IA, genre et résilience : la filière mangue des Niayes

Le 12/11/2025 à Mboro, une trentaine d’acteurs de la filière mangue des Niayes se sont retrouvés avec l’ISRA/CDH autour d’un sujet qu’on traite souvent trop tard : comment rester productif quand le climat dérègle les saisons, et comment éviter que les femmes soient les premières à payer la facture.

Ce qui m’intéresse dans le projet pilote « Jaww Ji Mango Niayes », ce n’est pas seulement l’atelier ou les bonnes intentions. C’est la logique derrière : la résilience n’est pas qu’une affaire de techniques agricoles. C’est aussi une affaire d’organisation, d’accès au financement, de compétences, de débouchés… et de pouvoir de décision dans la chaîne de valeur.

Dans notre série « Comment l’IA transforme l’agriculture et l’agro-industrie au Sénégal », ce type de projet est un excellent point d’appui : il montre où les blocages se situent réellement, et donc où l’IA peut apporter des gains très concrets (prévision, tri, planification, réduction des pertes, accès marché), à condition de l’intégrer sans reproduire les biais existants.

La filière mangue des Niayes : la vulnérabilité vient surtout “après” la récolte

La réponse simple : dans les Niayes, le problème n’est pas seulement de produire, c’est de vendre et de transformer sans perdre. Les aléas climatiques abîment la floraison, accélèrent la maturité ou perturbent la disponibilité en eau. Mais derrière, un second choc arrive : les pertes post-récolte, souvent liées à la logistique, au tri, au stockage et au manque de transformation.

L’atelier organisé à Mboro part d’un constat lucide : même quand la mangue est là, la chaîne de valeur reste sous-performante parce que des obstacles structurels persistent.

Trois nœuds d’étranglement qui reviennent partout

1) Des vergers insuffisamment entretenus. Des manguiers âgés, des soins irréguliers, un rendement qui baisse. Le climat rend ces faiblesses plus visibles, plus coûteuses.

2) Un déficit de compétences “pratiques”. La formation existe parfois, mais elle est rarement continue, adaptée au terrain et basée sur des protocoles simples, documentés et transmissibles.

3) Un financement qui ne colle pas aux cycles agricoles. Le formel demande des garanties inadaptées, et les échéanciers de remboursement ignorent souvent la réalité de la trésorerie agricole.

Une phrase à garder en tête : une chaîne de valeur n’est résiliente que si ses maillons faibles sont traités avant la crise, pas pendant.

Pourquoi le genre change la donne (et pas seulement “par principe”)

Réponse directe : placer le genre au cœur de la résilience améliore la performance économique. Ce n’est pas un supplément “social” à ajouter à la fin d’un projet. Dans la filière mangue, les femmes sont très présentes dans des segments clés (petite transformation, commerce local, manutention, parfois production), mais elles sont aussi celles qui cumulent le plus de contraintes.

Le projet Jaww Ji Mango met en avant une analyse sexospécifique parce que les obstacles sont concrets :

• Moins d’accès aux moyens de production (terres fertiles, équipements, services de vulgarisation).
• Moins d’accès aux marchés formels, notamment export, à cause des exigences de certification, de traçabilité et de logistique.
• Moins de temps disponible à cause des responsabilités familiales, ce qui réduit la capacité à se former, investir, voyager, négocier.

Quand on ignore ces écarts, on obtient toujours le même résultat : les innovations profitent d’abord à ceux qui ont déjà le plus d’actifs.

Le parallèle utile avec l’IA : efficacité oui, mais sans “automatiser” les inégalités

L’IA, utilisée sans garde-fous, peut amplifier les déséquilibres : modèles entraînés sur des données biaisées, recommandations pensées pour des exploitations mieux équipées, outils accessibles uniquement via smartphones récents, interfaces non adaptées aux langues et pratiques locales.

Le bon réflexe, inspiré par Jaww Ji Mango : concevoir l’innovation avec les utilisateurs les plus contraints, pas seulement avec les plus visibles.

« Une innovation agricole qui n’intègre pas les contraintes des femmes finit par coûter plus cher, parce qu’elle échoue là où l’activité est réellement tenue au quotidien. »

Où l’IA peut renforcer la résilience de la mangue (du verger au marché)

Réponse courte : l’IA est surtout utile là où il faut décider vite avec peu d’informations fiables. Dans la filière mangue, ça veut dire : climat, maturité, tri, planification, prix, débouchés.

1) Anticiper les aléas climatiques et piloter les interventions

Dans un verger, rater une fenêtre d’intervention peut coûter toute une saison. L’IA peut aider à :

• Croiser des données météo locales (pluie, chaleur, humidité) avec des historiques de parcelle.
• Produire des alertes simples : périodes à risque (stress hydrique, pics de chaleur), recommandations de soins.
• Aider les techniciens à prioriser les visites terrain (vulgarisation plus ciblée).

L’objectif n’est pas de “remplacer” l’agronome. C’est de réduire la part d’aveugle dans les décisions.

2) Réduire les pertes post-récolte grâce au tri et à la planification

C’est souvent là que l’argent se perd.

