Pêche durable au Sénégal : l’IA pour mieux gérer la ressource

Le 23/12/2025, le ministre en charge de la Pêche a échangé avec le CONAPED (professionnels et acteurs économiques du secteur) sur un sujet que tout le monde comprend, même sans être marin : sans gestion rigoureuse, la ressource s’épuise. Et quand la ressource se raréfie, ce n’est pas seulement la mer qui souffre — ce sont les revenus, les emplois, la transformation locale, l’export, et au final l’alimentation.

Ce qui m’intéresse ici, c’est le “non-dit” derrière ce type de rencontre : on parle de pêche durable, donc on parle de données, de contrôle, de traçabilité, de coordination. Exactement les domaines où l’intelligence artificielle (IA) apporte des résultats concrets — et pas seulement dans la pêche. Dans notre série « Comment l’IA transforme l’agriculture et l’agro-industrie au Sénégal », la pêche devient un miroir utile : les mêmes problèmes d’organisation et de durabilité existent sur terre, du champ au marché.

Le message est simple : la durabilité n’est pas qu’une affaire de textes et de réunions. C’est une affaire d’exécution quotidienne. Et l’IA, bien utilisée, aide à exécuter.

Ce que révèle l’échange ministre–CONAPED : la durabilité est un problème d’info

Réponse directe : les défis d’une pêche durable au Sénégal se résument souvent à une difficulté de “voir” la réalité en temps quasi réel (stocks, effort de pêche, débarquements, prix, pertes), puis d’agir vite et de façon coordonnée.

Quand un ministère échange avec une organisation professionnelle comme le CONAPED, il y a généralement trois attentes derrière :

• Règles claires et applicables (licences, zones, engins, périodes, tailles minimales)
• Équité et transparence (qui pêche quoi, où, et avec quel impact)
• Viabilité économique (des revenus stables et une filière qui investit)

Le problème, c’est que ces trois objectifs se heurtent à une réalité : les décisions sont parfois prises avec des données incomplètes, fragmentées ou tardives. Même quand la bonne volonté est là, on avance à l’aveugle.

L’IA ne remplace ni la concertation ni la réglementation. Elle fait autre chose : elle transforme des signaux dispersés (observations, journaux, images, capteurs, transactions) en décisions opérationnelles.

L’IA dans la pêche : 5 usages concrets qui collent aux enjeux de terrain

Réponse directe : l’IA peut améliorer la pêche durable en surveillant l’effort de pêche, en estimant l’état des stocks, en réduisant la fraude et en limitant les pertes après capture.

1) Suivi des activités et contrôle plus ciblé (pas “plus répressif”)

Un État n’a pas besoin de contrôler tout le monde tout le temps. Il a besoin de contrôler mieux. L’IA aide à prioriser : repérer des comportements anormaux, des incohérences, des zones “à risque”.

Exemples d’outils utiles (selon les contextes) :

• Analyse de données de géolocalisation des embarcations (quand disponible) pour détecter des trajectoires atypiques
• Détection d’anomalies dans les déclarations de captures (volumes incohérents, espèces improbables)
• Vision par ordinateur sur des images de débarquement (qualité, tri, volumes estimés)

Le bénéfice immédiat : moins de contrôle au hasard, plus de contrôle intelligent. Et si on veut une filière apaisée, c’est un point crucial.

2) Estimation des stocks et prévisions saisonnières

La pêche durable, c’est d’abord pêcher au rythme de la ressource. Or, la ressource varie : saisons, température, upwellings, pression de pêche, reproduction.

Avec des modèles d’IA (souvent combinés à des modèles océanographiques), on peut :

• Améliorer les prévisions d’abondance par zone et par période
• Simuler l’impact d’une mesure (fermeture temporaire, limitation d’engins)
• Aider à planifier des campagnes de collecte et d’observation

Même si les données ne sont pas parfaites, un système qui progresse (et s’améliore chaque mois) vaut mieux qu’un pilotage “à l’intuition”.

3) Traçabilité et accès au marché : la durabilité qui se vend

Beaucoup de filières perdent de la valeur faute de preuve simple : origine, zone, date, chaîne du froid, transformation. La traçabilité, ce n’est pas un luxe : c’est ce qui ouvre ou ferme un marché.

L’IA intervient surtout sur deux points :

• Automatiser la saisie (reconnaissance d’espèces, lecture de documents, rapprochement de lots)
• Détecter les incohérences dans la chaîne (ruptures de température, volumes illogiques)

Résultat : une filière plus crédible, des opérateurs mieux valorisés, et une durabilité qui devient un avantage économique, pas seulement une contrainte.

4) Réduction des pertes post-capture (le “gisement caché”)

La durabilité, ce n’est pas uniquement “moins pêcher”. C’est aussi mieux conserver et mieux transformer. Une partie des captures se dégrade, se vend à bas prix ou se perd, surtout quand la logistique est fragile.

Avec des approches IA + données (stocks, températures, temps d’attente, demande), on peut :

• Optimiser les tournées de collecte et d’acheminement
• Prioriser les lots selon la fraîcheur attendue
• Ajuster la production en transformation (fumage, congélation, filetage) selon la demande

On parle ici d’un gain double : économique (plus de valeur) et écologique (moins de gaspillage).

