IA agricole au Sénégal : l’ISRA prépare le terrain

166 tonnes de semences de pré-base disponibles 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 : la session 2025 du Comité scientifique et technique (CST) de l’ISRA n’a pas été une réunion « de plus ». Elle a posé une question très concrète pour les prochaines saisons agricoles : comment passer plus vite de la recherche au champ, puis du champ au marché.

Ce qui change, c’est la combinaison de deux dynamiques rarement alignées en même temps : un appui politique visible (présence du ministre à l’ouverture et à la clôture) et une volonté interne de l’ISRA de muscler sa gouvernance scientifique (évolution envisagée du CST vers un Conseil scientifique). Pour moi, c’est exactement le genre de moment où l’intelligence artificielle en agriculture au Sénégal peut quitter le stade des démonstrations pour devenir un outil de production et de pilotage.

Dans cette série « Comment l’IA transforme l’agriculture et l’agro-industrie au Sénégal », on parle souvent d’outils numériques, d’automatisation et d’aide à la décision. La réalité, c’est que l’IA ne “remplace” pas la recherche : elle l’accélère et la rend plus utile sur le terrain, à condition d’avoir de la donnée, des protocoles, et une coordination solide. Justement, ce que révèle la CST ISRA 2025, c’est que ces fondations sont en train de se consolider.

La CST ISRA 2025 : un signal politique et opérationnel

La clé à retenir : quand un ministère vient deux fois (ouverture et clôture), ce n’est pas symbolique, c’est un message de priorisation. La session annuelle du CST (du 03/11/2025 au 07/11/2025) a réuni chercheurs, experts, représentants du monde rural et partenaires techniques et financiers au Pôle de Recherches de Hann. Le format n’est pas anodin : évaluer, orienter, recommander.

Dans son allocution, le ministre Mabouba Diagne a insisté sur une science « audacieuse et ancrée dans nos réalités ». Je suis d’accord avec cette ligne : l’innovation agricole utile au Sénégal est celle qui tient dans un calendrier cultural, un budget d’exploitation, et une logistique de commercialisation. Le reste, c’est de la vitrine.

Ce cadre de travail est précieux pour l’IA, car les projets IA qui réussissent partent rarement d’un algorithme. Ils partent d’un problème clair :

• améliorer la disponibilité semencière au bon moment ;
• réduire l’incertitude climatique à l’échelle parcellaire ;
• limiter les pertes post-récolte ;
• mieux vendre (prix, qualité, circuits).

La CST, en posant un espace d’évaluation et de programmation, crée l’environnement où ces problèmes peuvent être priorisés, chiffrés et suivis.

Réforme de la gouvernance scientifique : pourquoi c’est crucial pour l’IA

Le point le plus “structurant” de l’article, à mes yeux : le souhait du CST d’évoluer vers un Conseil scientifique (CS) mieux aligné avec la programmation scientifique et budgétaire, dans un contexte où la majorité des activités repose sur des projets financés.

L’IA a un besoin vital de gouvernance, pour une raison simple : si personne ne décide qui collecte quoi, comment, et avec quel standard, la donnée devient inutilisable. Et sans donnée fiable, l’IA se transforme en promesse floue.

Ce que l’IA exige, très concrètement

Pour intégrer l’IA dans la recherche et la vulgarisation, un institut a besoin d’au moins quatre briques :

1. Des protocoles de collecte (champ, station, laboratoire, post-récolte) homogènes entre sites.
2. Un référentiel de données (formats, métadonnées, droits d’usage, qualité).
3. Une boucle d’évaluation : l’outil IA est-il meilleur que la pratique actuelle ? Sur quel indicateur ?
4. Une stratégie de transfert vers producteurs, coopératives, semenciers, agro-industriels.

Un Conseil scientifique peut porter ces arbitrages : ce n’est pas glamour, mais c’est ce qui évite de multiplier les pilotes “qui marchent” en atelier et meurent au premier hivernage.

Gouvernance scientifique + bailleurs : un couple à maîtriser

Quand les projets sont majoritairement financés, l’IA peut être un accélérateur… ou un facteur de dispersion. Ce qui marche, c’est une règle simple : chaque projet IA doit alimenter une base commune de connaissances, pas seulement livrer un rapport.

Une bonne gouvernance scientifique peut imposer :

• des indicateurs comparables entre projets (rendement, taux d’adoption, marges, pertes) ;
• des jeux de données réutilisables (anonymisés si nécessaire) ;
• une documentation partageable entre équipes.

Semences, variétés, agroécologie : où l’IA peut produire des résultats rapides

Les résultats 2025 cités par la Direction générale de l’ISRA donnent des points d’ancrage parfaits pour des applications IA à impact.

1) La filière semencière : optimiser la disponibilité, pas seulement produire

La disponibilité de 166 tonnes de semences de pré-base est un jalon important. Le défi, ensuite, est logistique et décisionnel : qui multiplie quoi, où, quand, et pour quelle demande réelle ?

