La prévision de récolte de canne à sucre est une étape cruciale dans l'organisation logistique et la rentabilité de l'ensemble de la chaine de production de sucre. Nous présentons une méthode d'estimation de la récolte simple, robuste automatisable et de faible coût. Son principe repose sur l'ajustement d'un modèle de régression linéaire multivariée entre des variables de croissance simulées par un modèle de croissance de la canne et un historique de production. La performance de cette méthode est évaluée en l'appliquant à la production de canne à sucre de l'île de La Réunion. Elle est basée sur la modélisation de la croissance des parcelles de canne par le modèle de culture MOSICAS qui fournit des variables explicatives à des régressions linéaires de plusieurs variables ajustées sur un historique de production de 11 années des cinq bassins de production de La Réunion. Pour cela, la performance des méthodes de régression Stepwise et Least angle sont comparées. La précision des prévisions issues des deux modèles de régression a été calculée par validation croisée. Des prévisions de rendement sont simulées jusqu'à quatre mois avant le début de la récolte. Sont comparées, la précision des prévisions fournies par les deux modèles de régression, les prévisions à dire d'expert, et la moyenne des productions réelles, aux échelles du bassin de production, de l'usine, et de l'ile entière. Les résultats ont montré que les deux modèles de régression ont les meilleures performances à toutes les échelles. A l'échelle des bassins de production, la méthode de Least angle, avec une erreur quadratique moyenne de 7%, est légèrement meilleure que la méthode Stepwise (7.4%), et plus précise que la variation interannuelle moyenne du rendement (9.2%). Cette erreur descend à 3.6% à l'échelle de l'ensemble de l'ile. La précision à l'échelle du bassin est très satisfaisante même quatre mois avant le début de la récolte (erreur maximale de 10%). Cette méthodologie de prévision de récolte a l