Kaolack : l’IA au service du riz pluvial et du maraîchage

En hivernage 2025, 10 producteurs du Bassin arachidier ont reçu un appui concret pour multiplier des semences de riz pluvial : 0,5 hectare par producteur, 50 kg de semences prébase, 100 kg d’engrais 15-15-15 et 75 kg d’urée. Derrière ces chiffres, il y a une idée simple : l’autonomie semencière se construit sur le terrain, parcelle après parcelle, avec de la technique… et de l’organisation.

Ce qui m’intéresse particulièrement, dans le contexte de notre série « Comment l’IA transforme l’agriculture et l’agro-industrie au Sénégal », c’est que cette initiative (portée par l’ISRA et le PAIS à Kaolack) met en place le socle le plus difficile à obtenir : des données, des références locales, des producteurs formés et des itinéraires techniques stabilisés. L’IA ne remplace pas ça. Elle s’appuie dessus pour accélérer : mieux décider, mieux prévoir, mieux vendre.

Dans cet article, on part du renouveau de la riziculture pluviale et de l’horticulture dans la région de Kaolack, puis on voit comment des usages IA réalistes (pas des promesses floues) peuvent renforcer les résultats : qualité des semences, gestion des intrants, suivi des parcelles, et passage à l’échelle.

L’autonomie semencière : la base qui change tout

L’autonomie semencière, c’est la capacité d’une zone à produire des semences fiables et adaptées à ses contraintes, au lieu de dépendre d’approvisionnements irréguliers ou inadaptés. Dans le Bassin arachidier, historiquement centré sur l’arachide, l’enjeu est double : sécuriser le riz pluvial pour l’alimentation et diversifier (maraîchage, banane, patate douce) pour stabiliser les revenus.

Le programme décrit par l’ISRA et le PAIS n’est pas une simple distribution d’intrants. Il installe une logique de filière : sélection de producteurs, multiplication, encadrement technique, et apprentissage collectif. Sur le terrain, cela se traduit par des fermes pilotes qui deviennent de vrais champs-écoles dans des localités comme Ngane Ndiogou (commune de Dya), Médina Sabakh, Djilakhar, ou encore Wack Ngouna.

« Produire des semences adaptées localement est plus qu’un gain de rendement : c’est une assurance contre l’irrégularité et la dépendance. »

Pourquoi la riziculture pluviale a besoin d’une approche “locale d’abord”

Le riz pluvial dépend directement de la pluviométrie, des fenêtres de semis, de la capacité du sol à retenir l’eau, et de la pression des adventices. Une variété qui marche ailleurs peut échouer ici. C’est précisément là que l’approche ISRA/PAIS est solide : tests variétaux, puis multiplication chez des producteurs accompagnés.

Et c’est aussi là que l’IA devient utile : quand les choix variétaux et les itinéraires techniques sont déjà cadrés, l’IA peut améliorer la précision des décisions (dates, doses, risques) au lieu de “deviner”.

Ce que l’initiative ISRA–PAIS prouve déjà sur le terrain

Le point clé : la transition est en cours, et elle est visible. L’article source décrit des signes très concrets : paddy en tas après récolte, parcelles de riz pluvial vigoureuses, périmètres maraîchers structurés, bananiers en rangées, micro-boutures de patate douce, pépinières d’oignon.

On voit aussi apparaître des rôles qui comptent énormément pour la mise à l’échelle :

• Des producteurs référents (ex. en production de semences de riz pluvial à Médina Sabakh).
• Des relais d’approvisionnement horticole (ex. à Nioro pour des semences fiables).
• Des techniciens formés (ex. technicien horticole formé au Maroc, actif sur bananiers et boutures).
• Des dynamiques collectives via des GIE, comme « Bok Khol » (48 membres) à Darou Keur Balla.

Un signal fort : la consommation familiale bascule vers le “produit à la maison”

Quand un producteur dit que sa famille ne consomme plus que le riz qu’il cultive, et qu’il vend le surplus pour financer ses investissements, on touche un indicateur très concret : la sécurité alimentaire se mesure dans l’assiette, pas seulement dans des rapports.

Mais attention : tenir cette promesse exige une chose que beaucoup de projets sous-estiment : la régularité (qualité des semences + suivi + stockage + accès marché). C’est précisément le type de problème où des outils numériques et l’IA peuvent rendre service.

Où l’IA s’insère réellement dans le riz pluvial à Kaolack

L’IA est utile quand elle réduit l’incertitude et les pertes. Dans la riziculture pluviale, les pertes viennent rarement d’un seul facteur : c’est souvent une chaîne (mauvaise date de semis + pluies irrégulières + mauvaise dose d’azote + pression des adventices + récolte tardive). Les usages IA les plus pertinents sont donc ceux qui améliorent la coordination de cette chaîne.

1) Calendrier de semis “fenêtre optimale” (météo + historique)

Une application simple (ou même un service WhatsApp structuré) peut s’appuyer sur :

• historique local des pluies,
• prévisions à 7–14 jours,
• variété semée et cycle,
• type de sol.

L’IA ne “fait pas tomber la pluie”. Elle recommande une fenêtre : « semer entre telle et telle date » et alerte quand la probabilité de rupture de pluies augmente.

Bénéfice direct : moins de ressemis, plus d’homogénéité de levée, meilleure maîtrise des adventices.

2) Fertilisation raisonnée : éviter la dose “au feeling”

L’article mentionne une dotation : 100 kg de 15-15-15 et 75 kg d’urée par producteur pour 0,5 ha (phase pilote). À l’échelle, la question devient : quelle dose, à quel moment, sur quel sol ?

