Détection précoce du swollen shoot : cap sur l’IA

Dans certaines parcelles de cacao en Côte d’Ivoire, le danger n’a pas besoin de se montrer pour frapper. Le swollen shoot (maladie virale du cacaoyer) peut s’installer sans symptôme visible, puis faire chuter les rendements quand il est déjà trop tard pour limiter les dégâts. Et comme il n’existe pas de traitement chimique pour “guérir” un arbre infecté, le temps devient la ressource la plus précieuse.

Ce qui change aujourd’hui, ce n’est pas une nouvelle molécule. C’est la capacité à voir l’invisible, très tôt, directement au champ. À Vavoua et dans d’autres bassins cacaoyers (Soubré, Bouaflé…), des acteurs de la recherche et du secteur privé ont testé et diffusé un kit de diagnostic rapide capable de détecter l’infection dès le premier mois, bien avant l’apparition des signes sur les feuilles et les cabosses.

Dans cette série “Comment l’IA transforme l’agriculture et l’agro-industrie en Côte d’Ivoire”, j’aime insister sur une idée simple : l’IA n’est pas seulement une histoire d’algorithmes. C’est surtout une nouvelle façon d’organiser la décision — et, dans le cacao, la détection précoce est l’un des endroits où l’on voit le plus clairement la valeur des outils de précision.

Le vrai problème : une maladie silencieuse qui se propage vite

Le point clé est le suivant : le swollen shoot commence par une phase latente, pendant laquelle l’arbre semble sain. Puis viennent les symptômes (jaunissement, réduction des cabosses, baisse progressive de la production), mais à ce stade les pertes sont déjà engagées.

Deux faits opérationnels devraient guider toute stratégie de lutte :

• Le virus est transmis par des cochenilles qui passent d’un arbre à l’autre.
• Des études de terrain rapportées dans la zone de Soubré indiquent qu’un arbre “apparemment sain” peut contribuer à la propagation dans un rayon pouvant atteindre 24 mètres. Autrement dit, un seul cas non détecté peut contaminer une grande partie d’une parcelle.

Conséquence directe : une simple observation visuelle (même bien faite) arrive souvent trop tard. La taille ou l’élagage ne “nettoient” pas un arbre durant la phase latente. La lutte repose donc sur une logique de surveillance, d’arrachage ciblé et de replantation planifiée.

La réponse la plus efficace : diagnostiquer avant les symptômes

La réponse la plus robuste, aujourd’hui, c’est d’installer une chaîne d’action courte : tester → confirmer → isoler/arracher → replanter.

Depuis 2019, une collaboration entre acteurs internationaux et partenaires nationaux a permis de développer et valider un kit de détection rapide utilisable au champ, combiné à un lecteur portable (type B3). En 2023, près de 4 000 tests ont été menés en laboratoire, en pépinière et sur des exploitations, avec un affinage des protocoles en conditions réelles.

Pourquoi la détection à 1 mois change la gestion des parcelles

Dire “détection à un mois” peut sembler technique. En pratique, cela transforme trois décisions majeures :

1. Décision d’arrachage plus juste : on arrache un arbre infecté avant qu’il ne devienne un foyer de contamination.
2. Réduction du coût collectif : moins d’arbres contaminés autour signifie moins d’arrachage “en cascade”.
3. Planification de la replantation : on peut reconstituer la parcelle avec un plan cohérent (densité, espèces d’ombrage, calendrier), au lieu de replanter dans l’urgence.

Cette approche est plus “froide” émotionnellement — arracher un arbre qui a l’air en forme, c’est dur. Mais agronomiquement, c’est souvent la seule option rationnelle.

Là où l’IA entre déjà (même si on ne l’appelle pas toujours IA)

Même si le kit de diagnostic n’est pas forcément présenté comme un produit d’IA, il s’inscrit dans une logique data-driven qui est la base des projets IA en agriculture :

• Standardiser la détection (même protocole, même interprétation) plutôt que dépendre uniquement de l’œil humain.
• Tracer les résultats (où, quand, combien de cas) pour cartographier la pression sanitaire.
• Déclencher des actions ciblées (sensibilisation, lutte contre vecteurs, replantation) au bon endroit.

Et c’est exactement le terrain de jeu de l’IA : quand vous accumulez des observations fiables et répétées, vous pouvez ensuite automatiser l’alerte, prioriser les zones, estimer les risques, et mieux allouer les équipes terrain.

Sans formation, l’innovation reste sur la table

Le point le plus lucide de cette histoire, c’est que l’innovation ne vaut rien si elle ne se diffuse pas. Le kit est un outil, pas une solution complète. La solution complète, c’est outil + compétences + coordination.

Depuis 2020, un programme de renforcement de capacités a structuré des sessions portant sur :

• reconnaissance des symptômes au champ (y compris les signaux précoces)
• méthodes de contrôle et gestion de parcelles
• agroforesterie cacaoyère (replantation plus résiliente)
• utilisation du kit de diagnostic
• coaching et planification de développement des parcelles

Résultat annoncé : plus de 1 500 personnes formées d’ici la fin d’année (techniciens, conseillers agricoles, agents de terrain, encadreurs de coopératives, superviseurs, équipes de certification, personnels d’entreprises privées, etc.).

