Tout commence par une feuille verte
Avez-vous déjà remarqué qu’une plante qui pousse bien possède souvent de belles feuilles vertes ?
Cette couleur vient notamment de la chlorophylle, un pigment présent dans les feuilles. Elle aide la plante à capter l’énergie du soleil pour fabriquer sa nourriture à partir d’eau et de dioxyde de carbone. Ce mécanisme s’appelle la photosynthèse.
Imaginez la feuille comme une petite cuisine : le soleil fournit l’énergie nécessaire pour préparer la nourriture de la plante.
La couleur des feuilles constitue donc un indice utile. Une feuille qui jaunit peut attirer notre attention. Mais sa couleur ne suffit pas à expliquer ce qui se passe : vieillissement naturel, manque d’eau, nutrition ou maladie peuvent intervenir.
Chez Si-Tcha AI, nous partons de cette observation familière pour expliquer une possibilité de la technologie : suivre la végétation à distance.
Comment un satellite peut-il observer la végétation ?
Le soleil envoie différentes sortes de lumière. Nous en voyons certaines ; d’autres sont invisibles pour nos yeux.
Les feuilles absorbent une partie de cette lumière et en renvoient une autre. La chlorophylle absorbe fortement la lumière rouge. La structure interne des feuilles influence, quant à elle, la quantité de proche infrarouge qu’elles renvoient.
Certains satellites possèdent des capteurs capables de mesurer ces deux lumières.
C’est un peu comme s’ils portaient des lunettes spéciales : ils recueillent des informations que nos yeux ne peuvent pas voir.

Le NDVI : un indice pour observer les différences dans un champ
Le NDVI, ou indice de végétation par différence normalisée, compare la lumière rouge et le proche infrarouge renvoyés par une surface.
Vous n’avez pas besoin de retenir son nom complet. Retenez plutôt ceci :
Le NDVI aide à observer la présence et la vigueur de la végétation, ainsi que leur évolution dans le temps.
Ce n’est pas une mesure directe de la quantité de chlorophylle de chaque feuille. Le résultat dépend aussi de la quantité de végétation, de sa structure et du sol visible entre les plants.
Un logiciel transforme ces valeurs en une carte colorée. Elle permet de repérer les différences entre plusieurs endroits d’une parcelle.
L’image simple proposée par Si-Tcha AI : le NDVI ressemble à un voyant sur le tableau de bord d’un véhicule. Il attire votre attention sur une situation à vérifier, sans donner à lui seul la cause du problème.
Les valeurs vont de −1 à +1. Il n’existe cependant pas un chiffre unique qui signifie « bonne santé » pour toutes les cultures, à toutes les saisons. Explications et limites du NDVI — EOSDA
Pourquoi comparer plusieurs dates ?
Une seule carte montre une situation à un moment donné. Plusieurs cartes permettent de suivre une évolution.
Imaginez deux parties d’un champ de maïs, semées à la même période. Elles se développent d’abord de façon comparable. Puis, sur de nouvelles images exploitables, une zone présente une baisse inhabituelle.
Cette différence peut aider l’agriculteur à choisir où effectuer une visite en priorité.
Il faudra ensuite chercher l’explication : manque d’eau, plants moins nombreux, problème de nutrition, dégâts de ravageurs ou autre cause.
Une baisse peut aussi correspondre à un événement normal, comme la maturation ou la récolte. Comparer les dates n’a de sens qu’en tenant compte de ce qui s’est passé au champ.
À quoi sert le NDVI dans les pratiques agricoles ?
Pour Si-Tcha AI, l’intérêt d’une information numérique se mesure à l’action utile qu’elle aide à préparer.
1. Organiser les visites des parcelles
Une carte peut attirer l’attention sur une zone particulière. L’agriculteur peut alors y aller, ou demander à une personne sur place de l’examiner et d’envoyer des photos.
Il peut préparer cette vérification depuis chez lui, avec son téléphone, dès lors qu’il dispose d’un service donnant accès aux cartes.
2. Repérer des changements qui méritent une attention rapide
Une évolution inhabituelle peut conduire à vérifier plus tôt une partie du champ.
Le NDVI ne voit pas directement une chenille et n’identifie pas une maladie. Il peut montrer une modification de la végétation lorsque les effets deviennent détectables dans les images. Il ne garantit donc pas une alerte avant les premiers symptômes.
3. Examiner les différences de croissance
Certaines zones poussent parfois moins que d’autres. Les cartes aident à localiser ces différences et à préparer les observations nécessaires : état du sol, humidité, densité des plants ou pratiques culturales.
4. Mieux préparer les décisions concernant l’eau et les engrais
Une anomalie peut orienter une vérification de l’humidité ou de la nutrition. Mais elle ne constitue pas, à elle seule, une recommandation d’irrigation ou une dose d’engrais.
