Investissements ruraux : le socle de l’IA agricole au Sénégal

À Oussouye, le 24/12/2025, le président Bassirou Diomaye Faye a posé un diagnostic que beaucoup d’acteurs du terrain répètent depuis des années : les investissements publics doivent être rééquilibrés entre les centres urbains et les collectivités territoriales. L’annonce n’est pas seulement politique. Elle est éminemment opérationnelle.

Parce que l’IA en agriculture, au Sénégal, ne commencera pas par des démonstrations en salle climatisée. Elle commencera par des routes praticables, un assainissement correct, un éclairage fiable, des écoles qui forment, et des services locaux capables de faire tourner des projets. Sans “socle” territorial, l’IA reste une promesse. Avec ce socle, elle devient une méthode de travail.

Le programme livré à Oussouye via Promovilles — plusieurs kilomètres de voiries, 2,4 km d’assainissement, 250 lampadaires solaires, deux places publiques, 10 salles de classe, pour un coût total annoncé de 4 852 492 846 FCFA — illustre une idée simple : moderniser une commune, c’est aussi moderniser sa capacité à produire, transformer et vendre. Et c’est exactement là que l’intelligence artificielle trouve sa place dans l’agriculture et l’agro-industrie.

Rééquilibrer les investissements : l’IA a besoin d’un territoire qui “fonctionne”

Rééquilibrer les investissements publics, c’est créer les conditions minimales pour déployer l’IA hors de Dakar. L’IA agricole dépend d’une chaîne d’éléments concrets : collecte de données, intervention rapide sur les parcelles, logistique, stockage, transformation, accès au marché. Chaque maillon est pénalisé quand une route est impraticable, quand l’eau stagne, quand le transport est lent ou risqué.

À Oussouye, l’État met en avant une logique de territorialisation des investissements, programmes et projets. Cette orientation est particulièrement pertinente pour l’agriculture, car la valeur se crée au village, pas uniquement au port ou au supermarché.

Ce que l’infrastructure change (vraiment) pour une exploitation

Une exploitation agricole ou une unité de transformation ne “profite” pas d’une route uniquement pour le confort. La route et l’assainissement agissent sur des variables économiques mesurables :

• Temps de trajet : moins d’heures perdues = plus de rotations de collecte.
• Pertes post-récolte : moins de chocs, moins d’attente, moins de détérioration.
• Coûts logistiques : carburant, pannes, usure, sécurité.
• Accès aux intrants et aux services : maintenance, pièces, vétérinaires, conseil agricole.

Mon point de vue : avant de parler d’algorithmes, il faut parler de fiabilité. Une IA, c’est une machine à optimiser. Si le terrain est imprévisible (routes coupées, inondations, retards chroniques), on optimise… le chaos.

Oussouye comme cas pratique : de la voirie à la data utile

Les ouvrages livrés à Oussouye ne sont pas “juste” des infrastructures : ils structurent la circulation des biens, des personnes et des informations. Les axes annoncés (Loudia–Ziguinchor, cantonnement militaire–collège, pharmacie–Kahinda–Saré Demba, rond-point–route de Loudia Ouolof) créent un maillage. Ce maillage peut devenir un support direct pour des usages IA.

1) Logistique agricole : l’IA a besoin de routes pour tenir ses promesses

Dans l’agro-industrie, l’un des premiers usages rentables de l’IA est la prévision (volumes, pics de collecte, besoins en camions, planning de transformation). Mais pour que la prévision devienne action, il faut :

• des itinéraires stables (sinon le planning est faux),
• des points de collecte accessibles,
• des temps de transport raisonnables.

Quand une commune est modernisée, on peut mettre en place des pratiques simples mais puissantes :

1. Planification quotidienne de collecte (quantités attendues par zone).
2. Affectation intelligente des véhicules (capacité, distance, état des pistes).
3. Priorisation des lots (produits plus fragiles d’abord).

Même avec des outils modestes (tablettes, smartphones, formulaires), on accumule une base de données propre. Et c’est cette base qui permet ensuite d’entraîner ou d’exploiter des modèles IA.

2) Assainissement et qualité : l’IA ne remplace pas l’hygiène, elle la pilote

Les 2,4 km d’ouvrages d’assainissement ne font pas “IA”. Mais ils réduisent des risques qui ruinent la qualité : eau stagnante, contamination, dégradation d’espaces de marché, difficultés d’accès en saison.

Dans une filière (mangue, anacarde, horticulture, lait, poisson transformé), l’IA peut aider à :

• détecter des dérives de qualité (température, humidité, délais),
• alerter sur les points critiques,
• recommander des actions correctives.

Mais si le cadre sanitaire est trop dégradé, on n’a plus de marge. L’IA fonctionne mieux comme pilote de qualité que comme “pansement numérique”.

3) Éclairage public solaire : un détail qui compte pour la chaîne de valeur

Les 250 lampadaires solaires annoncent une réalité souvent sous-estimée : la productivité dépend aussi du temps utilisable et de la sécurité.

• Des opérations tôt le matin ou en soirée (chargement, tri, stockage) deviennent plus sûres.
• Les marchés et points de collecte peuvent fonctionner avec moins de pertes.
• Les services (coopératives, micro-entrepôts, ateliers) gagnent en régularité.

Et côté numérique, une commune qui mise sur l’éclairage solaire envoie un signal : on accepte les solutions énergétiques distribuées. C’est exactement l’approche la plus réaliste pour déployer capteurs, petites stations météo, points de recharge, ou kits de connectivité en zone rurale.