Un modèle simple peut combiner :

• stade de la plante (observé / déclaré),
• pluies récentes,
• précédent cultural,
• objectif de rendement réaliste.

Bénéfice direct : réduire le gaspillage d’azote (coût), limiter la verse (risque), stabiliser les rendements.

3) Diagnostic visuel au champ (téléphone) : feuilles, maladies, carences

Oui, les modèles de vision existent. Mais le vrai sujet n’est pas la technologie : c’est l’adaptation locale.

La bonne approche à Kaolack serait de créer (avec les techniciens ISRA/PAIS) une petite base d’images locales : feuilles jaunies (carence), taches (maladies), attaques (insectes), stress hydrique. Ensuite, l’IA devient un outil d’aide : elle propose 2–3 hypothèses et les gestes associés.

Bénéfice direct : réponse plus rapide, moins de traitements inutiles, montée en compétence des producteurs.

4) Traçabilité des semences : la confiance, ça se prouve

Dans une stratégie d’autonomie semencière, le nerf de la guerre est la confiance : pureté variétale, taux de germination, conditions de stockage.

Un système léger (registre numérique) peut tracer :

• producteur multiplicateur,
• parcelle, date de semis, date de récolte,
• pratiques clés (désherbage, fertilisation),
• tests simples (germination).

L’IA peut ensuite détecter des incohérences (ex. rendements anormalement bas) et aider à cibler les besoins de formation.

Bénéfice direct : semences plus fiables, adoption plus rapide par les voisins, filière plus solide.

Horticulture et agro-industrie : l’IA pour sécuriser la valeur, pas seulement produire

L’horticulture est souvent plus rentable que les céréales, mais plus risquée. Elle dépend de l’eau, de la main-d’œuvre, des intrants, et surtout du marché (prix très volatils). Dans l’article, on voit des signaux de structuration : bananiers, patate douce, oignon en pépinière, et des acteurs qui fournissent plants et boutures.

Prévision de production et débouchés : un usage IA très concret

Quand plusieurs périmètres produisent en même temps, le prix chute. L’IA peut aider à lisser l’offre via :

• collecte simple (sur téléphone) des surfaces et dates de plantation,
• estimation des volumes à venir par culture,
• alertes « pic d’offre probable ».

Ensuite, l’agro-industrie locale (transformateurs, grossistes, restaurations collectives) peut sécuriser des achats plus tôt. C’est là que l’IA a un impact économique : moins de pertes post-récolte, plus de contrats.

Qualité et standardisation : passer de “bon” à “vendable partout”

Pour la banane, l’oignon, la patate douce, une partie de la valeur est dans la qualité régulière : calibre, maturité, tri.

Des outils IA (caméra simple + modèle) peuvent aider des GIE à :

• trier plus vite,
• classer par qualité,
• justifier un prix.

Bénéfice direct : meilleure négociation, accès à des marchés plus exigeants.

Passer du pilote à l’échelle : la méthode en 5 étapes

Le passage à l’échelle échoue rarement par manque d’idées. Il échoue par manque d’exécution. Voici une feuille de route réaliste pour Kaolack, cohérente avec ce que l’ISRA/PAIS a déjà installé.

1. Standardiser les itinéraires techniques (riz pluvial + 2–3 cultures horticoles prioritaires) sous forme de fiches simples.
2. Mettre en place une collecte minimale de données (dates, surfaces, intrants, rendement) via formulaires mobiles.
3. Former un noyau de “référents data” : techniciens + 1–2 producteurs leaders par zone.
4. Déployer 2 cas d’usage IA maximum au début : calendrier de semis + traçabilité semencière (impact rapide, adoption facile).
5. Mesurer 3 indicateurs terrain sur une saison :
   • taux de germination / réussite d’implantation,
   • rendement moyen par zone,
   • volumes vendus et pertes post-récolte.

Ce cadre évite le piège classique : multiplier les outils, mais ne rien ancrer.

Questions fréquentes (et réponses directes)

L’IA est-elle utile sans capteurs coûteux ?

Oui. Le téléphone + la discipline de collecte (dates, photos, observations) suffisent pour les premiers gains : calendrier, alertes, diagnostic.

Est-ce que l’IA remplace l’encadrement technique ?

Non. L’encadrement reste la colonne vertébrale. L’IA sert à rendre cet encadrement plus réactif, plus cohérent, et plus mesurable.

Quel est le risque principal ?

Le risque n°1 est de créer des recommandations “hors sol”. Sans données locales et sans validation ISRA/PAIS, un modèle peut donner de mauvais conseils.

Kaolack montre la voie : unir recherche, organisation… et IA

Ce qui se passe dans le Bassin arachidier n’est pas un slogan : c’est une transformation patiente, portée par la recherche (ISRA), l’appui opérationnel (PAIS), et des producteurs qui prennent des risques mesurés. La priorité est claire : semences adaptées, compétences, filières locales.

La suite logique, en 2026, c’est d’ajouter une couche de modernisation pragmatique : IA pour mieux décider au champ, mieux sécuriser la qualité des semences, et mieux connecter production et marchés horticoles. Si on fait ça proprement, Kaolack peut devenir un exemple national : pas une vitrine, mais un modèle duplicable.

Et vous, si vous deviez choisir un seul usage IA à tester dès le prochain hivernage—calendrier de semis, diagnostic visuel, ou prévision de volumes pour vendre mieux—vous commenceriez par lequel ?