Aller au contenu

Une société née d'un écart de chiffres

Nous développons et exploitons Lazao, un assistant d'intelligence artificielle pour le téléphone, qui s'encaisse en mobile money. Sainillar a été créée en 2026 pour le développer, le faire tourner et le vendre.

Pourquoi cette société existe

Nous avons commencé par lire un tableau. D'un côté, un continent qui a réglé son problème de paiement par le téléphone et fait transiter mille quatre cents milliards de dollars par an sur ce rail. De l'autre, une industrie de l'intelligence artificielle qui ne sait encaisser que par carte internationale, détenue par trois adultes sur cent.

Entre les deux, rien. Pas d'obstacle technique, pas de manque de demande : le Kenya est le premier pays au monde pour l'usage des assistants d'intelligence artificielle. Personne ne faisait le travail d'intégration, long et à recommencer dans chaque pays : un opérateur de mobile money et une fiscalité par pays, des langues absentes des jeux d'entraînement. Nous l'avons pris.

Le nom dit la même chose. Saina, l'intelligence ; pillar, le pilier. Nous n'entraînons pas les modèles. Nous développons le paiement, le routage, les langues et la supervision qui leur permettent d'arriver jusqu'à un téléphone à Kisumu ou à Antsirabe.

Ce que nous faisons

Nous développons du logiciel pour le téléphone. Une webapp installable, une app iOS, et un serveur qui diffuse les réponses en flux, encaisse en mobile money et met en page des documents Word, Excel et PowerPoint.

Nous faisons de la recherche appliquée en intelligence artificielle. Évaluer les modèles sur le swahili et le malgache, écrire le routage par demande, le repli entre fournisseurs, la détection de recherche web et le classement des demandes.

Nous mettons en relation. Les annonceurs et les régies sur l'offre gratuite, les acheteurs de données agrégées sous k-anonymat, les opérateurs de paiement de chaque pays.

Ce que nous rendons public sur la société

La forme juridique, le pays d'immatriculation et l'identité du dirigeant figurent dans les mentions légales, comme la loi l'exige. La société est financée sur fonds propres, sans investisseur extérieur. Nous ne communiquons pas au-delà : ni sur le capital, ni sur les discussions en cours, ni sur les personnes.

Ce que nous publions se vérifie : les modèles en service, les incidents et leur durée, les sous-traitants et ce que chacun voit, les pays ouverts. Le reste, capital, discussions en cours, personnes, reste privé.

Mission

Le monde s'accélère avec l'intelligence artificielle. Un continent entier ne peut pas la payer.

Les gens veulent s'en servir, et savent s'en servir. Ils ne peuvent pas payer, parce que l'abonnement exige une carte internationale et que le continent paie par téléphone. Tout ce que nous développons part de là.

Le compte progresse. La carte, non.

En dix ans, l'Afrique subsaharienne a réglé une grande partie de son problème d'inclusion financière. La part d'adultes disposant d'un compte est passée de 34 % en 2014 à 58 % en 2024. C'est une transformation considérable, et elle s'est faite presque entièrement en dehors des banques : par le téléphone.

Mais le monde de l'intelligence artificielle ne se vend pas par téléphone. Il se vend par abonnement, sur carte internationale. Et là, la courbe ne bouge pas : la détention de carte de débit est passée de 17,9 % à 22,2 % en dix ans, et la carte de crédit, celle qu'exigent la plupart des services d'abonnement, plafonne à 3,1 %.

Autrement dit : quatre-vingt-seize adultes sur cent en Afrique subsaharienne ne peuvent pas souscrire un abonnement d'intelligence artificielle, quand bien même ils en auraient l'usage, l'envie et l'argent. Ils ont l'argent sur leur téléphone et aucun moyen de le faire entrer dans un formulaire de carte bancaire.

3,1 %

des adultes d'Afrique subsaharienne possèdent une carte de crédit Banque mondiale, Global Findex 2025, données 2024

58,2 %

possèdent un compte, contre 34,2 % dix ans plus tôt Banque mondiale, Global Findex 2025, données 2024

22,2 %

possèdent une carte de débit, contre 17,9 % dix ans plus tôt Banque mondiale, Global Findex 2025, données 2024

40 %

utilisent le mobile money, un rail qui n'existait pratiquement pas en 2010 Banque mondiale, Global Findex 2025, données 2024

La demande, elle, est déjà là

Il serait facile de conclure que le marché n'existe pas. Les chiffres disent le contraire, et de manière assez spectaculaire pour qu'on s'y arrête.