De l’école à l’IA : les compétences locales sont une infrastructure

Les 10 salles de classe intégrées au programme sont peut-être la partie la plus stratégique sur le long terme. L’IA en agriculture et agro-industrie requiert des profils intermédiaires : des gens capables de saisir des données proprement, de comprendre des tableaux de bord, de suivre des procédures qualité, d’utiliser des outils de communication.

La transformation numérique réussit rarement quand elle dépend uniquement d’experts basés en ville. Elle réussit quand :

• les coopératives ont un ou une “référent(e) données”,
• les unités de transformation ont un responsable qualité outillé,
• les collectivités comprennent les indicateurs (production, prix, flux),
• les jeunes formés localement trouvent un travail sur place.

Phrase à garder en tête : l’IA agricole, ce n’est pas une appli. C’est une organisation qui apprend.

5 usages IA concrets pour les filières rurales (dès que le socle est là)

Une fois les infrastructures de base en place, l’IA devient un accélérateur pragmatique. Voici cinq cas d’usage réalistes pour des zones comme la Casamance, avec un niveau d’investissement maîtrisé.

1) Diagnostic des cultures par images (smartphone)

Des agents ou producteurs prennent des photos (feuilles, fruits, ravageurs). Un modèle d’analyse d’image propose un diagnostic probable et une conduite à tenir. Cela ne remplace pas l’encadrement, mais réduit les délais de réaction.

2) Prévision de rendement et de collecte

En combinant historiques de collecte, météo locale et observations terrain, on anticipe :

• les volumes par zone,
• les jours de pic,
• les besoins en sacs, caisses, camions, main-d’œuvre.

3) Détection d’anomalies en stockage

Même sans capteurs partout, on peut commencer avec des relevés manuels structurés (température, humidité, dates, lots). L’IA repère des schémas qui précèdent les pertes : retards, lots récurrents, entrepôts à risque.

4) Optimisation des tournées et des coûts logistiques

Avec des routes praticables et une cartographie simple, l’IA peut proposer des tournées plus efficaces, réduire les kilomètres à vide et améliorer la ponctualité.

5) Automatisation de la communication commerciale (IA générative)

Dans notre série « Comment l’IA transforme l’agriculture et l’agro-industrie au Sénégal », je reviens souvent sur ce point : l’IA générative est utile tout de suite.

• fiches produit (anacarde, fruits, produits transformés),
• messages WhatsApp commerciaux adaptés aux acheteurs,
• scripts d’appels,
• mini-catalogues,
• réponses aux questions fréquentes.

Le résultat est concret : plus de régularité, moins d’improvisation, une image plus professionnelle face aux acheteurs.

“On a un retard infrastructurel” : et si c’était aussi une opportunité de bien faire ?

Le chef de l’État reconnaît un retard infrastructurel en Casamance et l’idée que la région ne s’est pas déployée à la hauteur de son potentiel. Je suis d’accord avec le diagnostic, et j’ajoute une nuance utile : rattraper permet de choisir de meilleures trajectoires.

Plutôt que de reproduire les erreurs classiques (projets technos isolés, plateformes sans usage, équipements sans maintenance), les collectivités et porteurs de projets agro-industriels peuvent adopter une règle simple :

• Pas d’IA sans processus (qui saisit quoi, quand, pourquoi ?)
• Pas de processus sans infrastructure (mobilité, énergie, accès, sécurité)
• Pas d’infrastructure sans gouvernance locale (entretien, priorités, redevabilité)

Mini check-list pour lancer un projet IA agricole en zone rurale

Avant d’acheter un logiciel, posez ces questions :

1. Quel indicateur veut-on améliorer ? (pertes, délais, prix, qualité, volumes)
2. Où naît la donnée ? (parcelle, point de collecte, atelier, marché)
3. Qui la saisit et comment on contrôle la qualité ?
4. Quelles contraintes physiques bloquent l’exécution ? (routes, eau, énergie)
5. Quel “plan B” en saison difficile ?

Si vous n’avez pas de réponses claires, l’IA sera décorative.

Ce que Promovilles doit déclencher côté agriculture et agro-industrie

Les interventions annoncées comme appelées à se poursuivre dans d’autres localités doivent, à mon sens, être accompagnées d’un second étage : l’activation économique.

Concrètement, après la livraison d’ouvrages, il faut lancer des programmes courts (6 à 12 mois) orientés résultats :

• cartographie des acteurs des filières locales (producteurs, collecteurs, transformateurs),
• standardisation minimale des données (lots, dates, volumes, prix),
• mise en place de pilotes IA (2 ou 3 coopératives / unités),
• formation pratique (référents data, qualité, logistique),
• cadre de suivi avec la collectivité.

Une commune modernisée qui n’améliore pas sa capacité à vendre et transformer perd une partie de la valeur de l’investissement.

Et maintenant : transformer l’infrastructure en performance mesurable

Le message d’Oussouye est clair : le rééquilibrage des investissements publics est un préalable à une modernisation réelle. Pour l’agriculture sénégalaise, c’est même plus que ça : c’est la condition pour que l’IA sorte des discours et entre dans les coopératives, les ateliers, les marchés et les périmètres.

Si vous êtes une coopérative, une PME agro-industrielle, une collectivité, ou un programme de développement, la bonne question n’est pas “quelle IA acheter ?”. C’est : quel maillon de notre chaîne de valeur devient enfin stable grâce aux infrastructures, et comment on l’optimise dès maintenant avec des données ?

La suite de cette série abordera un point très concret : comment démarrer une “pile IA” simple (collecte de données + tableaux de bord + automatisation de communication) adaptée aux réalités rurales au Sénégal. Quelle commune sera la prochaine à convertir ses routes neuves en valeur ajoutée agricole ?