TECNO a introduit une nouvelle approche de l’intelligence artificielle adaptée à l’Afrique, en mettant l’accent sur une IA localisée qui répond aux défis uniques d’infrastructure du continent. Contrairement aux modèles mondiaux qui dépendent fortement de la connectivité cloud, l’architecture axée sur le périphérique de TECNO exécute des tâches telles que le traitement d’image et la reconnaissance vocale directement sur l’appareil. Cette stratégie répond aux coûts élevés des données mobiles et à la connectivité peu fiable dans de nombreuses régions de l’Afrique subsaharienne.
Pour rendre l’IA accessible sur des appareils abordables, TECNO utilise des modèles compacts avec 0,5 à 2 milliards de paramètres sur des chipsets largement utilisés. L’entreprise a également développé des ensembles de données linguistiques propriétaires pour soutenir les langues africaines comme le swahili et le haoussa, en abordant spécifiquement la pratique courante du code-switching, qui pose souvent des problèmes aux modèles multilingues.
De plus, TECNO a introduit la “Technologie de Tonalité Universelle”, une fonctionnalité qui corrige les biais dans les appareils photo des smartphones en assurant des portraits précis à travers diverses teintes de peau et conditions d’éclairage, souvent négligées dans les ensembles de données mondiaux.
Le rapport met en évidence trois domaines où les outils d’IA de TECNO pourraient avoir des avantages socio-économiques significatifs : améliorer la productivité des petites entreprises avec des outils intégrés à M-PESA, améliorer l’apprentissage des étudiants grâce à l’assistant Ella AI, et fournir un soutien de santé à distance avec des diagnostics guidés par la voix et sensibles aux teintes de peau.
Alors que les vendeurs de smartphones en Afrique subsaharienne font face à une pression croissante pour innover au-delà des prix, TECNO se positionne en mettant l’accent sur la localisation et la compréhension culturelle plutôt que sur la puissance de traitement brute, établissant une nouvelle norme compétitive sur des marchés que les entreprises mondiales d’IA n’ont pas encore pleinement explorés.
