L’Afrique subsaharienne se caractérise par une forte incidence de la faim et de la malnutrition en raison d’une faible productivité agricole. La faible fertilité des sols, l’épuisement des réserves de nutriments, l’irrégularité des précipitations, l’utilisation limitée d’intrants améliorés ainsi que l’accès insuffisant aux connaissances et aux services de conseil continuent de limiter la production agricole.

Les femmes sont au cœur de l’agriculture africaine. Elles représentent environ 70 % de la main-d’œuvre agricole et fournissent l’essentiel du travail nécessaire à la plantation, au désherbage, à la récolte et aux opérations post-récolte (USAID, 2024). Elles assurent également une grande partie des tâches de soins familiaux, notamment la cuisine, le nettoyage, le transport de l’eau et les soins aux personnes âgées (Chivenge et Connor, 2026). Les femmes disposent par ailleurs d’un accès inégal aux intrants et aux services agricoles et de droits fonciers plus limités ; 15 % des terres sont contrôlées par des femmes (USAID, 2024). Ces contraintes socio-économiques, de productivité et de temps entraînent un important écart de productivité entre les sexes, pouvant dépasser 30 %.

L’Afrique possède également la population la plus jeune au monde (Oluwatayo et Ojo, 2024). Bien que l’agriculture offre d’importantes possibilités d’emploi, d’innovation, de développement de l’agrobusiness et de résilience climatique, de nombreux jeunes sont confrontés à des niveaux élevés de chômage et de sous-emploi, à un accès limité à la terre et au financement, à des compétences techniques insuffisantes, à de faibles liens avec les marchés et à une perception négative de l’agriculture comme secteur à faible rendement (Mac Té et Sy, 2025). Les jeunes femmes sont particulièrement désavantagées en raison du cumul des contraintes liées au genre et à l’âge.

Réduire ces inégalités n’est pas seulement un objectif social ; c’est aussi une condition essentielle pour améliorer la productivité agricole. L’AP offre la possibilité de relever certains de ces défis, mais uniquement si les technologies sont conçues et mises en œuvre de manière à tenir compte des réalités différentes auxquelles sont confrontés les femmes et les jeunes.

L’AP est une approche fondée sur les données qui réduit les incertitudes temporelles, métriques, structurelles et de traduction dans les systèmes agricoles des petits exploitants, permettant des décisions de gestion plus éclairées et spécifiques au site. Les données liées au temps, au lieu et à l’individu peuvent être combinées à d’autres informations afin d’orienter des décisions de gestion adaptées à la variabilité, améliorant l’efficacité, les rendements, la qualité, les bénéfices et la durabilité (Andujar, 2023). Les outils d’aide à la décision de l’AP, tels que les téléphones mobiles, les satellites, les drones, les capteurs, l’Internet des objets, la robotique et l’automatisation agricole, permettent de surveiller la météo, les sols, les rendements, les maladies et les ravageurs (PNUD, 2021). En Afrique, les plateformes de conseil numérique, les applications mobiles, la télédétection, les systèmes d’information géographique et les outils de diagnostic des sols deviennent de plus en plus accessibles aux petits exploitants. Ces technologies peuvent améliorer les décisions concernant les dates de plantation, la gestion des engrais, la planification de l’irrigation, la lutte contre les ravageurs et la récolte (Njoroge et al., 2026).

Les femmes et les jeunes en Afrique utilisent couramment des outils numériques d’aide à la décision (par exemple, applications pour smartphones, services de conseil par SMS et outils de vulgarisation assistés par l’IA), des outils de détection des sols et des cultures (par exemple, des dispositifs portables de mesure des nutriments) ainsi que des services de drones pour la reconnaissance des parcelles, souvent fournis dans le cadre de services groupés. Pour les femmes, l’AP peut réduire les besoins en main-d’œuvre, améliorer l’accès à l’information, accroître la productivité et renforcer la sécurité alimentaire des ménages. Pour les jeunes, elle crée de nouvelles possibilités d’emploi et d’entrepreneuriat grâce aux services de conseil numérique, à la collecte de données, à la location d’équipements et aux entreprises d’assistance technologique.

Cependant, l’accès à la technologie ne suffit pas. Les agriculteurs doivent également disposer des compétences, des ressources, de la confiance et d’un environnement favorable pour utiliser efficacement ces outils. Sans efforts délibérés pour corriger les inégalités existantes, l’AP risque d’élargir plutôt que de réduire l’écart entre ceux qui bénéficient de l’innovation et ceux qui n’en bénéficient pas.

Les difficultés de longue date auxquelles sont confrontés les femmes et les jeunes agriculteurs dans les systèmes agricoles traditionnels s’appliquent également à l’AP. Elles relèvent de grandes catégories, notamment les infrastructures, l’information, les compétences, la participation et l’inclusion, la technologie, le financement et les politiques publiques.

Certaines de ces barrières sont communes à toutes les formes d’agriculture numérique. D’autres sont propres à l’AP, car elles sont directement liées à l’accessibilité, au coût et à la facilité d’utilisation de technologies avancées telles que les capteurs, les drones, les plateformes numériques et les systèmes d’aide à la décision fondés sur les données. Distinguer ces différents types de contraintes est important, car cela permet d’identifier les domaines où des interventions ciblées sont nécessaires pour garantir une AP à la fois productive et inclusive. Le tableau 1 résume les principaux obstacles affectant les femmes et les jeunes et évalue leurs implications pour la mise en œuvre réussie de l’AP.