Ce que je retiens : la lutte devient un “système”, pas une campagne

Ce chiffre (1 500) compte moins pour sa valeur brute que pour ce qu’il représente : une lutte qui se transforme en système apprenant.

Un système apprenant, c’est :

• des protocoles partagés
• des données comparables
• des retours terrain qui améliorent la méthode
• une discipline collective (sinon la maladie revient par la parcelle voisine)

Et c’est aussi la condition pour déployer des briques IA crédibles dans l’agro-industrie : l’IA a besoin d’un socle de données, mais surtout d’un socle humain.

De l’outil au pilotage “precision” : ce que les coopératives et l’agro-industrie peuvent faire dès 2026

La question utile n’est pas “Est-ce que c’est de l’IA ?”, mais “Comment on transforme ces tests en décisions plus rapides et plus rentables ?”. Voici une feuille de route réaliste pour coopératives, programmes durabilité et industriels.

1) Mettre en place une surveillance par zones (et pas seulement par producteurs)

Réponse directe : la maladie ne respecte pas les limites administratives d’une plantation.

Action concrète :

• découper les périmètres en “blocs” (ex. 50–100 ha) avec un responsable de suivi
• définir une fréquence de test (période à risque, zones historiques)
• consolider les résultats dans un tableau de bord simple (même un fichier partagé au départ)

2) Ajouter une couche IA/analytique : prioriser là où le risque est maximal

Réponse directe : l’IA sert d’abord à prioriser, pas à remplacer le terrain.

Avec suffisamment de données (tests, localisation, âge des plantations, historique d’infection, pratiques culturales), on peut construire des modèles simples mais utiles :

• score de risque par parcelle
• recommandation de tournée pour les équipes phytosanitaires
• détection d’anomalies (hausse soudaine de cas dans une zone)

Même sans “deep learning”, une approche de scoring statistique apporte déjà de la valeur.

3) Coupler diagnostic et replantation agroforestière (sinon on recommence)

Réponse directe : arracher sans replanter intelligemment, c’est organiser la baisse de revenu.

Une replantation résiliente, en agroforesterie, vise généralement à :

• diversifier l’ombrage et les revenus (arbres utiles, espèces adaptées)
• réduire la vulnérabilité climatique
• améliorer la santé des sols

Pour l’agro-industrie, c’est aussi une question de sécurisation d’approvisionnement : une filière cacao durable se construit parcelle par parcelle, pas seulement avec des audits.

4) Clarifier les règles de décision (et les communiquer clairement)

Réponse directe : une politique floue crée de la contestation, donc de la non-application.

À formaliser avec les organisations et programmes terrain :

• seuils d’action (quand teste-t-on ? combien de tests par hectare ?)
• procédure de confirmation
• indemnisation ou mécanismes d’appui (si existants)
• calendrier de replantation et suivi

Cette “gouvernance” est souvent moins visible que la technologie… et pourtant, c’est elle qui détermine l’impact.

Questions fréquentes (et réponses franches)

Le kit remplace-t-il l’expertise des agents et producteurs ?

Non. Il réduit l’incertitude. L’observation reste utile, mais le test apporte une confirmation précoce qui change la décision.

Est-ce rentable de tester au lieu d’attendre les symptômes ?

Oui, dès que le risque de propagation est élevé. Avec un rayon de contamination pouvant aller jusqu’à 24 m, l’attente peut coûter une portion entière de parcelle. Le test est un coût ponctuel ; la contamination est un coût cumulatif.

Où l’IA est-elle la plus utile, concrètement, en Côte d’Ivoire ?

Dans la surveillance à grande échelle : planifier les tournées, détecter les foyers, croiser données de terrain et décisions de replantation. L’IA devient pertinente quand plusieurs coopératives/entreprises partagent des standards.

Ce que cette avancée dit de l’IA agricole en Côte d’Ivoire

La leçon est claire : l’IA en agriculture ne commence pas par des promesses, elle commence par des mesures fiables. Un kit de diagnostic rapide, validé sur le terrain et soutenu par une formation massive, crée les conditions réelles d’un pilotage intelligent de la santé des cultures.

Pour les producteurs, c’est la fin d’une impuissance très concrète : “on regardait les arbres dépérir sans savoir”. Pour les coopératives et l’agro-industrie, c’est une opportunité d’industrialiser une bonne pratique : détecter tôt, agir vite, replanter mieux.

La suite logique — et c’est là que notre série prend tout son sens — consiste à transformer ces diagnostics en systèmes d’alerte, en tableaux de bord, puis en décisions assistées par IA à l’échelle d’un bassin de production. La question que je laisse ouverte : en 2026, est-ce qu’on choisit de garder ces données dans des cahiers dispersés… ou de les utiliser pour protéger durablement le cacao ivoirien ?