Villages intelligents au Sénégal : l’agroécologie + IA

En octobre 2025, dans plusieurs communes de Kaffrine, Kaolack et Fatick, des équipes de recherche ont constaté quelque chose de rare : des changements agricoles visibles “à hauteur de village”, portés par les communautés elles-mêmes. Semences mieux adaptées, actions collectives (clôtures, aménagements), implication forte des femmes et des jeunes. Ce n’est pas un discours de conférence : c’est du terrain.

Ce succès s’appuie sur le modèle des Villages Intelligents face au Climat (VIC), initié dès 2011 à Daga Birame (Kaffrine) et mis en œuvre par le CNRF/ISRA, puis étendu depuis 2023 dans huit communes avec l’appui d’ENABEL et du FNDASP. Le principe est simple : faire du village un “laboratoire vivant” où l’on teste, adapte et adopte des pratiques agroécologiques, des services climatiques, et une gouvernance locale inclusive.

Dans cette série “Comment l’IA transforme l’agriculture et l’agro-industrie au Sénégal”, j’aime prendre des cas concrets plutôt que des promesses abstraites. Les VIC sont un excellent exemple, parce qu’ils montrent déjà ce qui marche. La question, maintenant, c’est : comment l’intelligence artificielle peut amplifier ces acquis (productivité, résilience, revenus) sans casser la logique communautaire ?

Pourquoi les VIC fonctionnent : une méthode, pas une technologie

Les VIC fonctionnent parce qu’ils combinent trois leviers qui se renforcent.

D’abord, des solutions agronomiques adaptées : des variétés plus résilientes et des itinéraires techniques réalistes pour les conditions locales. Ensuite, des services climatiques (informations météo, conseils de calendrier cultural). Enfin, une gouvernance participative qui transforme les innovations en habitudes collectives.

La mission conjointe conduite du 06/10/2025 au 10/10/2025 a mis en évidence, dans des villages comme Panal Wolof, Dara Mboss, Deguer Diamaguene et Ndiago :

• Adoption massive de semences améliorées tolérantes à la sécheresse (mil Sunna 3 et Thialack 2, sorgho Payenne et Golobé, maïs Obatampa, niébé à double usage)
• Engagement des femmes et des jeunes dans la production et les formations
• Hausse de la conscience climatique : sécurité alimentaire, gestion de l’eau, choix variétaux
• Demande prioritaire remontée par les communautés : un meilleur accès à l’eau pour consolider les activités

Un village “intelligent face au climat”, ce n’est pas un village rempli de capteurs : c’est un village qui sait décider, collectivement, avec de meilleures informations.

Cette définition compte, parce que l’IA n’a de valeur que si elle améliore la décision (quoi semer, quand, où, à quel coût, pour quel marché) et si elle réduit le risque.

Les “laboratoires vivants” : l’endroit idéal pour tester l’IA utile

Le point fort des VIC, c’est qu’ils créent un cadre d’expérimentation réaliste : parcelles, maraîchage, reboisement, gestion de l’eau, formations, plateformes multi-acteurs. Autrement dit, un système complet.

Pour l’IA, c’est une opportunité : on peut passer de “l’outil gadget” à des usages mesurables.

IA + agroécologie : une alliance pragmatique

L’agroécologie repose sur l’observation (sol, eau, biodiversité, pression des ravageurs) et l’ajustement. L’IA, elle, excelle à :

• repérer des motifs dans des données (météo, images, rendements)
• proposer des recommandations (calendrier, fertilisation organique, densité)
• automatiser des tâches de suivi (alertes, reporting)

En contexte rural, la contrainte n’est pas “peut-on faire de l’IA ?” mais plutôt : peut-on faire une IA frugale, robuste, et vraiment adoptée ?

Ce que l’IA peut apporter, concrètement, dans un VIC

Voici des cas d’usage réalistes (et finançables) à tester village par village.

1. Conseil agricole personnalisé par SMS/WhatsApp

   • entrées : localisation, date de semis, variété (ex. Sunna 3), type de sol
   • sorties : fenêtre de semis, conseil de désherbage, risque sécheresse, rappel d’opérations

2. Alerte météo “actionnable” (pas juste la pluie prévue)

   • exemple : “Probabilité forte de pause pluviométrique 7–10 jours : prioriser paillage + désherbage léger, éviter repiquage cette semaine.”

3. Diagnostic visuel sur cultures (IA sur images)

   • une photo de feuille + un modèle entraîné localement peut orienter vers carence, stress hydrique ou attaque.
   • intérêt : gagner du temps avant la visite d’un technicien.

4. Optimisation de l’eau en maraîchage

   • même sans IoT sophistiqué : suivi simple (heures d’arrosage, volume, état des planches)
   • l’IA peut proposer des routines selon météo/variété, et aider à comparer les pratiques.

5. Capitalisation des apprentissages

   • transformer les carnets de champs et retours paysans en “base de connaissances” locale
   • l’IA générative peut aider à produire des fiches simples en français et, quand c’est pertinent, en langues nationales (via animation et validation humaines).

Le vrai test : est-ce que ça réduit les pertes, stabilise les rendements, ou augmente les revenus ? Si la réponse n’est pas mesurable, on s’arrête.