L’AP vise à réduire l’incertitude décisionnelle tout au long du cycle de production. Cependant, les hommes et les femmes connaissent des formes d’incertitude fondamentalement différentes en raison d’un accès inégal aux appareils, aux compétences, au pouvoir de décision, au financement et au soutien politique. Les femmes sont confrontées à une incertitude liée à l’exclusion socioculturelle de l’usage des technologies et à la discrimination en matière de crédit, tandis que les jeunes sont confrontés à des incertitudes dues à l’insuffisance de produits financiers et aux lacunes en matière de mentorat.

D’après Rowe (1994) et Marra et al. (2003), plusieurs types d’incertitude sont associés à ces défis : l’incertitude technique (variabilité des rendements et de la production), l’incertitude des prix (fluctuations du marché), l’incertitude foncière (propriété des terres), l’incertitude politique (politiques gouvernementales), l’incertitude personnelle (bien-être familial) et l’incertitude liée aux personnes (relations avec autrui).

Marra et al. (2003) ont également classé l’incertitude dans le contexte de l’adoption des technologies en distinguant l’incertitude subjective (perceptions du risque et des résultats), épistémique (manque de connaissances ou d’expérience), aléatoire (variabilité inhérente) et liée à l’apprentissage (incertitude réduite par l’expérience).

Women and youth face fundamentally different uncertainty profiles than men in PA. Men primarily face technical and price uncertainty (inherent to farming: will crops yield? what will prices be?) Women face additional uncertainty due to information access gaps (epistemic), social exclusion from decision-making (people’s), and institutional discrimination in credit/subsidies (political). This means PA’s promise to reduce decision uncertainty is unequally distributed: men benefit from data-driven precision decisions, while women face compound uncertainty from both production risks and structural barriers.

A theoretical risk management framework can be created by merging Rowe’s classification of decision-making uncertainty (temporal, metrical, structural, and translational) with the statistical concepts of Type I and Type II (Table 2). Type I and II errors are framed as a concrete checklist that redirects advice toward the prevention of Type I errors (harm/unintended consequences) and Type II errors (missed opportunities for women’s agricultural domains). This classification demonstrates that a woman managing a secondary plot does not just need “more information”; she needs a targeted reduction in specific uncertainties. For instance, a raw weather forecast (e.g., “20 mm of rain expected”) reduces metrical uncertainty for a meteorologist, but it creates translational uncertainty for a smallholder farmer who must calculate what that means for her freshly planted seeds.

Similarly, if PA designers deploy satellite imagery to optimize nitrogen on the husband’s cash crop, they have successfully reduced his uncertainty. If they claim that this helps the entire household, but the woman’s weeding burden increases due to the larger, fertilized canopy, the project has committed a Type I error (false positive impact on women). Conversely, if developers assume that IoT sensors are too advanced for post-harvest storage (a female-dominated domain) and only deploy them for commercial irrigation, they commit a Type II error (missed opportunity), leaving women entirely unserved by the PA revolution.

Le cadre présenté dans le tableau 2 montre que le succès de l’AP dépend non seulement de l’innovation technologique, mais aussi de la compréhension de la manière dont les différents groupes prennent des décisions et gèrent les risques.

Premièrement, ce cadre distingue les obstacles propres à l’AP des obstacles génériques de l’agriculture numérique, ce qui est important pour la conception. Il aide les projets d’AP à éviter de surinvestir dans des solutions numériques élémentaires lorsque les véritables contraintes concernent l’accès au matériel, l’ergonomie et l’abordabilité.

Deuxièmement, le cadre améliore le ciblage des interventions selon le type d’incertitude et le domaine de décision, afin que l’AP puisse être adaptée à des décisions spécifiques plutôt que d’être proposée sous la forme d’une solution universelle. L’AP devient ainsi plus efficace, car les outils de conseil, la formation et le financement peuvent être adaptés aux décisions réelles de production.

Enfin, ce cadre renforce l’argument en faveur d’une AP sensible au genre et inclusive des jeunes en tant que stratégie à la fois de productivité et d’équité. Il va au-delà du simple diagnostic de l’exclusion en proposant une approche pratique pour concevoir des interventions d’AP qui réduisent l’incertitude décisionnelle pour différents groupes d’agriculteurs.

Les stratégies d’AP doivent prendre en compte les formes d’incertitude liées au genre — épistémique par la formation, liée aux personnes par une aide à la décision participative, et politique par des politiques inclusives — afin de parvenir à une réduction équitable de l’incertitude tout au long du cycle de production. Les stratégies efficaces d’AP doivent donc être transformatrices en matière de genre, en abordant non seulement l’accès aux dispositifs, mais aussi l’aide participative à la décision, le développement de compétences adaptées, les systèmes de crédit inclusifs et les subventions à l’innovation destinées aux jeunes, afin d’assurer la durabilité de l’AP. ■