AFS Forum 2025 à Dakar : l’IA au service des filières

Dakar a accueilli en 2025 un rendez-vous qui compte : l’Africa Food Systems Forum (AFS Forum 2025). L’événement a mis en avant celles et ceux qui font tourner les chaînes de valeur au quotidien — femmes agro-praticiennes, coopératives, transformateurs, logisticiens, jeunes innovateurs. Et si on lit entre les lignes, un sujet s’impose : l’intelligence artificielle (IA) devient le langage commun pour moderniser les systèmes alimentaires.

Dans notre série « Comment l’IA transforme l’agriculture et l’agro-industrie au Sénégal », ce forum est un excellent repère. Pas parce qu’il “annonce” l’avenir, mais parce qu’il montre ce qui est déjà en train de se jouer : une bataille très concrète pour mieux produire, mieux vendre, mieux planifier — avec des outils qui tiennent compte des réalités sénégalaises (connectivité inégale, pression climatique, volatilité des prix, exigences de qualité).

Ce qui m’intéresse le plus dans ce type de forum, ce n’est pas la scène. C’est l’arrière-scène : comment passer des idées aux usages, et comment l’IA peut aider à franchir les trois obstacles les plus fréquents au Sénégal : le manque de données fiables, le manque de temps, et le manque de coordination.

AFS Forum 2025 : une plateforme pour passer de l’innovation à l’adoption

Le point clé : un forum utile ne sert pas à empiler des promesses, il sert à aligner des acteurs. L’AFS Forum 2025 a mis l’accent sur la collaboration entre parties prenantes (secteur public, privé, producteurs, innovateurs). Pour l’IA, cet alignement est décisif : un modèle d’aide à la décision n’a aucune valeur si le conseiller agricole ne peut pas l’expliquer, si le producteur ne peut pas l’appliquer, ou si l’acheteur ne reconnaît pas la qualité.

Pourquoi l’IA a besoin d’écosystèmes, pas seulement d’applications

Au Sénégal, la question n’est plus “est-ce qu’on peut utiliser l’IA ?”. La vraie question est : dans quel écosystème l’IA devient rentable et fiable ?

• Données : parcelles, semences, intrants, météo, rendements, qualité, prix.
• Règles : normes, traçabilité, contractualisation, assurance.
• Canaux : WhatsApp, SMS, radios communautaires, plateformes d’achat.
• Confiance : transparence des recommandations, respect des pratiques locales.

Un forum comme l’AFS sert à accélérer cette “mise en réseau”. Et pour une stratégie LEADS, c’est aussi l’occasion de montrer aux organisations agricoles et agro-industrielles des cas d’usage immédiatement actionnables.

Un message fort : mettre en avant celles et ceux qui produisent

Le contenu source insiste sur l’amplification des voix (femmes agro-praticiennes, jeunes innovateurs). C’est tout sauf symbolique : l’adoption technologique suit le leadership local. Si les championnes de périmètres maraîchers, les responsables de GIE ou les chefs d’unités de transformation s’emparent d’un outil, l’IA cesse d’être un “truc de start-up” et devient un réflexe métier.

Les 5 cas d’usage IA qui parlent vraiment aux acteurs sénégalais

Le point clé : l’IA utile en agriculture, c’est l’IA qui économise du temps, réduit les pertes et sécurise la vente. Voici les usages les plus “forum-compatible” — c’est-à-dire faciles à démontrer, à tester, puis à déployer.

1) Prévision météo locale et recommandations de calendrier cultural

La météo générale ne suffit pas. Les décisions se jouent à l’échelle du terroir : semer, fertiliser, irriguer, traiter, récolter. L’IA peut fusionner plusieurs sources (stations, historiques, imagerie, observations terrain) pour produire des recommandations simples :

• fenêtre de semis “probable” sur 7–10 jours
• risque de stress hydrique (alerte)
• priorités d’irrigation par parcelle

Une recommandation IA n’a pas besoin d’être parfaite : elle doit être compréhensible, contextualisée, et répétable.

2) Diagnostic des maladies et ravageurs via smartphone

Sur le terrain, on perd des jours à identifier un problème, à trouver un produit adapté, puis à vérifier le dosage. Les modèles de vision (photo de feuille, fruit, tige) peuvent fournir :

• hypothèse de maladie/ravageur
• niveau de confiance
• gestes immédiats (isolement, élimination, traitement)
• rappel des bonnes pratiques (EPI, délais avant récolte)

Au Sénégal, l’enjeu est d’éviter l’effet “boîte noire”. Une bonne approche est de combiner l’IA avec un circuit de validation : producteur → conseiller → IA → décision.

3) Optimisation des intrants (urée, NPK) et agriculture plus sobre

Le sujet des engrais est stratégique. Quand une campagne met à disposition des volumes importants, l’efficacité se joue dans la distribution et l’usage. L’IA peut aider à :

• prioriser les zones selon cultures et potentiel
• réduire le surdosage (coût + impact sols)
• recommander des doses par stade et parcelle

La réalité ? Beaucoup de pertes viennent d’une chose simple : on applique “comme l’an dernier”, alors que la pluviométrie et l’état du sol ont changé.

