Au Sénégal, une avancée scientifique ouvre de nouvelles perspectives pour l’adaptation de l’agriculture au changement climatique. Des chercheurs de l’université de Cambridge ont développé une méthode d’intelligence artificielle capable d’identifier les cultures à partir d’images satellitaires, avec une précision atteignant 84 % lors des essais. Au-delà de la performance technologique, cette innovation pourrait améliorer la connaissance des terres agricoles et aider les pouvoirs publics à mieux anticiper les risques pesant sur la sécurité alimentaire.
Dans le bassin arachidier sénégalais, où de nombreuses familles dépendent d’exploitations de petite taille, les variations des précipitations peuvent compromettre toute une saison agricole. Pourtant, connaître précisément les superficies cultivées, les types de plantations et leur répartition demeure un exercice difficile. Les enquêtes de terrain nécessitent du personnel, du temps et des moyens financiers, tandis que les méthodes avancées d’analyse satellitaire restent parfois coûteuses.
Une étude publiée le 29 septembre 2026 dans la revue scientifique Environmental Research: Food Systems propose une nouvelle approche. Elle montre comment l’intelligence artificielle pourrait rendre la surveillance des cultures plus accessible, y compris dans les régions où les données agricoles sont insuffisantes.
Une meilleure connaissance des terres cultivées
Au cœur de ces travaux figure Tessera, un modèle d’intelligence artificielle géospatiale développé à l’université de Cambridge. Son principe consiste à analyser des séries d’images satellitaires afin de reconnaître les caractéristiques des surfaces agricoles et leur évolution au fil des saisons.
Les chercheurs ont testé cette technologie dans le bassin arachidier du Sénégal, en exploitant des données relatives aux années 2018, 2019 et 2021. Les résultats montrent une précision pouvant atteindre 84 % dans l’identification des types de cultures. Dans l’un des scénarios étudiés, Tessera a également obtenu une performance supérieure de 28 % à celle du meilleur modèle concurrent.
Son autre avantage réside dans sa sobriété technique. Selon les résultats scientifiques, la méthode permet de réduire de 78 % les ressources de calcul nécessaires par rapport à une approche classique fondée sur des séries temporelles.
Cette efficacité pourrait faciliter son adoption par des institutions agricoles disposant de moyens informatiques limités. Le caractère ouvert du modèle constitue également un atout pour son adaptation à d’autres territoires.
Anticiper les risques plutôt que subir les crises
L’intérêt de cette innovation dépasse la réalisation de cartes. Dans une agriculture largement dépendante des pluies, disposer d’informations fiables sur les cultures permet de mieux comprendre les territoires exposés aux perturbations climatiques.
Lorsqu’une sécheresse menace une région, identifier les cultures présentes et les superficies concernées peut aider les autorités à organiser les interventions, à cibler les dispositifs d’accompagnement et à évaluer les besoins alimentaires. Les mêmes informations peuvent contribuer à mesurer les conséquences d’épisodes de pluies excessives.
Cette capacité d’observation représente un enjeu majeur pour les petites exploitations, souvent moins équipées pour faire face aux chocs climatiques. Elle pourrait également améliorer la préparation des politiques agricoles, notamment dans l’allocation des ressources et le suivi des campagnes.
Au Sénégal, le Programme alimentaire mondial travaille déjà avec des partenaires nationaux sur l’utilisation des données géospatiales et de l’intelligence artificielle pour renforcer la surveillance de la sécurité alimentaire.
Une innovation prometteuse, mais pas une solution miracle
Les résultats doivent néanmoins être interprétés avec prudence. L’étude montre que la précision du modèle peut varier selon la qualité des données utilisées pour son apprentissage. Les chercheurs n’ont pas non plus évalué toutes les situations de cultures associées, fréquentes dans les petites exploitations africaines.
Surtout, reconnaître une culture depuis l’espace ne signifie pas prédire automatiquement son rendement ou sa résistance à la sécheresse. Pour transformer ces cartes en décisions utiles, il faudra les associer aux observations météorologiques, aux enquêtes de terrain et aux connaissances des agriculteurs.
L’enjeu est également institutionnel : les administrations et les organisations agricoles devront disposer des compétences nécessaires pour exploiter ces informations et les rendre accessibles aux acteurs concernés.
Cette recherche ouvre ainsi une perspective importante pour le Sénégal et, plus largement, pour l’agriculture africaine. Face à des saisons de plus en plus incertaines, la résilience ne dépend pas uniquement de nouvelles semences ou de meilleurs équipements. Elle repose aussi sur une connaissance précise des territoires cultivés. En rendant cette information moins coûteuse et plus accessible, l’intelligence artificielle pourrait devenir un outil précieux pour préparer les décisions agricoles avant que les crises ne surviennent.
La Rédaction
Sources :
- Université de Cambridge, AI tool for mapping smallholder crops proves itself in Senegal, 29 septembre 2026.
- Madeline Lisaius et collaborateurs, Embedding-based Crop Type Classification in the Groundnut Basin of Senegal, Environmental Research: Food Systems, 29 septembre 2026. DOI : 10.1088/2976-601X/aea0b8.
- Mongabay Afrique, 5 octobre 2026.
