IA agricole : moins de tech, plus d’humain

Hier la blockchain, aujourd’hui l’intelligence artificielle : chaque décennie semble avoir sa technologie miracle pour transformer l’agriculture des pays du Sud. L’IA peut réellement apporter des choses en milieu rural, de la prévision météorologique au conseil agronomique. Mais un outil disponible n’est pas un outil adopté, et encore moins un outil utile. Une étude récente du Columbia Center on Sustainable Investment (CCSI) consacrée au Rwanda et au Nigeria le démontre avec clarté, et ses conclusions rejoignent ce que nous observons sur nos propres programmes auprès des petits producteurs. D’où une conviction simple : il faut inverser les proportions habituelles des projets, avec un peu de technologie et beaucoup d’accompagnement humain.

L’IA agricole, nouvelle promesse d’un scénario déjà vu

Il y a une dizaine d’années, la blockchain devait révolutionner la traçabilité, le crédit et l’assurance des petits agriculteurs. La FAO et l’UIT lui consacraient alors une publication entière, Blockchain for Agriculture: Opportunities and Challenges, qui cherchait déjà à démystifier la technologie et à en souligner les risques de mise en œuvre. Quelques années plus tard, plusieurs analyses ont décrit une forme de « pilotite » : des projets qui fonctionnaient à petite échelle mais ne parvenaient pas à toucher des populations plus larges, souvent parce qu’ils avaient négligé des acteurs clés dès la conception ou appliqué la technologie à des problèmes qu’elle ne savait pas résoudre.

L’IA suit aujourd’hui une trajectoire comparable, avec un potentiel sans doute plus large. Le panorama établi par le CEIMIA sur l’IA agricole en Afrique subsaharienne recense des usages concrets : suivi des cultures, détection des maladies, prévision des rendements, gestion de l’eau, conseil digital. La présentation de synthèse du CCSI cite plusieurs exemples déjà opérationnels, de la prévision météorologique en Zambie à la gestion des ressources au Nigeria, en passant par des assistants conversationnels déployés dans plusieurs pays.

Le cadre politique suit. Selon le CCSI, 14 pays d’Afrique subsaharienne disposent d’une stratégie ou d’une politique nationale en matière d’IA, et beaucoup y désignent l’agriculture comme secteur prioritaire. Aucun, en revanche, ne dispose de lois contraignantes encadrant l’usage de l’IA dans l’agriculture. Les questions de fond restent ouvertes : à qui appartiennent les données d’un agriculteur, qui est responsable si un conseil erroné entraîne la perte d’une récolte, comment s’assurer du consentement des producteurs ?

Il ne s’agit donc pas de rejeter l’IA, mais de ne pas en attendre plus qu’elle ne peut offrir. Les chercheurs de Columbia le résument dans un autre texte au titre explicite : la promesse de l’IA exige d’innover dans la gouvernance, pas seulement dans la technologie. Leur rapport plus large sur l’intelligence artificielle et les transitions durables insiste lui aussi sur la nécessité de penser ensemble opportunités, risques et cadres de gouvernance.

Rwanda, Nigeria : ce que l’étude Columbia confirme de nos retours terrain

L’intérêt de l’étude du CCSI tient à la comparaison de deux modèles très différents. Le Rwanda a fait le choix d’une approche pilotée par l’État : sa politique nationale d’IA fixe une vision transversale, et son cinquième plan stratégique de transformation agricole (PSTA 5) intègre explicitement la numérisation et l’IA, avec des budgets et des responsabilités institutionnelles identifiés. Le Nigeria s’appuie davantage sur un écosystème de start-up dynamique ; sa politique nationale de technologie et d’innovation agricoles (NATIP 2022-2027) met l’accent sur la modernisation, mais sans plan de mise en œuvre précis et avec des responsabilités plus diffuses.

Malgré ces différences, les deux pays butent sur les mêmes cinq obstacles :

• Une gouvernance incomplète, sans règles claires sur la propriété des données, le consentement ou la responsabilité en cas d’erreur.
• Des infrastructures inégales : le CCSI fait état d’une couverture 4G d’environ 95 % au Rwanda, selon l’UNESCO, contre environ 53 % au Nigeria, ce qui limite l’accès en dehors des grandes villes.
• Des données fragmentées entre agences, plateformes et acteurs privés, sans standards communs de collecte ni de partage.
• Des financements limités et mal orientés : les AI Scaling Hubs soutenus par la Fondation Gates ont reçu environ 17,5 millions de dollars au Rwanda et jusqu’à 7,5 millions au Nigeria, mais l’argent se concentre sur la R&D et les pilotes ; la politique rwandaise d’IA estime à 76,5 millions de dollars le coût de sa mise en œuvre complète, dont seule une faible part a été mobilisée.
• Les réalités du dernier kilomètre : faible littératie numérique, confiance limitée, téléphones partagés au sein des foyers, absence de titres fonciers ou de documents d’identité.

