IAI Cameroun | Année Académique 2025/2026
Smart Scan AI
Assistant Intelligent pour la Culture du Cacao
Application Mobile React Native (Expo) — Diagnostic IA — Météo Agricole
Réalisé avec :
Firebase React Native (Expo)
Projet de fin de formation — Développement Mobile & Assistance Agricole
Introduction
Acteurs concernés Le Problème Notre Réponse
Les producteurs de cacao en Afrique La pourriture brune et d'autres Smart Scan AI est une application
subsaharienne, notamment au maladies détruisent jusqu'à 30% des mobile hors ligne offrant diagnostic
Cameroun, font face à des pertes récoltes, faute de diagnostic rapide et visuel, météo agricole et conseils
agricoles croissantes. accessible. adaptés.
Plan de Présentation
01 Contexte, Problématique & Solution 06 Étude Financière
02 Objectif Général du Projet 07 Contraintes du Projet
03 Objectifs Spécifiques 08 Résultats & Discussion
04 Besoins Fonctionnels 09 Conclusion & Perspectives
05 Besoins Non Fonctionnels
Contexte, Problématique & Tentative de Solution
Contexte Problématique
Le Cameroun est un acteur majeur du cacao en Afrique. Comment permettre aux agriculteurs camerounais, souvent
Malgré son potentiel, les producteurs souffrent d'un manque dans des zones sans connexion stable, d'identifier rapidement
d'accès aux technologies modernes de diagnostic agricole et les maladies de leur cacao et d'accéder à des conseils adaptés
aux informations météorologiques fiables. ?
Tentative de Solution : Smart Scan AI
Diagnostic IA embarqué via un système expert (offline) basé sur un arbre de décision intelligent
Météo agricole sur 7 jours via l'API Open-Meteo localisée par GPS du smartphone
Catalogue de bonnes pratiques agricoles disponibles sans internet (mode hors ligne)
Objectif Général du Projet
Concevoir et développer une application mobile innovante, accessible hors ligne, permettant aux
producteurs de cacao camerounais de diagnostiquer les maladies de leurs plants, de recevoir des
recommandations agronomiques personnalisées et de consulter les prévisions météorologiques
locales — afin de réduire significativement les pertes agricoles.
Impact visé : Réduction des pertes agricoles jusqu'à 30% grâce à un diagnostic
précoce et des conseils adaptés
Objectifs Spécifiques du Projet
Authentification sécurisée Diagnostic intelligent
Développer un système expert embarqué permettant
Implémenter un système d'inscription et de connexion
d'identifier les maladies du cacao par un arbre de décision
sécurisé via Firebase Authentication (email/mot de passe).
dynamique à 4 questions.
Météo agricole localisée Mode hors ligne complet
Intégrer l'API Open-Meteo pour fournir des prévisions sur 7 Garantir l'accès aux diagnostics et bonnes pratiques sans
jours géolocalisées par GPS. connexion internet en embarquant les données localement.
Interface intuitive Gestion du profil
Concevoir une UX/UI moderne avec React Native Paper Permettre à l'utilisateur de modifier ses informations
adaptée aux contraintes terrain des agriculteurs. personnelles avec une ré-authentification de sécurité.