Si-Tcha AI encourage une démarche simple : observer, comparer, vérifier, puis décider avec un conseil agronomique adapté.
Comment lire une carte sans se tromper ?

Avant d’interpréter une carte, posez-vous quatre questions :
- Quelle est la date de l’image ? Une carte ne montre pas nécessairement l’état du champ aujourd’hui.
- L’image est-elle exploitable ? Les nuages et leurs ombres peuvent perturber l’observation.
- Que signifie la légende ? Une couleur seule ne permet pas de conclure.
- Que s’est-il passé au champ ? Semis, désherbage, récolte ou maturation peuvent expliquer un changement.
Les petites parcelles, les arbres voisins et les cultures associées peuvent également compliquer la lecture. Une image satellite représente des surfaces : elle ne distingue pas forcément chaque plant.
Les autres indices : plusieurs outils pour plusieurs questions
Imaginez une boîte à outils. Un marteau est utile, mais il ne remplace pas un tournevis.
Il en va de même pour les indices utilisés dans le suivi agricole. Si-Tcha AI vous propose ces repères pour comprendre leurs rôles complémentaires :
| Indice | Explication simple | Utilité principale |
|---|---|---|
| NDVI | Une vue générale de la végétation et de ses changements. | Suivre le développement et repérer des différences. |
| NDRE | Une observation sensible aux variations de chlorophylle, utilisant une autre partie de la lumière. | Compléter le suivi lorsque la végétation est bien développée. |
| SAVI / MSAVI | Des indices qui réduisent l’influence du sol visible entre les plants. | Observer une végétation clairsemée ou de jeunes cultures. |
| EVI | Un complément au NDVI qui réduit certaines influences du sol et de l’atmosphère. | Suivre notamment les couverts végétaux denses. |
| NDMI | Un indice sensible à l’humidité de la végétation. | Examiner des variations pouvant être liées au stress hydrique. |
| NDWI | Un nom utilisé pour plusieurs formulations liées à l’eau. | Selon la formule, observer les surfaces en eau ou l’eau dans la végétation. |
Le NDWI demande une attention particulière : il faut vérifier la formule et la documentation du service pour connaître exactement ce qui est représenté. Une image « True Color », également visible dans certains menus, est une représentation en couleurs naturelles, pas un indice de végétation.
Ces outils se complètent ; leur choix dépend de la question posée, de la culture et de son stade de développement. Guide des indices — NASA, NDRE — EOSDA, MSAVI — EOSDA
Quels impacts pour l’agriculteur ?
L’approche défendue par Si-Tcha AI consiste à transformer les observations en décisions mieux informées.
Bien utilisés, les indices peuvent aider à :
- Gagner du temps, en préparant les visites et en identifiant des zones prioritaires.
- Mieux cibler les vérifications, au lieu de chercher au hasard dans toute la parcelle.
- Mieux utiliser les moyens disponibles, en fondant les interventions sur des observations confirmées.
- Limiter certaines pertes au champ, lorsqu’un problème est identifié et pris en charge à temps.
- Conserver un historique, pour comparer les campagnes et mieux comprendre les différences de développement.
Les résultats dépendent de la qualité des données, de leur interprétation et des actions possibles sur le terrain. Le NDVI ne garantit ni un rendement précis ni un doublement des ventes.
Quels impacts pour l’environnement ?
Lorsque les observations conduisent à des interventions mieux ciblées et agronomiquement justifiées, elles peuvent contribuer à :
- Éviter certains apports d’eau inutiles.
- Limiter les applications d’engrais qui ne répondent pas à un besoin confirmé.
- Réduire les traitements déclenchés sans diagnostic.
- Mieux suivre les effets des pratiques agricoles sur la couverture végétale.
Pour Si-Tcha AI, produire intelligemment signifie aussi prendre soin des ressources qui permettent de produire. Ces bénéfices viennent des décisions prises à partir des cartes, et non de la carte seule.
Du téléphone au champ : le bon réflexe
Vous n’avez pas besoin de devenir spécialiste des satellites pour comprendre l’essentiel :
Consultez une image exploitable → comparez avec les précédentes → repérez les changements → faites vérifier au champ → choisissez une action adaptée.
La chlorophylle nous aide à comprendre le rôle des feuilles. Le NDVI nous aide à élargir notre regard à l’échelle d’une parcelle.
Avec Si-Tcha AI, découvrons comment utiliser les outils numériques pour produire mieux, préserver nos ressources et préparer une agriculture africaine mieux informée.
🌱 Vous souhaitez découvrir d’autres astuces pour produire mieux et vendre mieux ? Rejoignez la chaîne WhatsApp de Si-Tcha AI.