4) Prévision de demande et pilotage des stocks en agro-industrie

Côté transformation (céréales, fruits, arachide, horticulture), l’IA est surtout un outil de pilotage :

• prévisions de volumes entrants (collecte)
• planification des équipes et de l’énergie
• gestion des emballages
• réduction des ruptures et des surstocks

Quand on réduit les ruptures, on réduit aussi les “achats de panique” et les coûts logistiques. C’est là que l’IA devient un outil de marge, pas juste un gadget.

5) Marketing et communication automatisés pour vendre mieux

Dans notre série, c’est un thème central : l’IA pour créer du contenu et automatiser la communication.

Concrètement, une coopérative ou une PME agroalimentaire peut utiliser l’IA pour :

• rédiger des fiches produit (FR/Wolof selon besoins)
• préparer des messages WhatsApp de disponibilité et de prix
• produire des scripts audio pour radios locales
• répondre aux demandes clients (horaires, livraison, certifications)

Le gain est immédiat : plus de réactivité, plus de cohérence de marque, plus de ventes répétées.

Le vrai défi : données, confiance, et passage à l’échelle

Le point clé : l’IA agricole échoue rarement à cause de l’algorithme. Elle échoue à cause de l’opérationnel. Trois sujets reviennent systématiquement quand on veut déployer au Sénégal.

Données : “peu” n’est pas un problème, “sale” en est un

On peut commencer avec peu de données, à condition qu’elles soient propres et bien structurées. Une approche pragmatique :

1. standardiser 10 champs utiles (culture, date semis, intrants, incidents, rendement…)
2. collecter chaque semaine, même minimalement
3. améliorer progressivement (photos, géolocalisation, qualité)

L’IA a besoin de régularité plus que d’un grand volume initial.

Confiance : rendre les recommandations auditables

Un producteur adopte quand il comprend le “pourquoi”. Les meilleures solutions IA intègrent :

• une explication courte (3 lignes)
• un niveau de risque
• une alternative “prudente”
• la possibilité de retour terrain (“ça a marché / ça n’a pas marché”)

Cette boucle de feedback transforme l’IA en outil d’apprentissage collectif.

Passage à l’échelle : intégrer l’IA aux outils déjà utilisés

Si la solution exige une nouvelle application lourde, l’adoption ralentit. Au Sénégal, le déploiement marche mieux quand l’IA se greffe sur :

• WhatsApp / SMS
• systèmes de collecte existants
• dispositifs d’encadrement (conseil agricole)
• circuits acheteurs déjà en place

L’innovation qui gagne est souvent celle qu’on n’a pas besoin d’expliquer longtemps.

Ce que les acteurs peuvent faire dès janvier 2026 (plan en 30 jours)

Le point clé : tester vite, petit, mesurable. Voici un plan simple pour une organisation (coopérative, GIE, PME de transformation, projet) qui veut tirer profit de la dynamique “AFS Forum”.

Semaine 1 : choisir un seul problème, un seul indicateur

Exemples d’indicateurs utiles :

• baisse des pertes post-récolte (%)
• réduction du délai de réponse aux clients (heures)
• amélioration du taux de livraison à temps (%)

Semaine 2 : mettre en place une collecte légère

• un formulaire unique (papier ou numérique)
• un responsable par site
• une routine fixe (ex. lundi 18h00)

Semaine 3 : lancer un pilote IA “assisté”

• recommandations envoyées à un petit groupe
• validation par un technicien/conseiller
• journal des décisions (ce qu’on a fait)

Semaine 4 : mesurer, ajuster, décider “go / no go”

• si l’indicateur bouge, on étend
• sinon, on corrige la donnée ou on change de cas d’usage

Ce cycle évite le piège classique : acheter une solution complète avant d’avoir une preuve terrain.

AFS Forum 2025 : ce que Dakar envoie comme signal pour 2026

Le signal est clair : la modernisation des systèmes alimentaires africains passera par l’outillage numérique, et l’IA sera au centre des arbitrages (production, intrants, qualité, finance, commercialisation). À Dakar, le fait de mettre en avant les agro-praticiennes et les jeunes innovateurs dit aussi autre chose : l’IA n’est pas réservée à quelques grandes structures. Elle devient accessible dès qu’on structure les usages.

Pour les acteurs sénégalais de l’agriculture et de l’agro-industrie, le bon réflexe en 2026 n’est pas de “faire de l’IA”. C’est de choisir un point de friction (pertes, qualité, vente, planification), puis d’utiliser l’IA comme accélérateur de décision.

Si vous deviez repartir de l’AFS Forum avec une seule idée, gardez celle-ci : un système alimentaire solide, c’est un système qui anticipe. Et l’anticipation, aujourd’hui, se construit avec des données, des personnes… et de l’IA bien intégrée.

La question qui reste — et qui mérite un vrai débat entre producteurs, transformateurs et pouvoirs publics — est simple : quelles données et quelles règles faut-il partager pour que l’IA profite à tous, pas seulement aux mieux équipés ?