AgriTech : l'IA au service de l'agriculture sénégalaise

L'agriculture fait vivre une majorité de familles sénégalaises, du bassin arachidier aux rizières de la vallée du fleuve, des vergers de Casamance aux maraîchers des Niayes. Elle affronte pourtant des pluies de plus en plus capricieuses, des marchés opaques et un accès au crédit qui reste l'exception. L'intelligence artificielle ne fera pas pleuvoir — mais bien employée, elle peut aider à semer au bon moment, soigner une culture à temps, vendre au juste prix. À condition de partir des réalités du champ, pas des promesses du laboratoire.

Semer au bon moment quand le ciel ne prévient plus

Au Sahel, la question n'est plus seulement « combien de pluie », mais « quand, où, et pendant combien de temps ». Les saisons démarrent en retard, s'interrompent brutalement, se concentrent en épisodes violents. Pour un producteur d'arachide ou de mil du bassin arachidier, semer une semaine trop tôt peut signifier perdre sa semence ; semer trop tard, raccourcir dangereusement le cycle de la plante.

C'est précisément le type de problème où l'apprentissage automatique excelle : croiser des décennies d'historiques pluviométriques, des images satellitaires et des modèles climatiques pour produire des prévisions localisées et, surtout, des conseils actionnables — fenêtre de semis probable, choix de variétés à cycle court, alerte en cas de pause pluviométrique. La valeur n'est pas dans la prévision brute, que les services météorologiques produisent déjà, mais dans sa traduction en décision concrète, envoyée au bon moment, dans un format que le producteur comprend.

Le smartphone comme agent de santé des plantes

Deuxième cas d'usage, déjà éprouvé ailleurs sur le continent : la détection de maladies et de ravageurs par simple photo. Un plant de tomate des Niayes qui jaunit, une tache suspecte sur une feuille de riz à Podor, des chenilles sur le maïs — un modèle de vision par ordinateur entraîné sur des images de cultures peut proposer un diagnostic en quelques secondes et orienter vers un traitement adapté, là où l'agent de vulgarisation le plus proche est parfois à des dizaines de kilomètres.

Soyons précis sur ce que cela vaut : un tel outil ne remplace pas l'agronome. Il trie, il alerte, il accélère. Son intérêt réel dépend de la qualité des images d'entraînement — d'où l'importance de constituer des jeux de données sur nos variétés, nos maladies, nos conditions de lumière et de sol, plutôt que d'importer des modèles calibrés sur des serres européennes.

Irriguer juste : la vallée du fleuve et les Niayes en première ligne

Dans les périmètres irrigués de la vallée du fleuve Sénégal comme dans la zone maraîchère des Niayes, l'eau est à la fois la richesse et le poste de coût qui étrangle. Pomper trop, c'est brûler du gasoil ou de l'électricité pour rien, et parfois saliniser les sols ; pomper trop peu, c'est sacrifier le rendement. Des capteurs d'humidité couplés à des modèles prédictifs permettent de piloter l'irrigation au plus près des besoins réels de la plante, parcelle par parcelle.

La contrainte est brutale et il faut la nommer : les capteurs coûtent cher, se dégradent vite en conditions réelles, et leur maintenance suppose des compétences rares en zone rurale. La piste la plus réaliste n'est pas l'équipement individuel de chaque exploitation, mais la mutualisation — un périmètre irrigué, une coopérative, une station de pompage instrumentée pour tous. C'est moins spectaculaire qu'un drone par paysan ; c'est infiniment plus viable.

« La bonne question n'est pas "que peut faire l'IA pour l'agriculture ?" mais "de quelle information le producteur a-t-il besoin, cette semaine, pour décider ?" »

Marchés, crédit, assurance : réparer l'asymétrie d'information

Un producteur d'oignons des Niayes qui ignore les prix pratiqués à Dakar, Touba ou Thiès négocie à l'aveugle face à un intermédiaire qui, lui, sait. Des systèmes d'information sur les prix des marchés, alimentés en temps quasi réel et diffusés par SMS ou message vocal, rééquilibrent ce rapport de force. L'IA y ajoute une couche utile : détecter les anomalies, anticiper les tensions saisonnières, aider les coopératives à décider quand stocker et quand vendre.

