×

Découvrez les résultats des recherches d'AKADEMIYA2063 sur les impacts de la crise ukrainienne sur les économies africaines Suivre

FAITS SAILLANTS

Série AAgWa sur la prévision agricole – N°103
La série AAgWa (Africa Agriculture Watch) sur la prévision agricole réalisée par AKADEMIYA2063 vise à fournir, en temps voulu, des statistiques plus précises sur les niveaux de récolte et de rendement de 9 produits agricoles majeurs dans près de 50 pays africains. Les auteurs utilisent l’outil Africa Crop Production (AfCP) d’AKADEMIYA2063, un modèle prédictif basé sur l’intelligence artificielle et appliqué à des données géo-biophysiques de télédétection, pour produire, au début de chaque saison de croissance, des estimations des rendements et des récoltes à venir. La note synthèse Nº103 fournit des prévisions de la production de maïs au Ouganda.
En savoir plus
Série AAgWa sur la prévision agricole – N°102
La série AAgWa (Africa Agriculture Watch) sur la prévision agricole réalisée par AKADEMIYA2063 vise à fournir, en temps voulu, des statistiques plus précises sur les niveaux de récolte et de rendement de 9 produits agricoles majeurs dans près de 50 pays africains. Les auteurs utilisent l’outil Africa Crop Production (AfCP) d’AKADEMIYA2063, un modèle prédictif basé sur l’intelligence artificielle et appliqué à des données géo-biophysiques de télédétection, pour produire, au début de chaque saison de croissance, des estimations des rendements et des récoltes à venir. La note synthèse Nº102 fournit des prévisions de la production de maïs au Sud Soudan.
En savoir plus
Série AAgWa sur la prévision agricole – N°101
La série AAgWa (Africa Agriculture Watch) sur la prévision agricole réalisée par AKADEMIYA2063 vise à fournir, en temps voulu, des statistiques plus précises sur les niveaux de récolte et de rendement de 9 produits agricoles majeurs dans près de 50 pays africains. Les auteurs utilisent l’outil Africa Crop Production (AfCP) d’AKADEMIYA2063, un modèle prédictif basé sur l’intelligence artificielle et appliqué à des données géo-biophysiques de télédétection, pour produire, au début de chaque saison de croissance, des estimations des rendements et des récoltes à venir. La note synthèse Nº101 fournit des prévisions de la production de maïs au Ghana.
En savoir plus
Série AAgWa sur la prévision agricole – N°100
La série AAgWa (Africa Agriculture Watch) sur la prévision agricole réalisée par AKADEMIYA2063 vise à fournir, en temps voulu, des statistiques plus précises sur les niveaux de récolte et de rendement de 9 produits agricoles majeurs dans près de 50 pays africains. Les auteurs utilisent l’outil Africa Crop Production (AfCP) d’AKADEMIYA2063, un modèle prédictif basé sur l’intelligence artificielle et appliqué à des données géo-biophysiques de télédétection, pour produire, au début de chaque saison de croissance, des estimations des rendements et des récoltes à venir. La note synthèse Nº100 fournit des prévisions de la production de maïs au Gabon.
En savoir plus
Série AAgWa sur la prévision agricole – N°99
La série AAgWa (Africa Agriculture Watch) sur la prévision agricole réalisée par AKADEMIYA2063 vise à fournir, en temps voulu, des statistiques plus précises sur les niveaux de récolte et de rendement de 9 produits agricoles majeurs dans près de 50 pays africains. Les auteurs utilisent l’outil Africa Crop Production (AfCP) d’AKADEMIYA2063, un modèle prédictif basé sur l’intelligence artificielle et appliqué à des données géo-biophysiques de télédétection, pour produire, au début de chaque saison de croissance, des estimations des rendements et des récoltes à venir. La note synthèse Nº99 fournit des prévisions de la production de maïs au Congo.
En savoir plus
Série AAgWa sur la prévision agricole – N°98
La série AAgWa (Africa Agriculture Watch) sur la prévision agricole réalisée par AKADEMIYA2063 vise à fournir, en temps voulu, des statistiques plus précises sur les niveaux de récolte et de rendement de 9 produits agricoles majeurs dans près de 50 pays africains. Les auteurs utilisent l’outil Africa Crop Production (AfCP) d’AKADEMIYA2063, un modèle prédictif basé sur l’intelligence artificielle et appliqué à des données géo-biophysiques de télédétection, pour produire, au début de chaque saison de croissance, des estimations des rendements et des récoltes à venir. La note de synthèse Nº98 fournit des prévisions de la production de manioc au Togo.
En savoir plus
Série AAgWa sur la prévision agricole – N°97
La série AAgWa (Africa Agriculture Watch) sur la prévision agricole réalisée par AKADEMIYA2063 vise à fournir, en temps voulu, des statistiques plus précises sur les niveaux de récolte et de rendement de 9 produits agricoles majeurs dans près de 50 pays africains. Les auteurs utilisent l’outil Africa Crop Production (AfCP) d’AKADEMIYA2063, un modèle prédictif basé sur l’intelligence artificielle et appliqué à des données géo-biophysiques de télédétection, pour produire, au début de chaque saison de croissance, des estimations des rendements et des récoltes à venir. La note de synthèse Nº97 fournit des prévisions de la production de manioc au Nigeria.
