IA & recherche agricole : l’ISRA se prépare à accélérer

166 tonnes de semences de pré-base prêtes pour la campagne 2025-2026, une première production locale de semences de pommes de terre certifiées, et quatre partenariats signés pour reconstituer le capital semencier : l’ISRA a livré, en 2025, des résultats concrets. Ce qui change la donne, c’est le contexte qui se met en place autour de ces résultats.

Du 03/11/2025 au 07/11/2025, lors de la session annuelle du Comité scientifique et technique (CST) au Pôle de Recherches de Hann, deux signaux ont été envoyés très clairement : le soutien politique est là (présence du ministre à l’ouverture et à la clôture), et la gouvernance scientifique veut se moderniser (évolution souhaitée vers un Conseil scientifique mieux aligné sur la programmation scientifique et budgétaire).

Dans notre série « Comment l’IA transforme l’agriculture et l’agro-industrie au Sénégal », je prends position : c’est exactement le type de fenêtre institutionnelle dont l’IA a besoin pour passer du “pilotage” à l’“industrialisation” dans l’agriculture sénégalaise. Pas parce que l’IA est à la mode, mais parce qu’elle répond à un problème très terre-à-terre : produire plus, mieux, et à coût maîtrisé, dans un climat plus incertain.

Le CST ISRA 2025 envoie un message simple : “On investit dans la science”

Réponse directe : la double présence du ministre de l’Agriculture, de la Souveraineté Alimentaire et de l’Élevage, Dr Mabouba Diagne, indique que la recherche agricole n’est plus un sujet périphérique, mais un levier central de souveraineté alimentaire.

Cette présence à l’ouverture et à la clôture n’est pas un détail protocolaire. Elle sert de signal à tout l’écosystème (bailleurs, agro-industriels, organisations paysannes, universités) : les résultats de recherche doivent se transformer en impact terrain, et l’État veut être associé à la trajectoire.

Le ministre a aussi lancé un appel à une science « audacieuse et ancrée dans nos réalités ». Traduction opérationnelle : on attend des chercheurs qu’ils livrent des solutions utilisables dans les conditions sénégalaises (variabilité pluviométrique, pression parasitaire, coûts des intrants, accès au crédit, contraintes logistiques).

Pourquoi ce contexte est favorable à l’IA, maintenant

Réponse directe : l’IA devient pertinente quand il y a (1) des priorités claires, (2) des données, (3) des partenaires, et (4) une gouvernance qui arbitre vite. Le CST 2025 montre que ces quatre éléments sont en train de s’aligner.

• Priorités claires : semences, agroécologie, élevage, ressources forestières et halieutiques.
• Données en croissance : essais variétaux, production semencière, surveillance phytosanitaire, données météo, observations terrain.
• Partenaires mobilisés : bailleurs, producteurs semenciers, réseaux régionaux.
• Gouvernance en réforme : passage envisagé vers un Conseil scientifique mieux connecté au budget.

C’est le bon moment pour poser une question très concrète : quels processus, à l’ISRA et dans les filières, gagneraient le plus à être “augmentés” par l’IA dès 2026 ?

Du “Comité” au “Conseil” : la réforme de gouvernance peut débloquer l’IA

Réponse directe : l’évolution du CST vers un Conseil scientifique (CS) peut accélérer l’IA, parce qu’elle force un meilleur alignement entre stratégie, financement et feuille de route technologique.

Le texte source le dit clairement : une large part des activités repose sur des projets financés par des bailleurs nationaux et internationaux. Or l’IA, si on la veut utile, ne se pilote pas en “one-shot”. Elle nécessite :

1. une vision pluriannuelle (3 à 5 ans),
2. un cadre de données (qualité, gouvernance, accès),
3. des compétences (data, agronomie, ingénierie),
4. des indicateurs d’impact (rendement, pertes, revenus, délais, adoption).

Un Conseil scientifique peut jouer ce rôle d’arbitrage : quels modèles financer ? quelles données standardiser ? quels partenaires technologiques sélectionner ?

La règle d’or : pas d’IA sans cas d’usage budgété

Réponse directe : si un cas d’usage IA n’a pas un budget, un responsable, et une métrique d’impact, il restera une démonstration.

Pour éviter l’IA “vitrine”, l’ISRA (et ses partenaires) peut exiger trois éléments dès la conception :

• Un coût complet (collecte/qualité des données, hébergement, maintenance, formation) ;
• Un indicateur terrain (ex. réduction des pertes post-récolte de X%, baisse des traitements de Y%, gain de temps de Z heures) ;
• Un plan de déploiement (pilote → extension → transfert aux services/diffusion).

C’est la différence entre “tester un outil” et transformer une filière.

Trois applications IA immédiatement utiles aux filières sénégalaises

Réponse directe : les gains rapides viennent de l’IA appliquée à (1) la décision agronomique, (2) la qualité semencière, (3) la commercialisation et la logistique.

Je propose trois blocs d’usage, simples à expliquer et réalistes à déployer, qui prolongent directement les priorités visibles au CST 2025.

1) IA + météo locale : mieux décider, parcelle par parcelle

Réponse directe : l’IA peut transformer des données météo et terrain en recommandations praticables (fenêtre de semis, irrigation, risques maladies).

La variabilité climatique rend les calendriers “fixes” de moins en moins fiables. Une approche IA consiste à combiner :

• historiques pluviométriques locaux,
• prévisions saisonnières,
• types de sols,
• variétés utilisées,
• pratiques culturales.