En juillet 2025, le Kenya s'est classé premier pays au monde pour l'usage de ChatGPT rapporté aux internautes : 42,1 % des Kényans connectés de seize ans et plus déclaraient l'avoir utilisé dans les trente derniers jours. Devant les Émirats. Devant Israël. Plus du double des États-Unis, à 19,1 %.

Un pays où 4,4 % des adultes ont une carte de crédit est le premier utilisateur d'intelligence artificielle au monde, en proportion. Ce que ces 42 % utilisent, ils l'utilisent sans pouvoir payer. C'est ce que nous changeons.

Ce que le continent paie déjà, et comment

Le rail de paiement existe. Il est même, en volume, le premier du monde. Il n'est simplement pas celui que les entreprises d'intelligence artificielle acceptent.

1 400 Md$

transités par mobile money en Afrique subsaharienne en 2025, soit 66 % de la valeur mondiale GSMA, State of the Industry Report on Mobile Money 2026, données 2025

347 M

comptes mobile money actifs sur trente jours en Afrique subsaharienne, environ 60 % du total mondial GSMA, State of the Industry Report on Mobile Money 2026, données 2025

87,5 %

des adultes kényans utilisent le mobile money ; 4,4 % ont une carte de crédit Banque mondiale, Global Findex 2025, données 2024

moins de 1 %

de la capacité mondiale de centres de données se trouve en Afrique Forum économique mondial, 2025

Deux pays d'abord

Le même écart, partout, pas seulement au Kenya

Le Kenya est l'exemple le plus spectaculaire, mais il n'est pas une exception : sur tout le continent, le mobile money est massif et la carte de crédit reste marginale. C'est un motif continental, et c'est ce qui rend la réponse duplicable d'un pays à l'autre.

Madagascar occupe l'autre extrémité de l'échelle, avec un adulte sur quatre disposant d'un compte. C'est aussi pour cela qu'il ouvre en même temps : un service qui ne fonctionne qu'au Kenya n'aurait pas prouvé grand-chose.

Mobile money Carte de crédit
  • Kenya 87,5 % 4,4 %
  • Madagascar 19,4 % 1,1 %

Part des adultes, en %. Source : Banque mondiale, Global Findex 2025, données 2024.

Alors nous avons pris le travail que personne ne voulait

Il n'y avait pas de nouveau moyen de paiement à inventer, ni de carte à attendre. Nous avons développé l'intégration que personne ne faisait : M-Pesa et MVola en direct, un agrégateur pour les autres opérateurs, la TVA et la taxe numérique de chaque pays, et l'évaluation des modèles sur des langues absentes de leurs jeux d'entraînement.

Lent, répétitif, à refaire pays par pays. C'est précisément pour cela que c'était libre.

Nos quatre engagements de fond

Quatre règles, chacune écrite dans le code et chacune avec un coût que nous payons.

La langue de la question

Un assistant qui ne répond qu'en anglais et en français ne sert pas le continent, il sert sa frange déjà servie. Nos plateformes répondent dans la langue de la question quand le modèle en est capable, et nous faisons relire ces langues par des locuteurs natifs avant de les proposer. Une langue perd sa mention si la relecture échoue deux fois de suite.

La monnaie et le rail du pays

Le prix est affiché dans la monnaie locale, en montants ronds, et se règle par le moyen de paiement que la personne utilise déjà. Nous prenons à notre charge la commission de l'opérateur de mobile money, celle de l'agrégateur et les frais de change. Ce que vous voyez est ce qui est débité.

L'honnêteté de la facturation

Quand un modèle échoue ou qu'une requête n'aboutit pas techniquement, le quota n'est pas décompté. Cela paraît évident ; ce ne l'est pas, et c'est un coût réel pour nous, puisque l'appel au fournisseur, lui, nous est facturé. Nous l'assumons parce que faire payer un échec est la manière la plus rapide de perdre la confiance d'un utilisateur qui compte ses unités.

