Qui contrôlera les données des forêts gabonaises ? Entre communautés locales, intelligence artificielle et souveraineté informationnelle

L’IA, nouvel enjeu de gouvernance environnementale. La transformation numérique des sociétés africaines ne concerne plus uniquement les administrations, les entreprises ou les espaces urbains. Elle atteint également les territoires ruraux et forestiers. Au Gabon, la transformation numérique se heurte à un territoire majoritairement forestier et à des politiques publiques confrontées à plusieurs défis : la conservation de la biodiversité, la surveillance des espaces, la lutte contre les activités illicites et la participation des communautés locales.

L’approche fondée sur la seule disponibilité technique demeure toutefois insuffisante. Ben Youssef (Ben Youssef, 2004, pp. 184-188)  distingue plusieurs dimensions de la fracture numérique : l’accès aux équipements, les usages, l’efficacité des usages et les capacités d’apprentissage . Cette lecture demeure pertinente à l’âge de l’IA. En effet, l’accès à une infrastructure ne garantit ni la maîtrise des données ni la capacité d’influencer les systèmes qui les interprètent. Dans le cas gabonais, nous avons déjà montré  (Moussavou Ndjimbit, 2024, pp. 1-3) que l’IA peut constituer une nouvelle étape de la fracture numérique lorsqu’elle se superpose aux inégalités d’équipement, de compétences et d’infrastructures .

La question ne consiste plus seulement à savoir si les communautés locales utilisent le numérique. Elle porte également sur leur participation à la production de données et à l’interprétation algorithmique. Les recherches  (Carroll et al., 2020, pp. 1-4) sur la souveraineté des données autochtones rappellent précisément que les données constituent des ressources de pouvoir et que leur ouverture ne garantit pas, à elle seule, un partage équitable des bénéfices

Cet article interroge ainsi les conditions d’une intelligence artificielle environnementale compatible avec la participation communautaire. À partir de résultats doctoraux recueillis au Gabon, il propose de relier les usages numériques déjà observés à une perspective de souveraineté informationnelle et de médiation algorithmique environnementale.

Revue de littérature : usages, appropriation et souveraineté informationnelle

La sociologie des usages permet d’éviter une lecture déterministe de l’innovation. Jouët (2000, pp. 497-503) montre que les usages des technologies de communication se construisent dans l’articulation entre dispositifs techniques, pratiques sociales et processus d’appropriation . L’utilisateur n’est donc pas un simple récepteur de fonctions prescrites  en ce sens qu’il ajuste, détourne ou réorganise les dispositifs en fonction de ses besoins et de son environnement social.

Cette perspective rejoint l’approche sociotechnique de l’innovation développée par Flichy (2003, pp. 15-22) . L’innovation ne peut être comprise en séparant radicalement la technique de la société : elle résulte d’ajustements entre cadres de fonctionnement, représentations et acteurs . Dans les territoires forestiers, un smartphone conçu pour communiquer peut ainsi devenir un outil de signalement, de géolocalisation ou de documentation environnementale.

La gouvernance des communs apporte un deuxième niveau d’analyse. Ostrom (1990, pp. 88-102) souligne que la gestion durable d’une ressource commune dépend notamment de règles adaptées au contexte local, de la participation des usagers et de mécanismes de surveillance reconnus par le groupe . Cette approche éclaire la situation des forêts communautaires gabonaises. Une étude récente (Medzey Me Sima, Bélanger, & Khasa, 2026, pp. 14-16). montre que leur viabilité dépend fortement de l’appropriation locale de la gouvernance, de l’implication des communautés et de l’accompagnement institutionnel

Un troisième apport porte sur la souveraineté des données. Les principes CARE (Carroll et al., 2020, pp. 4-8) dépassent la simple circulation des données. Ils privilégient les droits, les finalités et les bénéfices collectifs liés à leur usage . Cette perspective est particulièrement importante lorsque l’IA exploite des informations territoriales, culturelles ou environnementales provenant de communautés locales. Les travaux récents sur l’IA et les épistémologies autochtones renforcent cette exigence. Lewis, Whaanga et Yolgörmez (2025, pp. 2143-2148) montrent d’ailleurs que les conceptions dominantes de l’IA peuvent reproduire des hiérarchies épistémiques lorsqu’elles réduisent l’intelligence à des catégories techniques occidentales . Une gouvernance pluraliste de l’IA suppose donc de reconnaître plusieurs régimes de connaissance et plusieurs manières de qualifier les relations entre les humains, les territoires et les non-humains.

