IA & recherche agricole : l’ISRA prépare le terrain

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. Ces chiffres et décisions ne sont pas de simples “bons points” institutionnels : ils décrivent une infrastructure stratégique en train de se consolider. Et c’est précisément ce dont l’intelligence artificielle (IA) a besoin pour passer du concept à l’impact, dans les champs comme dans les usines.

Début novembre 2025, la session annuelle du Comité scientifique et technique (CST) de l’ISRA a envoyé un signal fort : l’État veut mettre la recherche agricole au centre de la souveraineté alimentaire, et l’ISRA veut renforcer sa gouvernance scientifique. Je prends position : c’est une condition nécessaire pour une adoption sérieuse de l’IA en agriculture au Sénégal, parce que l’IA ne “remplace” pas la science agronomique — elle l’accélère, à condition d’avoir des données fiables, des priorités claires et des mécanismes de décision solides.

Dans cette série “Comment l’IA transforme l’agriculture et l’agro-industrie au Sénégal”, cet épisode est un pivot : on parle moins d’outils et plus d’écosystème. Celui qui permet ensuite de déployer l’IA sur la semence, les itinéraires techniques, la santé animale, la qualité industrielle et la commercialisation.

Le message du CST ISRA 2025 : l’IA a besoin d’un État et d’une science alignés

Point clé : l’IA devient utile quand la recherche, le financement et les producteurs avancent dans la même direction. La session du CST (03/11/2025 au 07/11/2025) a mis en scène deux éléments qui comptent énormément pour l’IA agricole :

• L’appui gouvernemental visible avec la présence du ministre de l’Agriculture, de la Souveraineté Alimentaire et de l’Élevage, Dr Mabouba Diagne, à l’ouverture et à la clôture.
• La volonté de réforme avec l’idée d’évoluer du CST vers un Conseil scientifique (CS), mieux aligné sur la programmation scientifique et budgétaire, dans un contexte où l’essentiel des activités repose sur des projets financés.

Pourquoi c’est décisif pour l’IA ? Parce que l’IA en agriculture est souvent bloquée par trois goulots d’étranglement :

1. Des données dispersées (parcellaires, météo, sols, rendements, maladies, qualité) et peu standardisées.
2. Des objectifs non hiérarchisés (on veut tout faire à la fois : rendement, climat, export, transformation, sans arbitrage clair).
3. Une gouvernance floue (qui valide un modèle ? qui finance le déploiement ? qui porte la maintenance ?)

Un Conseil scientifique qui structure la décision et l’évaluation peut devenir le “chef d’orchestre” dont l’IA a besoin.

Mythe à casser : “l’IA suffit à moderniser l’agriculture”

Non. Sans semences de qualité, sans protocoles d’essais, sans réseau de diffusion, l’IA reste une démonstration. La modernisation passe d’abord par des fondamentaux solides — et c’est exactement ce que l’ISRA documente avec ses résultats 2025.

Semences, variétés, production : là où l’IA peut gagner du temps et de l’argent

Réponse directe : l’IA est particulièrement rentable quand elle réduit la durée et le coût des décisions agronomiques répétitives. La sélection variétale, la production semencière et la planification de campagne sont des terrains naturels pour l’IA.

Le Directeur général de l’ISRA, Dr Moustapha Guèye, a cité plusieurs réalisations concrètes, dont :

• 166 tonnes de semences de pré-base disponibles pour la campagne 2025-2026
• Première production locale de semences de pommes de terre certifiées
• Un atelier consultatif national sur la stratégie semencière 2025-2034

Voici comment connecter ces avancées à des usages IA réalistes au Sénégal.

1) Prévision de demande et allocation intelligente des semences

Quand on gère des volumes (pré-base, base, certifiées) sur plusieurs zones agroécologiques, la question n’est pas “produire plus”, mais produire juste.

Cas d’usage IA :

• Modèles de prévision combinant historiques de demande, surfaces emblavées, prix, pluviométrie, disponibilité d’intrants.
• Optimisation de l’allocation : quelle variété pour quelle zone, en tenant compte du risque climatique.

Impact attendu : moins de ruptures, moins de surplus invendus, et une meilleure adoption des variétés adaptées.

2) Sélection variétale augmentée (phénotypage + apprentissage machine)

La sélection peut être accélérée en combinant :

• mesures terrain (croissance, stress hydrique, maladies),
• imagerie (drone ou smartphone),
• et modèles d’apprentissage.

L’objectif n’est pas de “remplacer” les sélectionneurs. L’objectif est de trier plus vite, à plus grande échelle, et de mieux identifier les interactions variété × environnement — cruciales au Sénégal où les conditions varient fortement.

3) Contrôle qualité semencier et traçabilité

Dans une filière semencière, la confiance fait le marché. L’IA peut aider sur :

• détection d’impuretés et classification de lots via vision par ordinateur,
• scoring qualité (germination, calibre, homogénéité),
• traçabilité et suivi des lots (en lien avec la distribution).

Pour l’agro-industrie, cette traçabilité devient aussi un argument commercial.

Gouvernance scientifique : le “Conseil scientifique” comme accélérateur de projets IA

Réponse directe : une réforme de gouvernance peut faire doubler l’efficacité des projets numériques, simplement en clarifiant le “qui décide quoi”. La proposition d’évolution du CST vers un Conseil scientifique n’est pas un détail administratif.