Le continent comme marché principal

Développé pour un téléphone Android d'entrée de gamme sur un réseau 3G : réponses diffusées en flux, pages légères, webapp installable sans magasin d'applications, quotas qui se libèrent sur 24 heures plutôt qu'à minuit.

Approche

Nous n'entraînons pas de modèle : nous les routons et nous les mesurons

Assembler question routage modèle A $$$ retenu modèle B $ retenu modèle C $$ retenu modèle D $ retenu Mesurer coût par réponse délai du premier mot marge par abonné Absorber prix affiché4 $ montant débité4 $ notre marge opérateur agrégateur change

Nous n'entraînons pas de modèle. Nous en faisons tourner plusieurs, de plusieurs laboratoires, derrière trois noms ; nous mesurons sur chaque réponse le coût facturé, la latence au premier token et le taux d'échec, et nous payons les commissions de paiement à votre place.

Pourquoi trois noms et un routage

Sur les questions de tous les jours, comprendre un texte, rédiger un message, traduire, résumer, un modèle bon marché répond aussi bien qu'un modèle beaucoup plus cher. Pour un service vendu quatre dollars par mois, payer le modèle cher là où personne ne verrait la différence finirait dans votre prix.

Alors Mwezi sert les questions courtes, Jua les devoirs, les contrats et le code, Nyota les raisonnements longs et les documents, et un classificateur décide à chaque demande. Nous relisons ce routage avec les mesures du mois : coût facturé par réponse et latence au premier token.

Sainillar n'est affiliée à aucun éditeur de modèles, n'est ni parrainée ni approuvée par eux ; les marques éventuellement citées appartiennent à leurs titulaires respectifs.

Ce que nous mesurons, en continu

Le coût réel par réponse

Pas une estimation moyenne : le coût facturé par le fournisseur pour chaque réponse, rapporté à l'utilisateur et à la journée. C'est ce chiffre qui décide quel modèle sert quel usage.

La latence au premier token

Sur un réseau irrégulier, une réponse parfaite qui met huit secondes à démarrer est une mauvaise réponse. Nous mesurons la latence au premier token de chaque réponse ; quand un modèle devient trop lent en médiane sur les questions courtes, nous le retirons du routage, et nous coupons le mode raisonnement partout où il n'améliore pas la réponse.

La marge par abonné

Le prix est fixe, l'usage ne l'est pas. Nous suivons la marge par abonné et par mois, et nous ajustons les quotas plutôt que le prix, parce qu'un prix qui bouge est un prix auquel on ne fait plus confiance.

Le repli entre fournisseurs

Chaque nom de modèle cache plusieurs moteurs chez plusieurs fournisseurs. Au premier délai dépassé, la demande repart chez le suivant, et nous routons vers l'hébergeur le plus rapide mesuré sur la journée. Vous voyez une réponse, pas une erreur.

Ce que nous absorbons, et ce que nous ne pouvons pas absorber

Le prix affiché sur nos plateformes est le montant qui sera débité. Nous prenons à notre charge la commission de l'opérateur de mobile money, celle de l'agrégateur de paiement et les frais de change entre la monnaie locale et notre devise de facturation. Le tarif est le même partout et converti dans chaque monnaie en montants ronds, pour que le prix reste lisible et mémorisable.

Ce que nous ne contrôlons pas, en revanche, c'est ce que votre propre opérateur ou votre banque vous facture de son côté : frais de retrait chez un agent, frais de tenue de compte, marge de change appliquée par votre banque sur une carte. Ces montants relèvent de votre contrat avec eux et nous n'avons aucun moyen d'y toucher.

Nous préférons l'écrire ici, dans le même paragraphe et dans le même corps de texte que la promesse, plutôt que dans une astérisque en bas de page.

Ce qui tourne tout seul

Un tableau de bord interne réunit la trésorerie, le coût par réponse et par pays, les quotas, les abus et les alertes.

La revue de sécurité s'exécute après chaque déploiement, les rapports d'usage se produisent seuls, le repli entre fournisseurs bascule seul. Ce qui reste à la main : les décisions, les langues, les gens.