Des outils IA (même modestes) peuvent soutenir :

• Le tri qualité (par imagerie sur smartphone ou caméra simple) pour séparer rapidement : export, marché local, transformation.
• La prévision de volumes (combien sortira telle semaine) afin d’organiser transport, caisses, main-d’œuvre.
• L’orientation vers la transformation quand les prix ou la logistique rendent la vente fraîche trop risquée.

Une règle simple : tout kilo de mangue “reclassé” à temps (vente locale ou transformation) vaut plus qu’un kilo jeté.

3) Transformation : standardiser la qualité pour vendre mieux

Le RSS le dit clairement : la transformation reste secondaire faute de technologies adaptées et de formation. L’IA peut apporter une brique souvent oubliée : la standardisation.

• Fiches numériques de bonnes pratiques (hygiène, temps, températures, rendements) adaptées au contexte local.
• Contrôles qualité simplifiés (checklists intelligentes, suivi lots).
• Prévisions de demande (petits marchés, hôtels/restaurants, épiceries, commandes groupées).

La transformation ne décolle pas seulement avec une machine. Elle décolle quand le produit est régulier, traçable, et vendu dans un circuit fiable.

4) Commercialisation : mieux négocier grâce à l’information

Beaucoup de producteurs subissent les prix parce qu’ils manquent d’information au bon moment : prix par zone, volumes disponibles, coûts de transport, exigences de l’acheteur.

L’IA peut aider à :

• Compiler des informations de marché (même via WhatsApp/SMS structurés).
• Proposer des scénarios simples : vendre maintenant, stocker 48h, transformer, regrouper.
• Identifier les “jours rouges” (sur-offre) et “jours verts” (opportunité) pour organiser les sorties.

Ce n’est pas magique. Mais une meilleure information réduit l’asymétrie de négociation.

Méthode concrète : un “pack IA + genre” en 90 jours pour une coopérative mangue

Réponse actionnable : pour passer du concept à la preuve terrain, il faut un périmètre limité, des indicateurs simples, et une gouvernance inclusive.

Étape 1 (Semaines 1–2) : choisir un problème unique et mesurable

Exemples réalistes :

• Réduire les pertes post-récolte sur 4 semaines de pic.
• Mieux orienter les lots (export/local/transformation).
• Sécuriser l’approvisionnement d’une unité de transformation artisanale.

Indicateurs (faciles à suivre) :

• % de pertes estimées par semaine
• volume vendu vs volume récolté
• prix moyen obtenu par catégorie

Étape 2 (Semaines 3–6) : capter des données minimales mais propres

• Registre simple (papier + saisie hebdo) ou formulaire mobile.
• Photos des lots (échantillons) pour entraîner un tri basique.
• Météo locale et dates de récolte.

Point clé genre : former et équiper aussi celles qui font le tri, la manutention et la transformation, pas seulement les responsables “officiels”.

Étape 3 (Semaines 7–12) : déployer un outil léger + accompagnement

• Alertes météo simples.
• Aide au tri (guides visuels + validation par un agent).
• Tableau de bord “une page” pour le comité de la coopérative.

Le succès se joue dans un détail : qui a accès aux infos et qui décide.

Questions fréquentes (et réponses franches)

L’IA est-elle réaliste dans les Niayes si la connectivité est faible ?

Oui, si on conçoit “low-tech” : collecte hors-ligne, synchronisation ponctuelle, usages via WhatsApp/SMS, outils partagés au niveau coopératif.

Est-ce que l’IA remplace la formation agricole ?

Non. L’IA réduit les erreurs répétitives et aide à décider, mais la formation reste le socle, surtout sur l’entretien des vergers et les bonnes pratiques post-récolte.

Pourquoi insister sur le genre dans un sujet technique ?

Parce que la performance dépend de la réalité du travail. Si une solution ignore le temps disponible, l’accès aux ressources et la mobilité des femmes, elle échoue sur le terrain, même si elle est “parfaite” sur le papier.

Ce que Jaww Ji Mango nous apprend pour l’IA agricole au Sénégal

Le projet Jaww Ji Mango Niayes met le doigt sur une vérité opérationnelle : la résilience se construit à l’interface entre climat, économie et organisation sociale. Les ateliers, les travaux de groupe (production, transformation, commercialisation) et l’accent sur les besoins des femmes ne sont pas des détails : ce sont les conditions pour que les solutions tiennent dans la durée.

Pour la série « Comment l’IA transforme l’agriculture et l’agro-industrie au Sénégal », la leçon est nette : l’IA a le plus d’impact quand elle s’attaque aux pertes, à la coordination et à l’accès marché, tout en intégrant une gouvernance inclusive. Sans cela, on gagne peut-être quelques points d’efficacité… et on perd l’essentiel : l’adoption.

Si vous travaillez dans une coopérative, une unité de transformation, une startup agri-tech ou un programme de développement, voici le prochain pas utile : choisir un maillon précis (tri, planification, transformation, vente), mesurer une saison, puis élargir. La filière mangue des Niayes a déjà l’énergie et les acteurs. La question, maintenant, c’est : qui va transformer ces pistes en outils simples, utilisés chaque semaine, par tout le monde — surtout par celles qui portent la filière au quotidien ?