En savoir plus
Série AAgWa sur la prévision agricole – N°96
La série AAgWa (Africa Agriculture Watch) sur la prévision agricole réalisée par AKADEMIYA2063 vise à fournir, en temps voulu, des statistiques plus précises sur les niveaux de récolte et de rendement de 9 produits agricoles majeurs dans près de 50 pays africains. Les auteurs utilisent l’outil Africa Crop Production (AfCP) d’AKADEMIYA2063, un modèle prédictif basé sur l’intelligence artificielle et appliqué à des données géo-biophysiques de télédétection, pour produire, au début de chaque saison de croissance, des estimations des rendements et des récoltes à venir. La note de synthèse Nº96 fournit des prévisions de la production de manioc au Bénin.
En savoir plus
Série AAgWa sur la prévision agricole – N°95
La série AAgWa (Africa Agriculture Watch) sur la prévision agricole réalisée par AKADEMIYA2063 vise à fournir, en temps voulu, des statistiques plus précises sur les niveaux de récolte et de rendement de 9 produits agricoles majeurs dans près de 50 pays africains. Les auteurs utilisent l’outil Africa Crop Production (AfCP) d’AKADEMIYA2063, un modèle prédictif basé sur l’intelligence artificielle et appliqué à des données géo-biophysiques de télédétection, pour produire, au début de chaque saison de croissance, des estimations des rendements et des récoltes à venir. La note de synthèse Nº95 fournit des prévisions de la production de haricots en Ouganda.
En savoir plus
Série AAgWa sur la prévision agricole – N°94
La série AAgWa (Africa Agriculture Watch) sur la prévision agricole réalisée par AKADEMIYA2063 vise à fournir, en temps voulu, des statistiques plus précises sur les niveaux de récolte et de rendement de 9 produits agricoles majeurs dans près de 50 pays africains. Les auteurs utilisent l’outil Africa Crop Production (AfCP) d’AKADEMIYA2063, un modèle prédictif basé sur l’intelligence artificielle et appliqué à des données géo-biophysiques de télédétection, pour produire, au début de chaque saison de croissance, des estimations des rendements et des récoltes à venir. La note de synthèse Nº94 fournit des prévisions de la production de haricots au Rwanda.
En savoir plus
Série AAgWa sur la prévision agricole – N°93
La série AAgWa (Africa Agriculture Watch) sur la prévision agricole réalisée par AKADEMIYA2063 vise à fournir, en temps voulu, des statistiques plus précises sur les niveaux de récolte et de rendement de 9 produits agricoles majeurs dans près de 50 pays africains. Les auteurs utilisent l’outil Africa Crop Production (AfCP) d’AKADEMIYA2063, un modèle prédictif basé sur l’intelligence artificielle et appliqué à des données géo-biophysiques de télédétection, pour produire, au début de chaque saison de croissance, des estimations des rendements et des récoltes à venir. La note de synthèse Nº93 fournit des prévisions de la production de haricots au Burundi.
En savoir plus
Gebisa Ejeta récompensé de la médaille nationale de la science par le président Joe Biden
Félicitations à Gebisa Ejeta, membre du Panel Malabo Montpellier, qui a reçu la "National Medal of Science", la plus haute distinction décernée par l'État aux scientifiques américains. Professeur émérite de sélection et de génétique végétale et d'agriculture internationale, et directeur exécutif du Centre pour la sécurité alimentaire mondiale à l'université de Purdue, Gebisa Ejeta est l'un des neuf scientifiques américains de premier plan à avoir été récompensés à la Maison Blanche par le président Biden le 24 octobre.
En savoir plus
Série AAgWa sur la prévision agricole - Nº92
La série AAgWa (Africa Agriculture Watch) sur la prévision agricole réalisée par AKADEMIYA2063 vise à fournir, en temps voulu, des statistiques plus précises sur les niveaux de récolte et de rendement de 9 produits agricoles majeurs dans près de 50 pays africains. Les auteurs utilisent l’outil Africa Crop Production (AfCP) d’AKADEMIYA2063, un modèle prédictif basé sur l’intelligence artificielle et appliqué à des données géo-biophysiques de télédétection, pour produire, au début de chaque saison de croissance, des estimations des rendements et des récoltes à venir. La note de synthèse Nº92 fournit des prévisions de la production de mil en Érythrée.
En savoir plus
Série AAgWa sur la prévision agricole - Nº91
