L'Afrique de l'Ouest fait face à des changements démographiques et climatiques qui mettent sous tension l'agriculture. Les arbres fruitiers, malgré les nombreux services écosystémiques qu'ils fournissent (alimentation, biodiversité, fertilité, etc.), pâtissent de faibles rendements. Dans ce contexte d'insécurité alimentaire, il s'avère indispensable d'améliorer les moyens de suivi de la production agricole pour faire face aux enjeux du développement. Les objectifs de cette thèse étaient de mettre en place des outils d'estimation du rendement du manguier (Mangifera indica L.) à différentes échelles spatiales afin d'identifier les facteurs explicatifs de la variabilité intra- et inter-verger observée en Afrique de l'Ouest. Ces outils ont été construits et déployés dans la région des Niayes au Sénégal pour analyser les rendements d'un réseau de 30 vergers répartis dans trois types de systèmes de culture (extensif, diversifié et intensif). À l'échelle de l'arbre, un outil d'analyse d'images numériques par réseau de neurones assisté par modèle a été mis au point pour estimer la production de manguiers à l'approche de la récolte. Le concept de 'yield gap' a été adapté pour calculer le 'production gap', c'est-à-dire l'écart entre la production atteignable de l'arbre (i.e., définie par sa structure et sa variété) et sa production réelle. Cette méthode a mis en évidence les effets de la variété et du système de culture sur les écarts de production. À l'échelle du verger, l'imagerie drone a été utilisée pour construire une carte d'occupation des sols (position des arbres) et déterminer la structure (hauteur, volume) des arbres de chaque verger. Ces informations permettent de modéliser et spatialiser la production des manguiers au sein d'un verger, permettant ainsi l'étude des variabilités du rendement intra et inter-vergers. Les distributions spatiales des caractéristiques et de la production des arbres apparaissent plus hétérogènes dans les vergers extensifs et diversifiés.