Une équipe liée à l’université de Cambridge a testé au Sénégal une méthode d’intelligence artificielle capable de cartographier les cultures de petites exploitations à partir d’images satellites. Dans le meilleur cas étudié, la précision de classification atteint 84 %, malgré un nombre limité de données de terrain.
Publiés le 29 septembre 2026 dans la revue Environmental Research: Food Systems, ces travaux portent sur le bassin arachidier sénégalais. Ils évaluent Tessera, un modèle d’IA géospatiale développé à Cambridge, face à plusieurs méthodes de cartographie satellitaire. Il s’agit d’un résultat de recherche : aucune généralisation de ce taux de précision à l’agriculture française n’est démontrée par cette étude.
- Une IA appelée Tessera cartographie les cultures au Sénégal avec jusqu'à 84 % de précision.
- Le modèle fonctionne avec peu de données d'apprentissage, contrairement aux méthodes traditionnelles.
- Ces résultats sénégalais ne garantissent pas une efficacité équivalente sur les exploitations françaises.
Une IA entraînée pour reconnaître ce qui pousse dans les champs
Le principe consiste à exploiter une année d’observations satellitaires pour résumer l’évolution d’une zone de terrain au fil des saisons. Tessera produit pour chaque point de 10 mètres une représentation numérique, appelée « embedding », qui peut ensuite servir à distinguer les types d’occupation du sol et les cultures.
Les chercheurs ont appliqué plusieurs méthodes aux années 2018, 2019 et 2021. Selon l’étude, Tessera a obtenu jusqu’à 84 % de précision dans une configuration disposant de peu de données d’apprentissage. Lors d’un test consistant à entraîner le système sur une année puis à l’appliquer à une autre, sa précision était supérieure de 28 % à celle de la méthode arrivée juste derrière. Ces résultats concernent les conditions précises des expériences réalisées au Sénégal et ne constituent pas un taux de réussite universel.
Le site officiel du projet Tessera présente le modèle et ses travaux scientifiques. L’université de Cambridge avait déjà détaillé en juillet 2026 son intérêt pour la cartographie des petites parcelles agricoles.
Tessera a obtenu jusqu'à 84 % de précision dans une configuration disposant de peu de données d'apprentissage.
Pourquoi les petites exploitations sont difficiles à cartographier
Les outils de télédétection doivent composer avec des parcelles de petite taille, des limites irrégulières et des cultures parfois associées dans un même champ. Les méthodes nécessitant de nombreuses observations réalisées directement sur le terrain sont par ailleurs difficiles à déployer lorsque ces données sont rares ou coûteuses à collecter.
L’intérêt de Tessera réside notamment dans sa capacité à réutiliser un nombre réduit de données de référence pour produire des cartes à plus grande échelle. Le modèle et ses représentations géospatiales sont proposés dans une logique ouverte : Cambridge présente Tessera comme un modèle de fondation destiné à faciliter l’exploitation des données d’observation de la Terre.
Des limites importantes avant un usage opérationnel
Les auteurs signalent toutefois plusieurs limites. Les performances varient selon les années et la qualité des relevés utilisés comme référence. L’étude n’identifie pas séparément les cultures secondaires lorsque plusieurs espèces sont cultivées sur une même parcelle, une pratique courante dans certaines exploitations d’Afrique de l’Ouest.
Une précision de 84 % ne signifie donc ni que toutes les parcelles sont correctement identifiées, ni que le système peut remplacer les enquêtes agricoles. La qualité et la régularité des données collectées au sol restent déterminantes pour entraîner et contrôler les cartes produites.
Ce que cette étude signifie pour la France
Ces résultats ne démontrent pas une efficacité équivalente sur les exploitations françaises. Les cultures, la taille des parcelles, les pratiques agricoles et les données disponibles diffèrent. L’étude publiée le 29 septembre porte spécifiquement sur le Sénégal et ne présente pas de déploiement opérationnel en France.
La recherche française travaille néanmoins elle aussi sur l’agriculture numérique et l’intelligence artificielle. En avril 2026, INRAE a annoncé le lancement de #DigitAg International Research Community, consacré notamment aux technologies numériques et à une IA agricole inclusive. L’expérience sénégalaise apporte donc un résultat supplémentaire sur les possibilités de la cartographie agricole par IA, mais une validation spécifique serait nécessaire avant d’en tirer des conclusions pour les cultures françaises.
Questions fréquentes
Pourquoi Tessera a-t-il un avantage sur les autres méthodes de cartographie satellitaire ?
Tessera peut réutiliser un nombre réduit de données de référence pour produire des cartes à plus grande échelle. Lors d’un test d’entraînement sur une année appliqué à une autre, sa précision était supérieure de 28 % à celle de la méthode arrivée juste derrière.
Quelles sont les principales limites identifiées par l'étude ?
Les performances varient selon les années et la qualité des relevés de référence. Le modèle n’identifie pas séparément les cultures secondaires lorsque plusieurs espèces sont cultivées sur une même parcelle, pratique courante en Afrique de l’Ouest. Une précision de 84 % ne signifie ni que toutes les parcelles sont correctement identifiées, ni que le système peut remplacer les enquêtes agricoles.
Ces résultats sénégalais peuvent-ils être appliqués directement à l'agriculture française ?
Non. L’étude porte spécifiquement sur le Sénégal et les cultures, tailles de parcelles, pratiques agricoles et données disponibles diffèrent entre le Sénégal et la France. Une validation spécifique serait nécessaire avant d’en tirer des conclusions pour les cultures françaises.