Cadre théorique

Le cadre théorique articule trois entrées complémentaires pour analyser le passage des usages numériques communautaires à une gouvernance environnementale médiée par l’intelligence artificielle.

La première relève de la sociologie des usages et de l’appropriation. Chez Jouët, l’usage ne se réduit ni à l’accès à l’outil ni à l’exécution d’une fonction prescrite. Il résulte d’une construction sociale dans laquelle les acteurs ajustent les dispositifs à leurs pratiques, contraintes et représentations (Jouët, 2000, pp. 497-503, 509-515).  Flichy (2003, pp. 15-22) complète cette perspective par une approche sociotechnique de l’innovation : les propriétés d’un dispositif prennent sens dans les ajustements entre les cadres techniques, les représentations et les acteurs . Cette entrée permet d’interpréter le smartphone, le GPS ou les plateformes non pas comme de simples équipements, mais comme des dispositifs appropriés pour alerter, documenter, coordonner et rendre visibles des atteintes aux écosystèmes.

La deuxième entrée mobilise la théorie de la gouvernance des biens communs d’Elinor Ostrom (1990, pp. 88-102) . Sa spécificité consiste à dépasser l’opposition entre une gestion exclusivement étatique et une régulation exclusivement marchande. La durabilité d’une ressource commune dépend de règles adaptées au contexte, de la participation des usagers, de mécanismes de surveillance reconnus et de capacités locales d’organisation . Appliquée aux forêts gabonaises, cette théorie conduit à considérer les communautés comme des acteurs de la gouvernance et non pas comme de simples bénéficiaires des politiques de conservation. Elle fournit également une base pour concevoir une gouvernance polycentrique des données environnementales, dans laquelle plusieurs centres de décision peuvent coopérer sans compromettre l’autonomie des acteurs locaux.

La troisième entrée porte sur la souveraineté informationnelle et la gouvernance des données. Les principes CARE (Carroll et al., 2020, pp. 4-10) déplacent l’analyse de la seule ouverture des données vers les conditions politiques et éthiques de son utilisation : bénéfice collectif, autorité de contrôle, responsabilité et éthique. Leur spécificité est de poser la question du pouvoir sur la donnée : qui la produit, qui la conserve, qui l’interprète, qui en autorise la réutilisation et qui en bénéficie. Cette grille est centrale pour l’étude de l’IA environnementale, car la capacité algorithmique peut renforcer une asymétrie lorsque les communautés fournissent les observations tandis que les infrastructures, les modèles et les catégories d’interprétation restent contrôlés par des acteurs extérieurs. Ces trois perspectives sont articulées dans l’étude selon une logique multiniveau. La sociologie des usages éclaire le niveau micro des pratiques et des appropriations. La gouvernance des communs analyse le niveau méso des règles, des collectifs et des arrangements institutionnels. La souveraineté informationnelle examine le niveau macro des rapports de pouvoir associés aux données, aux infrastructures et aux systèmes d’IA. Cette articulation permet de relier les « usages numériques environnementaux primaux » observés empiriquement à la « médiation algorithmique environnementale » proposée dans l’article.  Elle permet surtout d’évaluer si l’IA renforce la capacité d’agir des communautés ou transforme leurs savoirs et leurs territoires en ressources informationnelles dépendantes.

