Expert (e) National(e) en Télédétection & Intelligence Artificielle (Agriculture)

L'initiative « 50x2030 » est une alliance stratégique mondiale qui rassemble la Banque mondiale, l'Organisation des Nations unies pour l'alimentation et l'agriculture (FAO) et le Fonds international de développement agricole (FIDA) autour de la transformation des systèmes de données agricoles dans 50 pays à revenu faible ou intermédiaire d'ici la fin de la décennie. Le défi va au-delà de la simple collecte de données statistiques ; il s'agit d'ancrer la production de données factuelles au cœur des politiques de développement, en réponse aux Objectifs de développement durable (ODD). Dans cette optique, le programme « Data Interoperability Governance » (DIG) mis en œuvre par Development Gateway vise à faire évoluer les systèmes statistiques nationaux vers des écosystèmes intégrés.

Dans ce paysage mondial, le Sénégal occupe une position singulière, marquée par une maturité statistique avérée. Grâce aux efforts constants de la DAPSA, le pays a pu maintenir son Enquête agricole annuelle (EAA). Le Sénégal a mené trois à quatre cycles d’enquête et est le seul pays à avoir bénéficié d’un cycle complet avec tous les modules thématiques mis en œuvre. Cependant, le système national est confronté à un défi structurel en matière de valorisation de l’information. Si la production de données est solide, son intégration reste fragmentée, ce qui limite les capacités d’analyse croisée indispensables à une prise de décision éclairée dans un contexte de changement climatique et de souveraineté alimentaire.

Dans le cadre de la modernisation de la collecte et de l'analyse des statistiques agricoles, la DAPSA souhaite renforcer ses capacités de prévision des récoltes. L'objectif est d'intégrer des technologies de pointe (Imagerie Satellitaire, Machine Learning, Deep Learning) pour automatiser le suivi des campagnes agricoles et fiabiliser les estimations de rendement à l'échelle des départements.

Le consultant national aura pour mission de :

• Développer un système de cartographie automatisée des cultures dominantes
• Mettre en place des modèles prédictifs de rendement basés sur l'IA.
• Assurer le transfert de compétences vers les cadres techniques de la DAPSA.

• Ingénierie de données : Acquisition et prétraitement des images (Sentinel-1/2, Landsat) via Google Earth Engine (GEE).
• Modélisation IA : Développement d'algorithmes (Random Forest, CNN ou LSTM) pour la classification et la prédiction.
• Validation Terrain (Ground-truthing) : Organisation de missions de collecte de données de vérité-terrain en collaboration avec les DRDR/SDDR
• Intégration des données issues de l'enquête agricole annuelle de la DAPSA, en utilisant les estimations de rendement issues de cette enquête comme référence pour l'étalonnage et la validation des résultats du modèle d'IA.

• Formation : Master en Géomatique, Télédétection, Data Science ou Agronomie numérique.
• Expérience : Minimum 5 à 7 ans d'expérience. Une expérience spécifique sur le calendrier cultural sénégalais est impérative.
• Technique : Maîtrise experte de Python/R et des plateformes Cloud (GEE).
• Langues : Français courant. La maîtrise d'une langue nationale (Wolof, Pulaar, etc.) est un atout pour le terrain.
• Expérience professionnelle au sein d'institutions statistiques gouvernementales
• Expérience en matière de renforcement des capacités et de formation
• Connaissance des systèmes agricoles à petite échelle en Afrique de l'Ouest

La mission est prévue pour une durée de 12 mois. Le règlement se fera au forfait, selon la validation des livrables suivants :

Note méthodologique, calendrier de mission et configuration de l'environnement IA.

M1

Note méthodologique approuvée conjointement par le DAPS A et DG ; inventaire des données achevé ; plan de vérification sur le terrain défini ; environnement Google Earth Engine accessible à la DAPSA

Carte d'occupation du sol agricole (Baseline) et base de données géospatiale.

M4

Précision globale de la classification ≥ 80%, validée par rapport aux points de référence. Au moins 50 points de validation par classe de culture. Carte fournie au format SIG standard (GeoTIFF + fichier de formes). Code disponible sur GitHub.

Estimations de rendement fournies par département, accompagnées d'intervalles de confiance. Comparaison avec les estimations préliminaires de la DAPSA. Indicateurs de performance du modèle consignés.

Présence à la formation enregistrée. Le personnel de la DAPSA a réussi à reproduire un bulletin de manière autonome, sans l'aide d'un consultant.

Bulletin de prévision de rendement à mi-parcours (Phase critique de croissance).

M7

Rapport final de production (Estimations post-récoltes) et Atlas cartographique.

M10

Les estimations de rendement post-récolte ont été validées par rapport aux résultats de l'enquête de l'EAA. L'atlas a été livré dans un format prêt à imprimer. L'équipe de la DAPSA est en mesure de gérer le processus de manière autonome.

Rapport de clôture, Manuel de procédures techniques et Certificat de formation.

M12

• Le consultant sera affecté à la DAPSA et devra disposer d'un accès à l'infrastructure informatique de la DAPSA pour les besoins de sa mission
• Les frais de déplacement sur le terrain (Per diem et transport) seront pris en charge par le projet selon les barèmes en vigueur au sein de la DAPSA .
• La DAPSA facilitera l'accès aux données statistiques historiques pour l'entraînement des modèles IA.

• Tous les livrables (cartes, modèles d'IA, scripts, données traitées) sont la propriété conjointe de la DAPSA et de Development Gateway.
• Tout le code doit être publié sous une licence libre permissive, telle que la licence MIT, dans un dépôt GitHub public au plus tard au jalon L5.
• Sentinel-1/2 et Landsat sont des sources pré-approuvées. Toute imagerie commerciale nécessite l'accord écrit préalable de la DAPSA et de Development Gateway.
• Les données brutes de la DAPSA ne peuvent être stockées sur des équipements personnels ou des serveurs tiers sans autorisation écrite. Google Earth Engine est pré-approuvé pour le traitement dans le cloud.
• Chaque modèle livré doit inclure une fiche de modèle (données d'apprentissage, indicateurs de validation, limites, cas d'utilisation recommandés), qui est requise pour l'acceptation aux étapes L3 et L4.
• Le consultant contribuera à au moins une étude de cas technique pour les recommandations de gouvernance de l'observation de la Terre 50x2030 ou les recommandations en matière d'IA.
• Le consultant signera un accord de confidentialité avant d'accéder à toute donnée de la DAPSA.

• Tarif journalier: entre USD 100 et USD 150