La série AAgWa (Africa Agriculture Watch) sur la prévision agricole réalisée par AKADEMIYA2063 vise à fournir, en temps voulu, des statistiques plus précises sur les niveaux de récolte et de rendement de 9 produits agricoles majeurs dans près de 50 pays africains. Les auteurs utilisent l’outil Africa Crop Production (AfCP) d’AKADEMIYA2063, un modèle prédictif basé sur l’intelligence artificielle et appliqué à des données géo-biophysiques de télédétection, pour produire, au début de chaque saison de croissance, des estimations des rendements et des récoltes à venir. La note de synthèse Nº91 fournit des prévisions de la production de riz en République Démocratique du Congo.
En savoir plus
Série AAgWa sur la prévision agricole - Nº90
La série AAgWa (Africa Agriculture Watch) sur la prévision agricole réalisée par AKADEMIYA2063 vise à fournir, en temps voulu, des statistiques plus précises sur les niveaux de récolte et de rendement de 9 produits agricoles majeurs dans près de 50 pays africains. Les auteurs utilisent l’outil Africa Crop Production (AfCP) d’AKADEMIYA2063, un modèle prédictif basé sur l’intelligence artificielle et appliqué à des données géo-biophysiques de télédétection, pour produire, au début de chaque saison de croissance, des estimations des rendements et des récoltes à venir. La note de synthèse Nº90 fournit des prévisions de la production de riz au Bénin.
En savoir plus
Série AAgWa sur la prévision agricole - Nº89
La série AAgWa (Africa Agriculture Watch) sur la prévision agricole réalisée par AKADEMIYA2063 vise à fournir, en temps voulu, des statistiques plus précises sur les niveaux de récolte et de rendement de 9 produits agricoles majeurs dans près de 50 pays africains. Les auteurs utilisent l’outil Africa Crop Production (AfCP) d’AKADEMIYA2063, un modèle prédictif basé sur l’intelligence artificielle et appliqué à des données géo-biophysiques de télédétection, pour produire, au début de chaque saison de croissance, des estimations des rendements et des récoltes à venir. La note de synthèse Nº89 fournit des prévisions de la production de blé en Érythrée.
En savoir plus
Série AAgWa sur la prévision agricole - Nº88
La série AAgWa (Africa Agriculture Watch) sur la prévision agricole réalisée par AKADEMIYA2063 vise à fournir, en temps voulu, des statistiques plus précises sur les niveaux de récolte et de rendement de 9 produits agricoles majeurs dans près de 50 pays africains. Les auteurs utilisent l’outil Africa Crop Production (AfCP) d’AKADEMIYA2063, un modèle prédictif basé sur l’intelligence artificielle et appliqué à des données géo-biophysiques de télédétection, pour produire, au début de chaque saison de croissance, des estimations des rendements et des récoltes à venir. La note de synthèse Nº88 fournit des prévisions de la production d’orge en Éthiopie.
En savoir plus
Série AAgWa sur la prévision agricole - Nº87
La série AAgWa (Africa Agriculture Watch) sur la prévision agricole réalisée par AKADEMIYA2063 vise à fournir, en temps voulu, des statistiques plus précises sur les niveaux de récolte et de rendement de 9 produits agricoles majeurs dans près de 50 pays africains. Les auteurs utilisent l’outil Africa Crop Production (AfCP) d’AKADEMIYA2063, un modèle prédictif basé sur l’intelligence artificielle et appliqué à des données géo-biophysiques de télédétection, pour produire, au début de chaque saison de croissance, des estimations des rendements et des récoltes à venir. La note de synthèse Nº87 fournit des prévisions de la production de maïs en Érythrée.
En savoir plus
Série AAgWa sur la prévision agricole - Nº86
La série AAgWa (Africa Agriculture Watch) sur la prévision agricole réalisée par AKADEMIYA2063 vise à fournir, en temps voulu, des statistiques plus précises sur les niveaux de récolte et de rendement de 9 produits agricoles majeurs dans près de 50 pays africains. Les auteurs utilisent l’outil Africa Crop Production (AfCP) d’AKADEMIYA2063, un modèle prédictif basé sur l’intelligence artificielle et appliqué à des données géo-biophysiques de télédétection, pour produire, au début de chaque saison de croissance, des estimations des rendements et des récoltes à venir. La note de synthèse Nº86 fournit des prévisions de la production d’orge en Érythrée.
En savoir plus
Série AAgWa sur la prévision agricole - Nº85
La série AAgWa (Africa Agriculture Watch) sur la prévision agricole réalisée par AKADEMIYA2063 vise à fournir, en temps voulu, des statistiques plus précises sur les niveaux de récolte et de rendement de 9 produits agricoles majeurs dans près de 50 pays africains. Les auteurs utilisent l’outil Africa Crop Production (AfCP) d’AKADEMIYA2063, un modèle prédictif basé sur l’intelligence artificielle et appliqué à des données géo-biophysiques de télédétection, pour produire, au début de chaque saison de croissance, des estimations des rendements et des récoltes à venir. La note de synthèse Nº85 fournit des prévisions de la production de maïs en République Démocratique du Congo.
En savoir plus
Voir tous les faits saillants   