L’IA peut aider à :

• prévoir la demande par zone (historique, superficies, prix, pluviométrie attendue) ;
• planifier la multiplication pour limiter les ruptures ;
• détecter les goulots (transport, stockage, certification) avant qu’ils ne coûtent une saison.

Dans la pratique, on n’a pas besoin d’un système compliqué : un modèle de prévision simple, alimenté régulièrement, peut déjà réduire les écarts entre offre et besoin.

2) Sélection variétale : raccourcir le cycle “test → diffusion”

L’ISRA est salué pour ses avancées en sélection variétale. L’IA y joue un rôle précis : analyser plus vite des volumes de données d’essais multi-locaux (rendement, tolérance au stress, cycle, qualité).

Résultat attendu : prendre des décisions de recommandation plus tôt, surtout quand la variabilité climatique augmente. L’IA ne “choisit” pas la variété à la place du chercheur ; elle met en évidence des interactions difficiles à voir à l’œil nu (sol × climat × itinéraire technique × variété).

3) Agroécologie et santé animale : du diagnostic au suivi

Sur l’agroécologie, l’IA est utile quand elle sert un suivi :

• estimation de biomasse et couverture du sol via images ;
• alertes ravageurs/maladies basées sur observations terrain + météo ;
• recommandations d’intrants plus fines (éviter le « trop » et le « pas assez »).

En santé animale, les gains viennent souvent d’une meilleure détection précoce (symptômes, mortalité, chaleur) et d’un suivi des interventions.

Du laboratoire au marché : l’IA au service de l’agro-industrie sénégalaise

Le vrai test d’une politique de recherche, c’est la commercialisation. On produit, puis on perd en route (qualité, stockage, prix, débouchés). L’IA est très forte sur ces sujets, parce qu’elle sait traiter des signaux multiples.

Prévision de prix et pilotage des ventes

Pour une coopérative horticole ou une PME de transformation, l’IA peut aider à :

• estimer des tendances de prix (marchés de gros, saisonnalité, volumes) ;
• recommander un calendrier de mise en marché ;
• classer la qualité (tri) pour orienter vers le bon canal (frais, transformation, export).

Ce n’est pas de la spéculation. C’est du pilotage.

Contenu et communication : l’IA “non-agronomique” qui fait vendre

Dans cette série, on insiste aussi sur un point souvent sous-estimé : l’IA sert à mieux communiquer, pas seulement à mieux produire.

Des organisations agricoles au Sénégal utilisent déjà des approches simples :

• génération de fiches produits (variété, calibre, traçabilité, disponibilité) ;
• réponses rapides aux demandes clients (WhatsApp, e-mail) ;
• scripts de sensibilisation en wolof/français pour l’adoption d’une innovation.

La recherche produit des connaissances. L’IA peut aider à les transformer en messages clairs, réguliers, et adaptés au terrain.

Comment passer à l’action en 90 jours (sans projet “usine à gaz”)

La meilleure approche est pragmatique : un cas d’usage, une donnée minimale, un indicateur métier. Voilà un plan réaliste pour une organisation (ISRA, projet, interprofession, agro-industriel) qui veut démarrer.

Étape 1 : choisir un cas d’usage à fort retour

Trois options qui marchent souvent au Sénégal :

• prévision de demande et distribution de semences ;
• alerte ravageurs/maladies sur une filière ciblée ;
• optimisation post-récolte (tri, stockage, planification de collecte).

Étape 2 : sécuriser la donnée “suffisante”

Pas besoin d’attendre une base parfaite. Mais il faut :

• un format unique de collecte ;
• une fréquence fixe (hebdomadaire, bimensuelle) ;
• un responsable qualité (quelqu’un doit dire “non, on corrige”).

Étape 3 : mesurer un indicateur simple

Exemples d’indicateurs :

• taux de rupture semencière ;
• pertes post-récolte (%) ;
• délai de livraison ;
• marge nette par kg ;
• taux d’adoption d’une recommandation.

Si l’outil IA n’améliore pas l’indicateur, on itère ou on arrête. La discipline, c’est ça.

Ce que la CST ISRA 2025 annonce pour 2026 : une fenêtre à saisir

On est fin décembre 2025, période de bilans et de préparation des prochaines campagnes. Ce calendrier compte : c’est maintenant que se décident les priorités opérationnelles, les budgets, les partenariats, et les dispositifs de diffusion.

La CST ISRA 2025 montre que le Sénégal est en train d’aligner trois éléments rarement réunis : volonté politique, résultats techniques (notamment semenciers), et réforme de gouvernance. L’IA, dans ce contexte, n’est pas un “plus” : c’est un moyen d’aller plus vite, de réduire les gaspillages, et d’augmenter le taux de transformation des résultats de recherche en gains économiques.

Si vous travaillez dans une exploitation, une coopérative, une entreprise agro-industrielle ou un projet, je vous conseille une question simple pour démarrer 2026 : où perdez-vous le plus d’argent aujourd’hui — à la production, au stockage, ou à la vente ? C’est souvent là que la première brique IA trouve sa place.