Le cadre théorique conduit ainsi à retenir quatre dimensions d’analyse : l’appropriation des dispositifs, la participation à la production des données, l’autorité sur leur traitement et la capacité d’intervenir dans la prise de décision. Ces dimensions structurent l’interprétation des résultats et la comparaison des modèles de gouvernance présentés plus loin. Elles permettent de distinguer une innovation simplement instrumentale d’une innovation sociotechnique compatible avec la participation communautaire, la justice cognitive et la souveraineté informationnelle.

Méthodologie et ancrage empirique

L’analyse s’appuie sur une enquête doctorale menée dans quatre provinces gabonaises : l’Estuaire, la Ngounié, l’Ogooué-Ivindo et le Woleu-Ntem. Elle associe questionnaire, observations de terrain et entretiens semi-directifs dans une démarche ethnographique en sciences de l’information et de la communication (Moussavou Ndjimbit, 2026, pp. 149-152). La collecte principale s’est déroulée du 4 juillet 2021 au 2 janvier 2022, puis l’analyse a été approfondie jusqu’en 2025. Parmi les 500 personnes enregistrées, 467 ont rempli le questionnaire dans son intégralité (Moussavou Ndjimbit, 2026, pp. 252-253). Dans l’Ogooué-Ivindo, l’analyse mobilisée ici porte sur 190 foyers. Pour la question relative aux équipements mobilisés, plusieurs réponses étaient possibles, ce qui explique que les pourcentages cumulés puissent dépasser 100 %. Dans l’Ogooué-Ivindo (n = 190 foyers), 60 % des répondants citent le smartphone pour recevoir, partager et diffuser des informations relatives à la gestion forestière. Le PC portable est cité à 27 %, l’ordinateur fixe à 14 %, le GPS à 10 % et la tablette à 4 % (Moussavou Ndjimbit, 2026, p. 283). Cette question autorisait plusieurs réponses. Parmi les plateformes principalement utilisées, Facebook représente 34 % des foyers, WhatsApp 27 %, TikTok 14 %, YouTube 10 %, Instagram 7 % et X 6 % (Moussavou Ndjimbit, 2026, p. 287). Ces résultats montrent que les DISTIC soutiennent déjà la circulation de l’information et la coordination communautaire. Cette démarche s’inscrit dans une ethnographie des usages attentive aux pratiques situées. Elle ne cherche pas à mesurer une diffusion abstraite de la technologie, mais à comprendre comment des objets ordinaires acquièrent une fonction environnementale dans des contextes locaux précis.

Des usages numériques environnementaux « primaux »

Les observations montrent que les dispositifs numériques acquièrent des fonctions environnementales au contact des pratiques locales. Les communautés produisent des vidéos, diffusent des images et utilisent les plateformes pour sensibiliser ou dénoncer des atteintes aux forêts. Ces pratiques prolongent, dans l’espace numérique, des relations socioculturelles déjà établies avec les territoires forestiers (Moussavou Ndjimbit, 2026, pp. 409-410). Nous qualifions ces pratiques d’« usages numériques environnementaux primaires ». Le concept est issu de manière inductive des données empiriques et de la théorie ancrée (Moussavou Ndjimbit, 2026, pp. 402, 408-409). Il désigne des usages fondamentaux et spontanés mobilisés pour surveiller, informer et préserver les ressources forestières. Le qualificatif « primal » renvoie ici à ce qui est originel ou essentiel, sans désigner une caractéristique biologique des populations. Cette notion prolonge la sociologie des usages en mettant l’accent sur la dimension environnementale de l’appropriation. Comme l’indique Jouët, l’usage se stabilise dans une relation entre les contraintes techniques et la construction sociale des pratiques (Jouët, 2000, pp. 509-515). Dans les terrains étudiés, le téléphone mobile devient ainsi un intermédiaire entre l’expérience territoriale, la mémoire sociale et la circulation de l’information. Cette transformation possède également une dimension politique. Les outils numériques peuvent accroître la visibilité d’événements auparavant confinés à l’espace local et permettre la circulation de preuves auprès d’administrations, d’ONG ou d’autres communautés.