Les produits de connaissance d’AKADEMIYA2063

AKADEMIYA2063 est une organisation de recherche à but non lucratif implantée en Afrique, dont le siège se trouve à Kigali, au Rwanda, et le bureau régional à Dakar, au Sénégal. Sa mission consiste à soutenir les pays africains en leur fournissant des données, des analyses politiques et un renforcement des capacités, afin de les aider à réaliser les objectifs de l’Agenda 2063 de l’Union africaine en matière de développement inclusif et durable et de prospérité économique. Les analyses stratégiquesproposées par AKADEMIYA2063 sur des sujets émergents et urgents permettent de combler les lacunes en matière de connaissances sur les questions prioritaires en Afrique. Les résultats de nos recherches, compilés dans les produits de connaissance d’AKADEMIYA2063, sont publiés dans des rapports phares et d’autres publications scientifiques, afin de fonder les prises de décision sur des données probantes et d’accélérer la réalisation des objectifs de développement de l’Afrique.

AKADEMIYA2063 SUR LA CRISE UKRAINIENNE

Perspectives de la production de blé au Maroc dans le contexte de la crise ukrainienne

Brief 30
Les perturbations des chaînes mondiales de l'offre en céréales causées par la guerre entre la Russie...
Télécharger

Perspectives de la production de blé en Égypte dans le contexte de la crise ukrainienne

Brief 29
La crise ukrainienne entraîne des répercussions importantes dans de nombreux pays à travers...
Télécharger

Perspectives de la production de blé en Tunisie dans le contexte de la crise ukrainienne

Brief 28
La guerre entre l'Ukraine et la Russie, qui a entraîné une réduction des exportations (de blé notamment)...
Télécharger

Perspectives de la production de blé en Algérie dans le contexte de la crise ukrainienne

Brief 27
Le conflit entre l’Ukraine et la Russie pourrait générer un impact négatif sur la sécurité alimentaire en Afrique...
Télécharger

RESSOURCES D'AKADEMIYA2063 SUR LA COVID-19

Cartographie des communautés vulnérables et identification des principales zones sensibles

Axe de travail 1

En à peine quelques mois, la pandémie de Covid-19 a bouleversé des vies dans le monde...

Suivre

Suivi de l’évolution des prix des denrées alimentaires de base et de leur impact sur la sécurité alimentaire et nutritionnelle

Axe de travail 2

La pandémie risque de perturber davantage les marchés locaux des produits alimentaires, avec des...

Suivre

Perturbation des systèmes de production alimentaire et effets sur les communautés et l’économie nationale

Axe de travail 3

Les effets perturbateurs de la Covid-19 sur les systèmes de production alimentaire sont réels :...

Suivre

Perturbation du commerce mondial et effets sur la croissance économique et les moyens de subsistance

Axe de travail 4

La pandémie de la Covid-19 s’est répandue aux quatre coins du monde, entraînant des...

Suivre

Mission et Vision

La mission globale d’AKADEMIYA2063 est de créer, à partir du Rwanda et à travers l’Afrique, des capacités techniques de pointe pour soutenir les efforts des États membres de l’Union africaine dans la réalisation de leur objectif clé établi dans l’agenda 2063, à savoir transformer les économies nationales pour stimuler la croissance et la prospérité.

Notre Historique

AKADEMIYA2063 a été créée dans l’intention de poursuivre et d’élargir les activités du portefeuille de recherche pour l’élaboration des politiques et le renforcement des capacités dans le cadre de la mise en œuvre du Programme Détaillé de Développement de l’Agriculture en Afrique (PDDAA) lancé et développé par l’Institut international de recherche sur les politiques alimentaires (IFPRI) au cours des 15 dernières années.