Même logique pour le financement. Si les banques prêtent si peu aux agriculteurs, c'est en grande partie faute d'information : pas d'historique, pas de garantie, pas de moyen d'évaluer le risque. Les données satellitaires changent la donne : en observant l'état réel des parcelles saison après saison, on peut construire un scoring de crédit agricole et des assurances indicielles qui indemnisent automatiquement lorsqu'un déficit de pluie ou de végétation est constaté depuis l'espace — sans expertise coûteuse sur le terrain. Ces mécanismes existent, ils se déploient sur le continent ; l'enjeu pour le Sénégal est de les encadrer pour qu'ils protègent réellement le producteur, y compris contre des indices mal calibrés.

Les obstacles qu'aucun algorithme ne contourne

Tout ce qui précède se heurte à quatre murs bien réels. La connectivité d'abord : hors des grands axes, la couverture réseau reste inégale, et une application qui exige la 4G exclut précisément ceux qu'elle prétend servir — d'où l'intérêt des solutions qui fonctionnent par SMS, en mode déconnecté ou via des modèles embarqués sur le téléphone. Le coût ensuite : capteurs, smartphones, données mobiles pèsent lourd sur des trésoreries déjà tendues. La langue et l'oralité, surtout : une interface en français écrit laisse de côté une grande partie du monde rural ; les interfaces vocales en wolof, en pulaar ou en sérère ne sont pas un gadget, elles sont la condition d'accès — et un chantier de recherche que des équipes sénégalaises sont les mieux placées pour mener. La fracture générationnelle enfin : les jeunes adoptent vite, leurs aînés — qui détiennent souvent la terre et la décision — beaucoup moins.

C'est ici que les coopératives et les services de vulgarisation agricole deviennent le maillon décisif. Un conseil qui arrive par la voix d'un technicien connu, relayé par une organisation de producteurs qui mutualise l'outil et en garantit l'usage, a mille fois plus de chances d'être suivi qu'une notification anonyme. La technologie la plus utile est celle qui outille ces relais humains au lieu de prétendre les remplacer.

Notre grille de lecture

Par où commencer, concrètement ?

Pour une coopérative, une collectivité ou un porteur de projet qui veut agir dès maintenant, les points d'entrée les plus solides sont ceux qui exigent peu d'infrastructure et beaucoup de bon sens :

• Diffuser l'information météo utile : relayer par SMS et messages vocaux les avis agrométéorologiques existants, traduits en conseils de semis dans la langue des producteurs.
• Équiper les relais, pas chaque champ : un smartphone avec application de diagnostic par photo entre les mains de chaque agent de vulgarisation et de chaque animateur de coopérative.
• Mutualiser le pilotage de l'eau : instrumenter les périmètres irrigués collectifs de la vallée du fleuve et des Niayes plutôt que les parcelles individuelles.
• Ouvrir les données de prix : publier les relevés des grands marchés dans des formats réutilisables par les développeurs locaux.
• Former les jeunes ruraux : ils sont le pont naturel entre les outils numériques et la génération qui décide sur la terre.

Une conviction pour finir. L'IA ne remplacera ni les semences de qualité, ni les pistes de désenclavement, ni les magasins de stockage, ni une politique agricole cohérente. Elle n'est pas une politique agricole de substitution — elle est un multiplicateur d'efficacité pour celle qu'on décide de mener. Un pays qui investit dans ses données agricoles, ses langues et ses coopératives donne à chaque franc de politique publique plus de portée. C'est là, exactement, que la technologie mérite sa place : au service du champ, jamais à sa place.

Cet article prolonge le segment « AgriTech » du podcast AI Talks. Les chiffres cités sont des ordres de grandeur publics à la date de rédaction — vérifiez les sources primaires pour tout usage professionnel.