Dans nos travaux antérieurs sur les DISTIC en zones rurales gabonaises, cette articulation entre dispositifs, engagement et justice environnementale apparaissait déjà comme un enjeu central de l’appropriation numérique (Moussavou Ndjimbit, 2023, pp. 273-280). Ces usages constituent une infrastructure sociale préalable à l’IA. Une politique publique qui introduirait des modèles algorithmiques sans reconnaître cette infrastructure risquerait de considérer les communautés comme de simples sources de données plutôt que comme des acteurs de la connaissance.

De la donnée communautaire à la médiation algorithmique environnementale

L’IA modifie l’échelle du traitement de l’information environnementale. Des images, localisations ou observations peuvent désormais être croisées avec des données satellitaires, des pièges photographiques ou des systèmes de classification automatisée. Le CIRAD (2023) souligne d’ailleurs l’importance des partenariats durables autour des données pour la gestion des forêts tropicales et la consolidation de dispositifs de suivi à long terme . Le passage à l’IA ne doit pourtant pas être présenté comme une simple augmentation de la capacité technique. Chaque chaîne algorithmique comporte des choix : quelles données recueillir, quelles catégories retenir, quels phénomènes rendre visibles et quels acteurs autoriser à interpréter les résultats. Carroll et al.(2020, pp. 6-9)  rappellent que la gouvernance des données doit intégrer l’autorité à contrôler, la responsabilité et le bénéfice collectif . Nous proposons donc un modèle de « médiation algorithmique environnementale » organisé en cinq opérations : observer localement ; documenter numériquement ; analyser algorithmiquement ; interpréter collectivement ; décider territorialement. L’algorithme n’y constitue pas l’autorité finale. Il intervient en tant que médiateur au sein d’une chaîne de connaissances hétérogènes. Ce modèle s’inscrit dans les travaux qui plaident en faveur d’une articulation entre l’IA et les savoirs situés. González González ( 2026, pp. 1-6) souligne que l’IA environnementale gagne en pertinence lorsque les savoirs autochtones et locaux ne sont pas réduits à des données auxiliaires, mais intégrés aux processus de décision et de résilience climatique . De même, Ray et Ray (2026, pp. 1-7) insistent sur la nécessité d’élargir les cadres éthiques de l’IA afin d’intégrer des conceptions relationnelles de la responsabilité et de la connaissance. La médiation algorithmique environnementale implique ainsi une double traduction. La première transforme une observation locale en une donnée exploitable. La seconde restitue le résultat algorithmique dans un langage socialement interprétable. Sans cette seconde traduction, l’IA peut produire de la précision technique tout en créant une distance politique entre les populations et les décisions qui concernent leurs territoires.

Le risque d’une nouvelle dépendance informationnelle

La numérisation environnementale peut reproduire une division asymétrique du travail informationnel. Les communautés produiraient les photographies, les coordonnées et les observations. En revanche, les infrastructures, les modèles et les bases de données demeureraient sous le contrôle d’organisations extérieures. Cette situation prolongerait la fracture numérique sous une nouvelle forme. Ben Youssef (2004, pp. 194-203) montre déjà que les inégalités numériques ne se réduisent pas à l’accès matériel, mais concernent aussi l’usage efficace et les apprentissages . Avec l’IA, une dimension supplémentaire apparaît : la capacité à gouverner les données et à contester les catégories produites par les systèmes. Les principes CARE fournissent ici un cadre d’analyse particulièrement pertinent. Le bénéfice collectif suppose que la valeur produite à partir des données profite également aux communautés qui contribuent à sa production. L’autorité de contrôle implique qu’elle dispose d’un véritable pouvoir décisionnel sur la collecte, l’utilisation et le partage de ses données. La responsabilité engage  (Carroll et al., 2020, pp. 6-10) les institutions et les acteurs qui en assurent le traitement, tandis que l’éthique impose de prendre en compte les conséquences sociales, culturelles et politiques liées à leur exploitation . Les recherches sur la gouvernance de l’IA vont dans le même sens. Kavanagh (2026, pp. 1-8) défend une gouvernance pluraliste dans laquelle les peuples concernés participent durablement à la définition des institutions et des normes de l’IA, plutôt qu’à une consultation ponctuelle . Prehn et al. (2026, pp. 1-6) relient également l’équité des bénéfices de l’IA à la souveraineté des données et à la capacité des peuples à gouverner les systèmes qui utilisent leurs données .