5) Dialogue filière–État basé sur des faits (et moins sur des tensions)

C’est un point rarement dit clairement : quand la donnée est faible, le débat devient émotionnel. Quand la donnée est partagée, le débat devient technique.

Une plateforme (même simple) qui met en commun des indicateurs — effort de pêche, débarquements, prix, zones — permet :

• de négocier des mesures sur une base objective
• de suivre l’effet des décisions (et d’ajuster)
• de réduire la suspicion entre acteurs

Et c’est exactement l’esprit qu’on attend d’un échange ministre–CONAPED : aligner les intérêts autour d’une réalité mesurable.

Le pont vers l’agriculture : mêmes défis, mêmes solutions IA

Réponse directe : les difficultés de la pêche durable et celles de l’agriculture sénégalaise se ressemblent : manque de données terrain, logistique coûteuse, pertes, accès au marché et besoin de coordination.

Sur terre, les producteurs font face à des questions très proches :

• Quelle est la production réelle (et pas seulement déclarée) ?
• Où sont les pertes (récolte, stockage, transport) ?
• Comment stabiliser les prix sans casser les incitations ?
• Comment prouver la qualité et l’origine pour mieux vendre ?

Dans l’agro-industrie, j’ai souvent constaté que le meilleur point d’entrée IA n’est pas le drone. C’est la donnée la plus “banale” : tickets de pesée, historiques de collecte, niveaux de stock, retours qualité, délais.

La pêche durable met en lumière une règle utile : on ne gère bien que ce qu’on mesure. L’IA n’est pas magique, mais elle rend la mesure exploitable à grande échelle.

Plan d’action réaliste : démarrer l’IA sans se perdre

Réponse directe : pour déployer l’IA dans une filière (pêche ou agriculture), il faut commencer par 3 cas d’usage mesurables, des données minimales, et une gouvernance claire.

Voici une feuille de route pragmatique que je recommande aux organisations professionnelles, coopératives, transformateurs et décideurs.

1) Choisir 3 indicateurs qui comptent vraiment

Pas 25 KPI. Trois, suivis chaque semaine :

• Taux de pertes / déclassement (qualité)
• Temps moyen capture–débarquement–vente ou récolte–collecte–vente (fraîcheur)
• Écart prix producteur vs prix marché (valeur captée)

Quand ces indicateurs bougent dans le bon sens, l’IA devient “visible”.

2) Construire une base de données simple, mais propre

• Noms standardisés des produits (espèces/variétés)
• Un identifiant de lot
• Date/heure (format unique)
• Lieu (au moins au niveau zone/site)

La plupart des projets échouent ici. Pas parce que l’IA est complexe, mais parce que les données sont mal structurées.

3) Automatiser la collecte au maximum

• Formulaires mobiles hors-ligne
• Scans et reconnaissance de documents
• Photos pour contrôle qualité (avec règles simples au départ)

Moins on demande d’effort manuel, plus on obtient de la régularité.

4) Mettre en place une gouvernance “filière”

Qui voit quoi ? Qui valide quoi ? Qui corrige quoi ? Une IA sans règles de partage devient une source de conflit.

Phrase à garder en tête : “La donnée partagée crée de la confiance, mais seulement si les règles sont claires.”

Questions fréquentes (et réponses sans détour)

L’IA va-t-elle remplacer les pêcheurs ou les producteurs ?

Non. Elle remplace surtout les angles morts : pertes invisibles, incohérences, retards de décision. Les métiers restent, mais ils deviennent plus pilotés.

Faut-il des capteurs et des équipements coûteux ?

Pas au départ. Les premiers gains viennent souvent des données déjà disponibles : pesées, ventes, stocks, qualité, itinéraires. Ensuite seulement, on instrumente.

Qui doit porter ces projets : l’État ou le privé ?

Les deux. L’État fixe le cadre et facilite la donnée d’intérêt général ; le privé et les interprofessions déploient des outils opérationnels orientés performance.

Une fin d’année propice aux décisions qui comptent

Fin décembre, au Sénégal comme ailleurs, beaucoup d’organisations bouclent leurs bilans et préparent 2026. L’échange entre le ministre et le CONAPED tombe à un moment utile : c’est maintenant que se décident les priorités budgétaires, les investissements, et les règles du jeu.

Si je devais résumer : la pêche durable n’a pas besoin de promesses de plus. Elle a besoin d’un pilotage plus fin. L’IA est l’un des moyens les plus concrets d’y arriver, et les leçons sont immédiatement transférables à l’agriculture et à l’agro-industrie : mesure, traçabilité, logistique, marché.

La prochaine étape logique, c’est de choisir un cas d’usage simple (p. ex. réduction des pertes ou traçabilité de lots), de le tester sur une zone ou une chaîne courte, puis d’étendre. Une question pour ouvrir 2026 : dans votre filière, quelle décision prendriez-vous différemment si vous aviez les bons chiffres chaque semaine ?