Ce dernier point est sans doute le plus parlant. Au Rwanda, les agriculteurs de 16 à 30 ans ne représentent que 14 % de la main-d’œuvre agricole, alors que ce sont eux qui maîtrisent le mieux les outils numériques. Le pays a donc choisi de faire passer les informations issues de l’IA par les agents de vulgarisation, qui traduisent par exemple les prévisions de production en conseils concrets. Au Nigeria, où environ 70 % de la population a moins de 30 ans, l’accès direct des agriculteurs aux outils est plus réaliste, mais les modèles payants proposés par les start-up se heurtent à la capacité financière des petits producteurs.

Ces constats recoupent très exactement ce que nous observons sur le terrain. Lors de la session que Ksapa a animée sur les solutions numériques low-tech au service des populations marginalisées, l’obstacle le plus cité était le manque de littératie numérique, suivi de l’absence de téléphones adaptés et de réseaux fiables. Nos enseignements du Mobile World Congress 2025 allaient dans le même sens : se contenter de « jeter » des solutions technologiques aux petits producteurs mène presque toujours à l’échec. La compatibilité avec les téléphones basiques et anciens, le fonctionnement hors ligne et les tests utilisateurs avec les agriculteurs eux-mêmes conditionnent l’adoption.

D’autres travaux convergent. Une analyse publiée par la London School of Economics s’interroge sur les conditions pour que la numérisation profite réellement aux petits producteurs africains. Le CGIAR montre comment l’IA peut renforcer les services de vulgarisation plutôt que s’y substituer. Et ICTworks recense depuis longtemps les raisons pour lesquelles les agriculteurs n’utilisent pas les services agritech mobiles, du téléphone partagé au contenu inadapté.

Inverser le ratio d’allocation des ressources : un peu de tech, et surtout beaucoup d’humain

Pour schématiser, beaucoup de projets d’agriculture numérique consacrent l’essentiel de leurs ressources à l’outil, autour de 80 %, et le reste à l’accompagnement. Notre expérience nous conduit à défendre exactement l’inverse : une part modeste pour la technologie, IA comprise lorsqu’elle se justifie, et l’essentiel de l’effort sur trois piliers sans lesquels aucun outil ne fonctionne.

Le contenu. Un outil ne vaut que par ce qu’il transmet. Les modules doivent être co-construits avec les partenaires locaux, traduits dans les langues des producteurs, illustrés et accessibles aux personnes peu alphabétisées. Sur notre programme hévéa à Sumatra, les premières formations ont porté sur des gains rapides en matière de pratiques culturales, élaborés à partir d’une compréhension fine des besoins des producteurs. Le même principe s’applique à la préparation aux exigences de certification, où l’application allège la charge administrative mais ne remplace pas l’agent de terrain qui guide le producteur.

L’infrastructure. C’est la deuxième recommandation du CCSI : construire les fondations de l’IA avant de pousser l’IA elle-même. Connectivité rurale, énergie fiable, accès aux appareils et logistique du dernier kilomètre relèvent souvent de l’investissement public. Les porteurs de projets doivent, eux, concevoir des outils compatibles avec l’existant : une application qui fonctionne hors ligne et sur des téléphones d’entrée de gamme, comme la solution numérique SUTTI, touche bien plus de producteurs qu’un service sophistiqué exigeant un smartphone récent et une connexion stable.

L’accompagnement humain. C’est le facteur le plus sous-estimé et le plus décisif. Le modèle rwandais le confirme : pour les producteurs âgés ou peu connectés, ce sont les agents de vulgarisation qui font le lien entre l’algorithme et la parcelle. Nos conseils pour réussir l’adoption d’outils numériques reposent sur la même logique : formation en petits groupes, accès simplifié par SMS, synthèse vocale pour les moins à l’aise avec l’écrit. Une approche hybride, qui combine présentiel et numérique, reste la condition d’une adoption durable, comme le détaillent nos dix clés pour des programmes agricoles inclusifs.

Cette inversion des priorités vaut aussi pour les financeurs et les acheteurs. Le CCSI recommande de récompenser la diffusion effective plutôt que l’innovation seule, en conditionnant subventions et marchés publics à des preuves d’usage en zone rurale, et en suivant des indicateurs d’adoption, d’utilisation répétée et de changements de pratiques. Il plaide également pour une combinaison plus délibérée des financements publics et privés : le public pour les infrastructures, la vulgarisation, les systèmes de données partagés et la réduction des risques ; le privé pour le développement et le passage à l’échelle des services là où une demande solvable existe.

L’IA a donc toute sa place dans l’agriculture dans les pays du Sud Global, à condition de la considérer comme un amplificateur d’un système humain qui fonctionne déjà, et non comme un substitut. Les programmes qui réussiront ne seront pas ceux qui embarquent le plus de technologie, mais ceux qui auront investi le plus patiemment dans le contenu, les infrastructures et les femmes et les hommes qui accompagnent les producteurs au quotidien.

Image par Magnific – libre de droits