Besoins Fonctionnels
Inscription & Connexion Diagnostic Visuel IA
BF01 BF02
Créer un compte, se connecter avec email/mot de passe via Ouvrir la caméra, capturer une photo et lancer le système
Firebase Auth expert de diagnostic
Questionnaire Dynamique Rapport de Diagnostic
BF03 BF04
4 questions ciblées pour identifier la maladie (Pourriture Afficher causes, symptômes, conséquences et solutions
Brune, etc.) recommandées
Prévisions Météo 7 Jours Catalogue Bonnes Pratiques
BF05 BF06
Météo agricole géolocalisée via Open-Meteo avec Consulter les conseils (taille, ombrage, traitements) en
indicateurs de risque mode hors ligne
Gestion du Profil Navigation Intuitive
BF07 BF08
Modifier email, mot de passe avec ré-authentification de Bottom Tabs avec accès rapide à toutes les fonctionnalités
sécurité principales
Besoins Non Fonctionnels
Sécurité Disponibilité & Offline-First
Authentification Firebase (chiffrée) Fonctionnement sans internet (diagnostic, bonnes pratiques)
Ré-authentification avant modifications sensibles Connexion requise uniquement pour auth & météo
Données locales non exposées au réseau Architecture Offline-First
Compatibilité & Performance Maintenabilité & Évolutivité
Android & iOS via React Native / Expo Code modulaire (MVC côté client)
Temps de réponse < 2s pour le diagnostic Mise à jour facile de la base de connaissances
Faible consommation de données mobiles Architecture prête pour intégration IA réelle
Étude Financière
Poste de Dépense Description Coût estimé (FCFA)
Développement logiciel Développement de l'application (React Bénévolat / Stage
Native, Expo)
Infrastructure Firebase Authentification & stockage cloud (plan Spark 0 FCFA
gratuit)
API Météo (Open-Meteo) Prévisions météo (API open source gratuite) 0 FCFA
Outils de développement VS Code, [Link], Expo CLI — tous open 0 FCFA
source
Tests & Déploiement Expo Go pour tests mobiles, Expo EAS pour 0 – 25 000 FCFA
build
Documentation & Rapport Rédaction, impression du rapport de stage 15 000 FCFA
TOTAL ESTIMÉ ≈ 40 000 FCFA
* Les coûts sont minimisés grâce à l'utilisation d'APIs et outils gratuits (open source).
Contraintes du Projet
Contrainte de Coût Contrainte de Qualité Contrainte de Délai
Budget très limité → utilisation Fiabilité du diagnostic même en Développement réalisé dans le
exclusive d'outils gratuits mode simulé cadre d'un stage académique
APIs gratuites (Open-Meteo, Interface adaptée à des utilisateurs Délai contraint par la date de
Firebase Spark) non-techniciens soutenance 2025/2026
Pas de serveur dédié → données Tests sur plusieurs appareils Priorisation des fonctionnalités clés
embarquées localement Android/iOS via Expo Go (MVP)
Résultats & Discussion
5 4 7J 100%
Écrans fonctionnels Maladies diagnostiquées Prévisions météo Offline-first
Diagnostic & bonnes pratiques hors
Auth, Scan, Météo, Pratiques, Profil Pourriture brune & autres pathologies Données Open-Meteo géolocalisées
ligne
Discussion
Fonctionnalités clés opérationnelles : diagnostic, météo, bonnes pratiques, authentification
Architecture Offline-First réussie : l'application fonctionne sans internet pour les cas d'usage terrain
Limitation : le diagnostic reste simulé (système expert) et non une véritable IA par reconnaissance d'image
Amélioration possible : intégration d'un modèle ML (TensorFlow Lite) pour un vrai diagnostic photo
Conclusion & Perspectives
Conclusion
Smart Scan AI démontre qu'il est possible de mettre la technologie au service de l'agriculture africaine avec un budget minimal.
L'application répond aux besoins concrets des producteurs de cacao en combinant diagnostic intelligent, météo localisée et
conseils agricoles — le tout accessible hors ligne.
Perspectives d'évolution
Intégration d'un modèle IA réel (TensorFlow Lite) pour diagnostic photo par vision par ordinateur
Extension à d'autres cultures (café, palmier) et internationalisation de l'application
Synchronisation cloud des diagnostics pour suivi longitudinal et alerte communautaire
Tableau de bord analytique pour les agronomes et les coopératives agricoles
Merci pour votre attention !
Technologies Utilisées
React Native (Expo) Firebase Open-Meteo API
Framework mobile cross-platform Firebase Authentication pour la
API météo open source gratuite.
pour Android & iOS. Navigation gestion sécurisée des comptes
Prévisions sur 7 jours géolocalisées
Bottom Tabs, Caméra Expo, interface utilisateurs (inscription, connexion, ré-
par GPS. Aucune clé API requise.
React Native Paper. auth).
IAI Cameroun • Projet de Soutenance • Année Académique 2025/2026