Du champ au revenu : l’IA pour renforcer l’impact socio-économique

Les VIC montrent déjà une dynamique de production. Mais beaucoup de projets s’essoufflent au moment le plus sensible : la commercialisation. Or, la résilience, ce n’est pas seulement “produire malgré le climat”. C’est aussi vendre au bon moment, au bon prix, et réduire l’incertitude.

IA pour la mise en marché : trois leviers simples

1) Prévision de volumes et planification collective Quand un groupement sait estimer ses volumes (même approximativement), il négocie mieux. Une approche IA légère peut aider à prévoir des volumes à partir de : surfaces, dates de semis, historique de rendements, scénarios météo.

2) Veille prix et arbitrage stockage/vente Même un suivi hebdomadaire des prix, structuré et partagé, change les décisions. L’IA peut :

• nettoyer les données (formats, doublons)
• produire un tableau simple
• détecter des tendances (hausse/baisse)

3) Qualité et tri : réduire les rejets Dans certaines filières, une partie des pertes est liée au tri tardif ou irrégulier. Des procédures standard (et, plus tard, de la vision par ordinateur) peuvent réduire les rejets et améliorer la valeur.

Si l’IA n’améliore pas le revenu net du producteur (après coûts), elle reste une démo.

Focus femmes et jeunes : le levier “adoption” le plus sous-estimé

Le terrain montre une implication active des femmes et des jeunes. C’est stratégique : ce sont souvent eux qui prennent en main les outils numériques (téléphone, saisie, messages vocaux).

Dans un déploiement IA réussi, je recommande de formaliser :

• un rôle de “référent data village” (souvent un jeune formé)
• un rôle de “leader de pratique” (souvent une femme sur maraîchage/transformation)
• un rituel mensuel : revue des décisions (ce qu’on a essayé, ce qui a marché, ce qu’on abandonne)

L’IA devient alors un outil d’organisation, pas un gadget.

Gouvernance et données : la condition non négociable

L’IA en agriculture crée vite une tension : qui collecte les données, qui y a accès, qui en tire profit ? Les VIC ont déjà une réponse partielle grâce aux plateformes multi-acteurs et à la gouvernance inclusive. Il faut la renforcer.

Un cadre “données responsables” adapté aux villages

Je défends un cadre simple, compréhensible et applicable.

• Consentement clair : à quoi servent les données (météo, rendements, prix), pour combien de temps.
• Réciprocité : pas de collecte sans retour utile (conseils, tableaux, formations).
• Sobriété : collecter le minimum nécessaire.
• Portabilité : le village doit pouvoir récupérer ses données.

Les indicateurs qui comptent (et qui convainquent les financeurs)

Si vous pilotez un programme VIC + IA, mesurez systématiquement :

• taux d’adoption (combien d’exploitations utilisent l’outil au moins 2 fois/mois)
• stabilité des rendements (variabilité interannuelle, pas seulement la moyenne)
• marge nette (revenu – coûts, incluant eau/transport)
• temps économisé (diagnostic, organisation, prospection)
• participation femmes/jeunes (dans la décision, pas seulement dans l’exécution)

Ces métriques parlent à tout le monde : producteurs, collectivités, partenaires techniques et financiers.

Feuille de route : passer de “projet” à “système” en 90 jours

Les VIC sont déjà une base solide. Pour intégrer l’IA sans déséquilibrer l’approche, voici une feuille de route courte.

Semaine 1–2 : cadrage et choix d’un cas d’usage

• choisir un seul problème prioritaire (souvent : eau, calendrier cultural, maraîchage)
• définir le bénéfice attendu en une phrase
• identifier 10–20 utilisateurs pilotes

Semaine 3–6 : prototype frugal

• messages vocaux/SMS, formulaires ultra simples
• tests sur un cycle court (ex. maraîchage)
• validation avec techniciens + producteurs

Semaine 7–10 : mesure et ajustement

• mesurer adoption + décisions prises + résultat (même qualitatif)
• ajuster les recommandations au vocabulaire local

Semaine 11–13 : déploiement contrôlé

• élargir à un autre groupement
• intégrer un module commercial (prix, volumes) si la production suit

Ce rythme évite l’erreur classique : acheter une “plateforme complète” avant d’avoir prouvé l’usage.

Ce que les VIC disent déjà sur l’avenir de l’agriculture au Sénégal

Les VIC prouvent une chose : la résilience ne se décrète pas, elle se construit avec des choix techniques (variétés, agroforesterie, eau), des services climatiques, et une gouvernance qui respecte les dynamiques locales.

L’étape suivante, logique, consiste à transformer ces villages-laboratoires en sites de référence pour une IA utile : une IA qui aide à décider, qui sécurise l’eau et les calendriers, qui organise la mise en marché, et qui documente ce qui marche pour accélérer l’apprentissage d’une commune à l’autre.

Si vous travaillez dans une coopérative, une entreprise agro-industrielle, une ONG ou une collectivité : quel est le “point de douleur” numéro 1 chez vous — eau, rendements, ravageurs, ou vente — et quelle donnée simple pourriez-vous commencer à suivre dès janvier 2026 pour le réduire ?