Résultat attendu (mesurable) : moins de ressemis, meilleure synchronisation semis/pluie, et meilleure utilisation de l’eau en périmètres irrigués.

Ce que j’ai vu fonctionner dans d’autres contextes africains : commencer par des recommandations “faible risque” (ex. alerte de fenêtre de semis), puis enrichir progressivement avec des modèles plus fins.

2) IA pour la filière semences : qualité, traçabilité, disponibilité

Réponse directe : la production de semences gagne en efficacité quand on automatise la détection des défauts, la traçabilité des lots, et la prévision de la demande.

Le CST 2025 met la semence au centre, avec :

• 166 tonnes de semences de pré-base disponibles pour 2025-2026,
• la production locale de semences de pommes de terre certifiées,
• une stratégie semencière 2025-2034 discutée.

L’IA peut s’intégrer à trois niveaux :

• Contrôle qualité assisté par vision : analyse d’images (smartphone ou caméra) pour repérer défauts, calibrage, impuretés sur certains lots (à valider scientifiquement par culture).
• Prévision des besoins : modèles basés sur surfaces emblavées, tendances de prix, historiques de distribution.
• Traçabilité numérique : relier lot, origine, multiplication, analyses, distribution, retours terrain.

Le bénéfice pour l’agriculteur est direct : accès plus fiable à la bonne variété, au bon moment, et moins de mauvaises surprises sur la levée.

3) IA pour la commercialisation : mieux vendre, pas seulement mieux produire

Réponse directe : dans l’agro-industrie, l’IA crée de la valeur quand elle réduit l’incertitude sur les prix, la demande et la logistique.

Au Sénégal, une part des pertes et de la faible rentabilité vient du décalage entre production et débouchés : surplus localisé, manque de stockage, information de marché fragmentée.

Cas d’usage concrets :

• Prévision des volumes par zone pour planifier collecte et transport.
• Segmentation des acheteurs (transformateurs, grossistes, export) pour mieux négocier.
• Automatisation de la communication : fiches produit, messages en wolof/français, réponses rapides aux demandes B2B, contenus pour salons (FIARA, foires régionales).

La logique est simple : l’IA doit aider à sécuriser le revenu, sinon elle reste un gadget.

Comment l’ISRA peut structurer une “agriculture intelligente” à l’échelle nationale

Réponse directe : pour passer à l’échelle, il faut une architecture en 5 briques : données, pilotes, compétences, partenariats, et adoption terrain.

Une feuille de route IA en 5 briques (pragmatique)

1. Données agricoles standardisées

   • dictionnaire de données (parcelles, variétés, intrants, rendements),
   • protocoles de qualité,
   • règles d’accès (chercheurs, partenaires, confidentialité).

2. Pilotes courts (90–180 jours)

   • un pilote “semences”,
   • un pilote “alerte météo/risques”,
   • un pilote “marchés/logistique”.

3. Montée en compétences

   • binômes agronome + data,
   • formation aux méthodes (statistiques, ML, évaluation),
   • culture du test-and-learn, sans sacrifier la rigueur scientifique.

4. Partenariats orientés impact

   • producteurs semenciers,
   • opérateurs télécom/données,
   • transformateurs,
   • startups AgriTech,
   • programmes publics.

5. Adoption (le point souvent négligé)

   • formation des conseillers agricoles,
   • supports simples (audio, WhatsApp, fiches),
   • retours utilisateurs intégrés.

Une IA agricole utile est une IA qui “descend” jusqu’au champ et “remonte” des retours terrain pour s’améliorer.

Questions fréquentes (et réponses nettes)

L’IA va-t-elle remplacer les chercheurs ou les conseillers agricoles ? Non. Elle réduit le temps passé sur des tâches répétitives (tri, synthèse, prévision) et améliore la cohérence des décisions. Le jugement agronomique reste central.

Faut-il des capteurs partout pour faire de l’IA ? Non. Beaucoup de cas d’usage démarrent avec des données déjà disponibles : météo, enquêtes, essais, images smartphone, historiques de distribution.

Quel est le risque principal ? Le risque n°1, c’est la donnée faible qualité (incomplète, non standardisée). Le risque n°2, c’est le pilote sans adoption (personne ne l’utilise).

Ce que le CST 2025 rend possible dès 2026

Réponse directe : avec l’appui gouvernemental et une réforme de la gouvernance scientifique, le Sénégal peut faire de l’ISRA un pivot de l’IA agricole, au service des filières.

Le CST 2025 ne parle pas directement d’IA, et c’est normal : il s’agit d’abord de science, de gouvernance, et de résultats. Mais les signaux sont cohérents : la semence est prioritaire, les partenariats se structurent, et l’État assume un rôle d’accompagnateur.

Si vous êtes agriculteur, transformateur, coopérative, ou acteur public, la prochaine étape raisonnable est de choisir un cas d’usage (semences, conseil climatique, ou commercialisation), et de le cadrer sérieusement : données, budget, indicateurs, et plan d’adoption.

La question qui compte pour 2026 n’est pas « Est-ce qu’on va faire de l’IA ? ». C’est plutôt : sur quel problème précis de productivité et de revenu l’IA doit-elle être jugée, et à quelle vitesse peut-on la mettre entre les mains des utilisateurs ?