Arachide au Sénégal : la qualité qui prépare l’IA

130 milliards de FCFA. C’est l’enveloppe annoncée pour placer l’agriculture et l’élevage au centre des priorités nationales. Et, dans cette masse budgétaire, une décision très concrète dit beaucoup de la trajectoire du pays : réintroduire des cribles et des tarares pour nettoyer, trier et standardiser les graines d’arachide.

Je vais être direct : on ne construit pas une filière arachide compétitive avec des données “sales” et des lots hétérogènes. Or, dans l’agriculture, la “donnée” commence souvent… par la matière elle-même. Une graine chargée de sable, de débris ou de gousses brisées, c’est un rendement industriel plus faible, une qualité plus difficile à certifier, et des prix discutés à la baisse. La modernisation décrite dans l’actualité du 20/11/2025 n’est donc pas un simple retour d’outils : c’est un socle.

Dans notre série « Comment l’IA transforme l’agriculture et l’agro-industrie au Sénégal », cet exemple est précieux parce qu’il montre le chemin le plus réaliste : mécaniser et standardiser d’abord, puis automatiser et optimiser ensuite avec l’IA.

Cribles et tarares : un petit équipement, un gros effet

Réponse directe : les cribles et tarares améliorent la compétitivité parce qu’ils augmentent la pureté des lots, facilitent la certification des semences et réduisent les pertes en transformation.

L’initiative portée par le Programme de Mécanisation Agricole du Sénégal (PMAS 2026-2030) prévoit des volumes qui donnent l’échelle : 20 000 cribles et 1 500 tarares destinés à équiper 1 200 points de collecte sur le territoire. Pour la campagne 2025-2026, l’État met déjà à disposition 1 900 cribles et 100 tarares, avec une subvention de 40%.

Ce que ça change, très concrètement, à la collecte et au stockage :

• Moins d’impuretés (sable, résidus de récolte, fragments) = meilleure qualité marchande.
• Lots plus homogènes = négociation plus simple et plus rapide.
• Semences mieux triées = meilleure germination et donc meilleure régularité des parcelles.
• Traçabilité plus crédible quand on veut aller vers des standards de marché.

Les acteurs de l’interprofession l’ont formulé sans détour : « le sable est devenu l’ennemi numéro un des producteurs ». Et c’est exactement le genre de “petit” problème qui, multiplié par des milliers de tonnes, devient un problème national.

La qualité n’est pas un détail : c’est un prix

Quand la qualité varie d’un point de collecte à l’autre, tout devient coûteux : contrôles supplémentaires, rejets, re-tri, pertes de temps, litiges. À l’inverse, standardiser en amont réduit la friction sur toute la chaîne (collecte → stockage → huilerie/export).

Si vous cherchez un indicateur simple : la pureté et l’humidité. Même sans chiffres publics détaillés dans l’article, l’idée opérationnelle est claire : plus vous maîtrisez ces paramètres tôt, plus vous sécurisez votre marge plus tard.

De la mécanisation à l’IA : la suite logique dans la filière arachide

Réponse directe : l’IA devient utile quand les opérations sont déjà structurées (outils, procédures, points de contrôle), car elle peut alors mesurer, prévoir et automatiser.

Beaucoup de projets “IA agricole” échouent pour une raison banale : on veut des modèles prédictifs alors que les processus ne sont pas stables. La réintroduction des cribles et tarares stabilise une étape clé : la qualité à la collecte. C’est ici que l’IA peut ensuite “se brancher”.

Où l’IA peut apporter un gain immédiat (sans science-fiction)

1. Contrôle qualité assisté par vision (caméra + IA)

• Détection d’impuretés et estimation du taux de sable.
• Classement des lots (grade A/B/C) avec critères explicites.
• Archivage photo/vidéo comme preuve de contrôle.

1. Optimisation des flux dans les points de collecte

• Prévision des volumes entrants par jour/semaine (historique + météo + calendrier de récolte).
• Planification des horaires de tri pour éviter les bouchons.
• Affectation des lots vers stockage, huilerie ou export selon qualité.

1. Traçabilité “pragmatique”

• Un lot = un identifiant + une fiche (date, point de collecte, opérateur, résultat tri).
• L’IA ne remplace pas la traçabilité : elle la rend exploitable (alertes, anomalies, scoring).

1. Crédit et financement mieux ciblés

• Scoring de risque basé sur régularité des volumes, historique de qualité, respect des livraisons.
• Cela s’inscrit parfaitement dans la logique multi-acteurs (banques, fonds de garantie, opérateurs).

Phrase à retenir : « Sans standardisation à la collecte, l’IA n’optimise rien : elle automatise juste le désordre. »

Une passerelle simple : instrumenter les cribles et tarares

On n’est pas obligé de “numériser tout” dès le départ. Une approche réaliste, que je recommande souvent :

• Démarrer par 5 à 10 points de collecte pilotes.
• Ajouter un protocole unique : pesée, tri, mesure humidité (si disponible), enregistrement mobile.
• Mettre un tableau de bord hebdomadaire (même basique) : volumes, taux d’impuretés, rejets.
• Ensuite seulement, entraîner des modèles IA sur des données propres.