Si on veut que l’IA progresse dans l’agriculture sénégalaise, il faut une instance capable de :

• définir des priorités IA (semences, irrigation, santé animale, post-récolte, transformation) ;
• imposer des standards de données (formats, métadonnées, qualité minimale) ;
• valider des protocoles d’évaluation (un modèle IA doit prouver sa valeur : précision, coût, robustesse saisonnière) ;
• arbitrer entre recherche, pilotes et passage à l’échelle.

Une règle simple : pas de données propres, pas d’IA robuste

Un modèle entraîné sur des données incomplètes produit des recommandations fragiles. Dans les champs, une recommandation fragile, c’est :

• un mauvais calendrier de semis,
• un traitement inutile,
• une perte de rendement,
• et au final une défiance durable vis-à-vis de la technologie.

Le Conseil scientifique peut exiger que chaque projet IA finance aussi :

• la collecte terrain,
• la documentation,
• et la maintenance des jeux de données.

Du laboratoire au producteur : ce que les partenariats semenciers rendent possible

Réponse directe : des partenariats bien cadrés transforment la recherche en adoption, et l’IA peut renforcer ce passage. La clôture de la session a été marquée par la signature de quatre partenariats entre le MASAE, l’ISRA et des producteurs semenciers (Fatou Sarr, Mamadou Dème, Serigne Cheikh Bara Gueye et Modou Thiam de l’UNIS) pour la reconstitution du capital semencier.

C’est ici que l’IA devient opérationnelle, parce que les partenariats créent :

• des flux (production → contrôle → distribution),
• des responsabilités,
• et des points de mesure.

Comment injecter l’IA dans la chaîne sans complexifier la vie des producteurs

Mon approche préférée : commencer par des outils “légers” qui apportent une valeur immédiate.

Exemples concrets :

• Diagnostic mobile (photos de feuilles, symptômes, stade phénologique) avec retour simple : “probable carence / maladie / stress hydrique” + action recommandée.
• Alertes ciblées (SMS/WhatsApp) basées sur la météo locale : fenêtres de semis, risque de pression ravageurs.
• Registre numérique de parcelles très simple : variété, date, intrants, incident. Sans ça, impossible d’apprendre d’une saison à l’autre.

Ce qui compte : un outil IA qui économise du temps doit aussi respecter les réalités terrain (connectivité, langue, charge de travail, confiance).

Questions fréquentes (et réponses nettes) sur l’IA agricole au Sénégal

L’IA est-elle réservée aux grandes exploitations ?

Non. Les petits producteurs peuvent bénéficier en premier, parce que les gains d’information (météo, diagnostic, bonnes pratiques) corrigent des asymétries coûteuses. Le vrai sujet, c’est le modèle de diffusion : coopératives, encadrement, agro-dealers, interprofessions.

Quelles filières sont “prêtes” pour l’IA ?

Celles où il existe déjà :

• une structuration (semences, horticulture, aviculture),
• des points de contrôle qualité,
• et des volumes de données (même imparfaits) à consolider.

Quel est le risque principal ?

Le risque principal, ce n’est pas “l’IA qui se trompe”. C’est l’IA déployée sans gouvernance, qui produit des recommandations incohérentes, non traçables, et finit par discréditer toute innovation.

Ce que 2026 peut changer : un plan d’action IA réaliste à 90 jours

Réponse directe : on peut lancer l’IA utile en 90 jours si on se concentre sur un seul cas d’usage et une seule zone pilote. Pour les organisations (agro-industries, programmes, coopératives, projets), voici un mini-plan praticable.

1. Choisir 1 cas d’usage (ex. prévision de demande semences, diagnostic maladies, optimisation irrigation).
2. Définir 5 indicateurs (ex. précision, adoption, gain de temps, hausse de rendement, baisse d’intrants).
3. Constituer un jeu de données minimal (même petit, mais propre et documenté).
4. Tester sur une campagne courte (8 à 12 semaines), avec retours utilisateurs chaque semaine.
5. Décider “stop / itérer / déployer” sur la base d’un rapport simple.

C’est moins spectaculaire qu’un grand discours “IA nationale”. Mais c’est comme ça qu’on obtient de vrais résultats.

L’essentiel : l’ISRA consolide le socle, l’IA peut amplifier l’impact

Le CST ISRA 2025 a montré deux choses que beaucoup d’écosystèmes technologiques cherchent pendant des années : un signal politique clair et une volonté de renforcer la gouvernance scientifique. Ajoutez à ça des résultats tangibles sur la semence (166 tonnes de pré-base, partenariats, stratégie 2025-2034), et vous avez un socle crédible pour accélérer l’IA dans l’agriculture et l’agro-industrie au Sénégal.

Si vous êtes une agro-industrie, une interprofession, un projet de développement, ou une structure d’appui : le bon moment pour s’aligner avec la recherche, c’est maintenant, pendant que les règles de gouvernance et les priorités se structurent.

La question qui va compter en 2026 n’est pas “qui utilise l’IA ?” mais qui a construit l’écosystème (données, gouvernance, diffusion) pour en tirer une valeur durable.