujourd'hui partagent trois caractéristiques : ils s'appuient sur des données opérationnelles existantes, ils remplacent une tâche déjà manuelle et coûteuse, et ils survivent à une coupure de courant. Tout ce qui exige une connectivité parfaite, des données parfaites ou une adoption utilisateur parfaite meurt en pilote.
L'intelligence documentaire — factures, déclarations en douane, dossiers médicaux, contrats — est le grand gagnant. L'OCR arabe et français avec extraction structurée fonctionne suffisamment bien pour que les entreprises y déplacent des workflows entiers de back-office. Le ROI est visible dès le premier mois car l'alternative est une armée d'employés administratifs.
La prévision et l'optimisation des stocks forment le deuxième pôle. Les distributeurs et détaillants algériens fonctionnent avec des marges serrées et des ruptures chroniques. Un modèle entraîné sur deux ans d'historique de ventes bat à chaque fois la planification sur tableur, et le coût d'intégration est minime comparé à l'amélioration de la trésorerie.
Où passe la ligne
Le partage entre ce qui fonctionne et ce qui ne fonctionne pas n'est pas technique — il est opérationnel. L'IA en production échoue en Algérie pour les mêmes raisons que tout logiciel échoue en production : mauvaises données, pas de propriétaire clair, et aucun plan pour le lendemain du lancement.
Les cinq que nous refusons
Nous refusons les missions dont nous savons qu'elles ne survivront pas au contact du réel. Les agents conversationnels de bout en bout remplaçant le support client humain en sont le premier exemple. La darija et le code-switching algérien sont difficiles, et les conséquences d'une erreur sur une question de facturation sont réelles. Nous construisons à la place des assistants plus étroits — un bot capable de lire une facture et de la router, pas un bot qui prétend être une personne.
La deuxième catégorie est « l'analytique prédictive » vendue sans métrique cible. Si un client ne peut pas nous dire quelle décision la prédiction va changer, le projet mourra en production peu importe la qualité du modèle. Le modèle est la partie facile.
La troisième est tout ce qui dépend d'une intégration avec un système ministériel hérité sans API ni documentation. Nous avons appris à cadrer ces missions comme des projets d'extraction de données d'abord, et des projets IA ensuite.
L'IA industrielle est l'histoire sous-estimée
Le bruit médiatique parle d'IA générative et de chatbots. Le vrai chiffre d'affaires sur le marché algérien se trouve dans la vision par ordinateur sur les chaînes de production et la maintenance prédictive des machines industrielles. Cimenteries, lignes agroalimentaires, équipements pétroliers et gaziers — l'unité de valeur ici se mesure en heures d'arrêt non planifié évitées, pas en tokens générés.
Ces projets sont plus discrets, moins médiatiques, plus difficiles à vendre. Ils ont aussi le ROI le plus net que nous ayons vu et les durées contractuelles les plus longues.
Que faire dans les douze prochains mois
Si vous dirigez une entreprise algérienne de taille moyenne et n'avez pas encore commencé : choisissez un goulet d'étranglement qui vous coûte plus de cinq millions de dinars par an et qui est actuellement résolu par des humains effectuant un travail documentaire répétitif. Commencez là. Ne commencez pas par un chatbot. Ne commencez pas par l'IA générative comme catégorie. Commencez par un workflow coûteux et répétitif.
Si vous avez déjà commencé et que vous avez un pilote en panne : le problème n'est presque jamais le modèle. C'est l'intégration, la qualité des données, ou l'absence d'un propriétaire unique et responsable. Auditez ces trois points avant de remplacer le modèle.