C’est exactement l’esprit “Jub Jubal Jubunti” appliqué à la tech : on donne des outils, on reçoit des données, on rend de la valeur sous forme de décisions meilleures.

« Made in Senegal » : quand l’industrialisation locale accélère l’innovation

Réponse directe : produire localement les équipements réduit les délais, renforce les compétences et facilite la maintenance—trois conditions clés pour réussir l’adoption d’outils, puis de solutions IA.

L’article met en avant la SISMAR, entreprise sénégalaise, mobilisée pour fabriquer les cribles et tarares. Le point intéressant n’est pas seulement symbolique : c’est opérationnel.

• Maintenance et pièces : si l’équipement casse au moment critique, la filière ne peut pas attendre des semaines.
• Formation : les réparateurs, opérateurs et superviseurs se forment sur des machines qu’ils voient et comprennent.
• Amélioration continue : les retours terrain peuvent être intégrés plus vite (design, robustesse, ergonomie).

Le Directeur Général de la SISMAR souligne l’effet sur l’emploi et la formation. Et le Ministre évoque une ambition : aller vers des tracteurs assemblés localement par un consortium. Je prends position : c’est la bonne direction, parce qu’une filière mécanisée sans base industrielle locale reste dépendante, donc fragile.

Pourquoi cela compte pour l’IA et l’agro-industrie

L’IA, ce n’est pas seulement du logiciel. C’est un ensemble : matériel, capteurs, connectivité, maintenance, support. Une industrie locale facilite l’intégration de capteurs (pesée, vibration, débit), la collecte de données et la réparation rapide. L’IA devient alors un “plus” crédible, pas un projet vitrine.

Financement multi-acteurs : la condition pour passer à l’échelle

Réponse directe : la subvention et la convention multi-acteurs réduisent le risque et accélèrent l’équipement des points de collecte—ce qui crée une base solide pour la digitalisation et l’IA.

La modernisation ne marche pas si elle reste réservée à quelques grands opérateurs. Ici, l’article décrit une convention coordonnée par le MASAE réunissant producteurs, opérateurs privés semenciers, institutions bancaires (LBA, BNDE) et fonds de garantie (FONGIP, DER/FJ).

Le montage est intelligent parce qu’il traite le vrai frein : l’accès au crédit pour investir dans des équipements intermédiaires (souvent jugés “petits”, donc mal priorisés, alors qu’ils conditionnent la qualité).

Le levier le plus fort : conditionner les agréments à la qualité

Un point clé est annoncé : les agréments et quotas de semences seront conditionnés à l’achat de cribles. C’est une mesure qui peut déranger, mais elle clarifie les règles.

Mon avis : si l’objectif national est de rendre la filière plus compétitive, il faut des exigences. L’enjeu, c’est de le faire avec équité : accompagnement, financement, formation et contrôle transparent.

Plan d’action (simple) pour passer de la collecte à l’IA

Réponse directe : commencez par standardiser, mesurer, puis automatiser—dans cet ordre.

Voici un plan en 6 étapes, applicable dès la campagne 2025-2026 pour des coopératives, OPS, ou unités de collecte :

1. Standardiser le tri : même procédure, mêmes seuils d’acceptation.
2. Former 2 profils : un opérateur machine + un responsable qualité.
3. Mesurer 3 indicateurs : volume, taux d’impuretés, taux de rejet (par jour et par lot).
4. Digitaliser léger : un formulaire mobile hors ligne + synchronisation.
5. Créer un tableau de bord : hebdo, partagé (collecte/stockage/financement).
6. Ajouter l’IA là où ça rapporte : vision pour contrôle qualité, prévision des volumes, détection d’anomalies.

Ce plan évite le piège classique : acheter une solution “IA” avant d’avoir des données cohérentes.

La modernisation de l’arachide, un test grandeur nature

L’actualité du 20/11/2025 raconte une politique publique très concrète : équiper, subventionner, produire localement, financer, et suivre. Le dispositif de suivi-évaluation annoncé (avec le CNIA et le Ministère du commerce au centre) est une bonne nouvelle, parce qu’il donne une logique de résultats.

Pour notre série sur l’IA au Sénégal, je retiens une idée forte : la modernisation commence souvent par des gestes simples qui rendent enfin le système mesurable. Les cribles et tarares ne sont pas “anti-IA”. Au contraire : ils préparent le terrain.

Si vous êtes producteur, opérateur de collecte, huilier, exportateur, ou acteur public, la question utile n’est plus “Est-ce qu’on va faire de l’IA ?”. C’est : quelle étape de la chaîne de valeur doit devenir fiable dès maintenant pour que l’IA apporte un gain réel dès 2026 ?