L’intelligence artificielle au chevet de l’agriculture africaine

Un agriculteur approche son téléphone d’un plant de maïs rongé par un ravageur, et l’écran affiche aussitôt le coupable et la marche à suivre. Ce geste, banal en apparence, résume la promesse de l’intelligence artificielle pour les champs africains : mettre le savoir agronomique dans la poche de ceux qui nourrissent le continent. Entre avancées concrètes et obstacles tenaces, tour d’horizon d’une révolution qui ne fait que commencer.

Un secteur vital, mais sous pression

L’agriculture est le premier employeur de l’Afrique. Selon les sources et les périmètres, elle représente entre 20% et un tiers du PIB du continent et fait vivre environ la moitié de la population active. Le tissu est dominé par les petites exploitations : l’Afrique en compte quelque 33 millions, cultivant le plus souvent moins d’un hectare, et ce sont elles qui assurent l’essentiel de la production alimentaire. C’est dire si le moindre gain de rendement, la moindre perte évitée, se traduit immédiatement en sécurité alimentaire pour des millions de foyers.

Or les menaces s’accumulent : aléas climatiques, sols fatigués, accès difficile au conseil agricole et surtout ravageurs. La chenille légionnaire d’automne, arrivée sur le continent en 2016, en est le symbole : selon le centre de recherche CABI, elle provoquerait entre 8 et 20 millions de tonnes de pertes de maïs par an en Afrique, et la FAO estime qu’elle menace la sécurité alimentaire de plus de 300 millions de personnes. C’est précisément sur ce type de fléau que l’IA a fait ses premières armes.

Diagnostiquer une maladie d’un simple cliché

L’application PlantVillage Nuru, développée par la FAO et l’université américaine Penn State, illustre parfaitement cette approche. Grâce à la vision par ordinateur, elle identifie instantanément un ravageur ou une maladie lorsque l’agriculteur approche son smartphone d’une feuille. Atout décisif dans les campagnes mal connectées : elle fonctionne hors ligne, puis se synchronise avec le système d’alerte précoce de la FAO dès que le réseau revient. « Une fonctionnalité importante du nouvel outil est qu’il fonctionne hors ligne, si bien que les agriculteurs peuvent l’utiliser quand ils le veulent », souligne le professeur David Hughes, de Penn State.

Surtout, l’outil a fait ses preuves de manière indépendante. Une étude publiée en 2020 dans Frontiers in Plant Science a mesuré, sur les maladies du manioc, une précision de 65% pour Nuru, contre 40 à 58% pour les agents de vulgarisation agricole et seulement 18 à 31% pour les agriculteurs eux-mêmes ; la fiabilité grimpait même à près de 88% en analysant plusieurs feuilles. La machine ne remplace pas l’expert, elle le démultiplie là où il manque.

Du crédit au tracteur : l’IA dans toute la chaîne

L’intelligence artificielle ne se limite pas au diagnostic. Au Kenya, Apollo Agriculture combine données de terrain, imagerie satellite et apprentissage automatique pour établir un score de crédit et accorder des prêts d’intrants quasi instantanés, remboursables au rythme de la saison. L’entreprise, relayée par la GSMA, revendique près de 400 000 agriculteurs servis et des rendements deux à deux fois et demie supérieurs à la moyenne nationale — des chiffres qu’elle communique elle-même et qu’il convient de prendre comme tels.

La mise en relation, elle aussi, se numérise. Hello Tractor, souvent surnommé « l’Uber du tracteur », connecte propriétaires de machines et petits exploitants via une application dotée d’un suivi GPS, et permet de labourer ou planter bien plus vite qu’à la main. En Afrique du Sud, Aerobotics applique l’IA à l’imagerie de drones et de satellites pour repérer arbres malades et estimer les récoltes dans l’arboriculture. Et au Nigeria, Zenvus déploie des capteurs de sol solaires qui mesurent humidité, température et nutriments pour guider fertilisation et irrigation. Chaque maillon de la chaîne agricole trouve ainsi son application.

Parler la langue de l’agriculteur

La vraie prouesse n’est pas seulement technique : elle est d’atteindre des utilisateurs équipés de téléphones basiques, parfois peu alphabétisés. Au Ghana, Farmerline a conçu un serveur vocal piloté par IA : l’agriculteur appelle un numéro gratuit, choisit sa langue, pose sa question à l’oral, et reçoit une réponse audio en quelques secondes. L’entreprise annonce plus de 27 langues couvertes et plus d’un million d’utilisateurs. C’est toute la logique de ces solutions : passer par la voix, le SMS ou l’USSD, en langues locales, pour ne laisser personne au bord du chemin numérique.

Techniquement, ces services reposent sur quelques briques : la vision par ordinateur pour lire les feuilles, l’imagerie satellite et les drones couplés à la cartographie pour surveiller les parcelles, et l’apprentissage automatique pour noter le risque de crédit ou anticiper la météo. Le défi de la diffusion, on le voit, prime souvent sur la sophistication des modèles. Un enjeu proche de celui que rencontre l’IA face aux langues africaines, encore mal outillées.

Les limites à ne pas masquer

L’enthousiasme ne doit pas occulter les obstacles. Le premier est la fracture numérique : en Afrique subsaharienne, seule une minorité de la population utilise réellement l’internet mobile, la région cumulant les plus grands écarts de couverture et d’usage au monde. Sans réseau ni smartphone, la meilleure application reste lettre morte. S’ajoutent la rareté et la faible qualité des données agricoles locales, le coût des équipements, le déficit de compétences numériques et l’absence de cadres clairs sur la propriété des données collectées.

Le risque, pointent la Banque mondiale comme plusieurs chercheurs, est que les plus petits exploitants — faute d’infrastructure et de données adaptées à leurs réalités — soient laissés pour compte par la vague d’IA, creusant les inégalités au lieu de les réduire. Il faut aussi garder la tête froide face aux chiffres de rendement ou de portée avancés par les jeunes pousses : impressionnants, ils sont rarement audités par des tiers indépendants.

Un outil, pas une baguette magique

Pour l’agriculteur comme pour les décideurs, la leçon est nuancée. L’IA agricole n’est ni un gadget ni une solution miracle : c’est un outil qui donne le meilleur de lui-même lorsqu’il s’appuie sur des données locales fiables, une connectivité minimale et un accompagnement humain — coopératives, agents de terrain, radios rurales. Les cas qui marchent partagent trois traits : ils fonctionnent sur des téléphones simples, parlent la langue de l’usager et répondent à un besoin concret et immédiat, du diagnostic d’une maladie à l’accès à un prêt. À ces conditions, la technologie peut réellement transformer des rendements et des revenus. Reste à investir dans le socle — réseaux, électricité, formation — sans lequel l’agriculture connectée demeurera un privilège urbain. À découvrir aussi : comment l’IA générative sert déjà les PME africaines et notre rubrique Intelligence artificielle.