Ces dépendances comportent des risques concrets : perte de maîtrise sur des données sensibles, verrouillage technologique, opacité des modèles, asymétrie contractuelle, réutilisation non consentie des données et affaiblissement de l’autonomie institutionnelle. Elles peuvent aussi déplacer l’autorité épistémique vers les acteurs capables de calculer, au détriment de ceux qui connaissent les territoires. La souveraineté informationnelle ne signifie donc pas l’autarcie numérique. Elle suppose des capacités de négociation, d’hébergement, d’audit, de réversibilité et de partage des bénéfices. La dépendance informationnelle peut prendre au moins quatre formes. La première est infrastructurelle lorsque l’hébergement, le calcul, les logiciels ou la connectivité dépendent de prestataires externes.

La deuxième est cognitive lorsque les catégories d’analyse et les modèles sont conçus en dehors des territoires, ce qui rend certains savoirs locaux peu visibles. La troisième est économique lorsque la valeur issue des données est captée par les opérateurs qui possèdent les plateformes, les modèles ou les capacités de traitement. La quatrième est décisionnelle lorsque les communautés ne peuvent ni auditer les résultats, ni corriger les classifications, ni peser sur les décisions prises à partir de leurs propres observations. Pour le Gabon, la souveraineté informationnelle environnementale peut ainsi être définie comme la capacité des communautés et des institutions nationales à participer à la production, au contrôle, à l’interprétation et à la définition de la finalité des données relatives aux territoires forestiers.

Modèles de gouvernance des données et de l’IA environnementale

Quatre modèles peuvent être distingués. Dans le modèle extractif, les données sont collectées localement mais contrôlées et valorisées à l’extérieur. Dans le modèle étatique centralisé, l’administration nationale contrôle les infrastructures et les décisions, tandis que la participation communautaire reste limitée. Dans le modèle partenarial, l’État, les chercheurs, les ONG et les communautés partagent certaines fonctions, mais l’équilibre dépend des règles d’accès, de propriété et de restitution. Enfin, le modèle communautaire ou polycentrique répartit les pouvoirs décisionnels entre plusieurs niveaux et reconnaît aux communautés une autorité effective sur les données relevant de leurs territoires. Cette dernière logique rejoint les principes de gouvernance des communs d’Ostrom (1990, pp. 88-102) ainsi que l’autorité de contrôle exercée par CARE (Carroll et al., 2020, pp. 6-10).

Trois scénarios prospectifs pour le Gabon et le bassin du Congo

Le premier scénario prolonge le modèle extractif et correspondrait à une IA extractive. Les territoires fournissent des données, mais les infrastructures de calcul, les catégories et la valorisation restent extérieures. Ce scénario accroît la visibilité écologique tout en maintenant une dépendance informationnelle.

Le deuxième scénario correspond au modèle étatique centralisé et serait celui d’une IA institutionnelle centralisée. L’État renforce ses capacités de surveillance et de traitement, mais les communautés demeurent principalement des informateurs ou des bénéficiaires. Ce modèle peut améliorer l’efficacité administrative sans garantir une véritable coproduction des connaissances.

