DeepLeaf et le PNUD lancent un socle d’IA pour l’agriculture dans sept pays

Le 3 novembre 2026 à Rome, l’AI Hub for Sustainable Development a présenté des initiatives pour diffuser l’IA, notamment dans l’agriculture. Leur portée doit se lire projet par projet, sans confondre lancement et adoption généralisée.

Une base agricole partagée entre sept pays

D’après le PNUD, le Hub et l’entreprise marocaine DeepLeaf ont lancé un modèle de base pour la sécurité alimentaire. Il s’appuie sur un modèle que l’organisation présente comme déjà validé au Kenya, au Maroc et en Italie. Des jeunes entreprises agricoles doivent développer leurs propres solutions dans sept pays : Italie, Maroc, Tunisie, Kenya, Ghana, Tanzanie et Rwanda. Le dispositif prévoit le consentement au partage des données et une propriété locale des solutions. Source : PNUD

Ce qu’un modèle agricole peut apporter

Un modèle de base sert de socle à plusieurs applications. L’intérêt est de mutualiser une partie du travail technique, puis d’adapter les services à des besoins précis. Sur son site, DeepLeaf présente notamment des outils d’assistance agronomique et de prévision des rendements, ainsi que des interfaces permettant à d’autres organisations de construire des services. L’entreprise évoque aussi l’irrigation et les alertes climatiques parmi ses domaines d’intervention. Cette présentation décrit son offre ; elle ne constitue pas, à elle seule, une évaluation indépendante des bénéfices pour les exploitations. Source : DeepLeaf

Les compétences et la confiance dans le programme

La rencontre a également annoncé un partenariat Datapizza–Zindi autour de hackathons liés aux besoins des entreprises. Le programme Cyber4Africa, présenté lors de l’événement, accompagne 49 jeunes entreprises dans 13 pays sur leur résilience numérique. Source : PNUD Ces actions complètent le volet agricole : disposer d’un modèle ne suffit pas si les équipes ne savent pas l’adapter ou protéger les systèmes qui l’utilisent.

Les indicateurs à regarder au-delà des annonces

Notre analyse : l’étape suivante devrait être jugée à partir d’indicateurs de terrain. Combien d’exploitants utilisent effectivement les services ? Dans quelles langues ? À quel prix ? Les recommandations restent-elles pertinentes quand la connexion est faible ou que les cultures diffèrent de celles utilisées pour les tests ? Il faudra aussi distinguer une amélioration technique d’un gain agricole démontré. Une réponse plus rapide ne garantit pas une meilleure récolte. Des évaluations transparentes, comparant les résultats selon les contextes, aideraient les partenaires à identifier les usages réellement utiles et les situations où un conseiller humain reste indispensable.

Questions fréquentes

### Les sept pays disposent-ils déjà du même service ?
Le communiqué annonce une base partagée et des développements locaux à venir. Il ne décrit pas un service identique déjà généralisé dans chacun des pays.

### L’IA peut-elle décider à la place de l’agriculteur ?
Une recommandation doit être examinée en fonction du terrain et de ses conséquences. Pour un choix coûteux ou risqué, conserver une validation humaine est une précaution essentielle.

Sources

- PNUD Rome Centre, annonces du 3 novembre 2026
- DeepLeaf, produits et domaines d’intervention

Sources consultées le 9 novembre 2026.