Le troisième scénario privilégie une gouvernance partenariale et polycentrique fondée sur une IA environnementale participative. Les populations contribuent à définir les indicateurs, disposent d’un droit de regard sur les données, participent à leur interprétation et bénéficient des résultats produits. Les expériences internationales de community-based monitoring (Argyriou, Brofeldt, & Theilade, 2026, pp. 7-15) montrent que les outils numériques deviennent plus pertinents lorsqu’ils soutiennent l’agence locale plutôt que de la remplacer . Ce troisième scénario correspond le mieux aux pratiques observées sur le terrain gabonais. Les communautés utilisent déjà des smartphones, des GPS et des plateformes numériques dans leurs activités de coordination. Dans l’Ogooué-Ivindo, ces dispositifs servent au partage d’informations et au suivi des ressources forestières (Moussavou Ndjimbit, 2026, pp. 283-285). Une architecture participative pourrait désormais articuler ces pratiques aux données satellitaires et aux outils d’IA. Une telle architecture suppose cinq garanties. Elles concernent le consentement, la transparence, la gouvernance partagée, les savoirs locaux et la restitution des résultats. Ces garanties ne ralentissent pas l’innovation ; elles en conditionnent la légitimité et la durabilité.

Discussion : de l’innovation technique à la justice cognitive

L’enjeu principal n’est finalement pas de choisir entre les savoirs locaux et l’intelligence artificielle. Il consiste à organiser leur rencontre sans que l’un ne soit absorbé par l’autre. L’IA peut détecter rapidement des régularités dans de grands volumes de données ; les habitants disposent, quant à eux, d’une connaissance située des rythmes, des usages et des significations du territoire. Les travaux de Lewis et al. (2025, pp. 2149-2154) invitent précisément à replacer l’IA dans un univers plus large d’intelligences et de relations, plutôt qu’à la considérer comme l’étalon unique de la connaissance ). Cette orientation permet d’éviter une hiérarchie automatique entre la connaissance calculée et la connaissance vécue. Elle rejoint également la logique des communs. Chez Ostrom, la durabilité dépend moins d’un contrôle extérieur absolu que de la capacité des acteurs à élaborer des règles adaptées et légitimes (1990, pp. 90-102). Dans les forêts communautaires gabonaises, Medzey Me Sima et al. (2026, pp. 14-16) montrent que la faible appropriation locale fragilise précisément les dispositifs de gouvernance . La médiation algorithmique environnementale proposée ici doit donc être comprise comme un cadre sociotechnique de négociation. Elle ne remplace ni les institutions publiques ni l’expertise scientifique. Elle cherche à rendre visibles les conditions sociales par lesquelles une donnée devient une connaissance légitime et une connaissance devient une décision. Cette perspective transforme également la notion de souveraineté. Il ne s’agit ni de fermer les données ni de refuser les coopérations scientifiques internationales. Il s’agit de garantir une réelle capacité de négociation sur ce qui est collecté, conservé, modélisé, partagé et transformé en action publique.

En conclusion, l’intelligence artificielle ouvre de nouvelles perspectives pour la surveillance des écosystèmes, l’identification des pressions environnementales et la coordination des acteurs. Son intérêt stratégique pour le Gabon et le bassin du Congo ne peut cependant être évalué uniquement sur la base de la performance technique. Les résultats doctoraux montrent que les communautés développent déjà des appropriations environnementales du numérique. Ces pratiques s’enracinent dans des relations territoriales, écospirituelles, ombilicales et ancestrales avec la forêt. Elles font des technologies des médiateurs contemporains d’attachements socioculturels préexistants . Les usages numériques environnementaux primaux constituent ainsi une base sociale pour des dispositifs d’IA plus avancés. L’enjeu est dès lors de savoir qui transforme l’observation en donnée, la donnée en connaissance et la connaissance en décision. Une IA environnementale durable doit reconnaître les communautés comme coproductrices de l’intelligence territoriale et non comme simples fournisseurs d’informations. La médiation algorithmique environnementale proposée s’articule autour de cinq moments : l’observation locale, la documentation numérique, l’analyse algorithmique, l’interprétation collective et la décision territoriale. Elle fournit un cadre pour penser une IA participative, contextualisée et compatible avec la souveraineté informationnelle. Pour le Gabon, cette orientation permettrait de relier l’innovation technologique, la gouvernance forestière et la justice cognitive. Le défi n’est donc pas seulement de déployer l’IA dans les territoires forestiers, mais de construire les institutions capables d’en partager les connaissances, les responsabilités et les bénéfices.