La connaissance des systèmes agraires est essentielle pour orienter efficacement les politiques de recherche et de développement. Les approches existantes de caractérisation des systèmes agraires nécessitent des dispositifs de collecte de données de terrain lourds et coûteux à mettre en oeuvre et à adapter au rythme des changements rapides constatés. Aujourd'hui, l'existence d'une importante offre en matière de données satellitales constitue une opportunité pour comprendre et renseigner à moindre coût les systèmes agraires. La présente étude a pour objectif d'exploiter le potentiel des données satellitaires pour cartographier les systèmes agraires au nord et au centre du Bénin. Pour ce faire, tout d'abord une typologie des systèmes agraires orientée intensification agricole a été construite sur la zone d'étude. Ensuite, un modèle de prédiction des types de systèmes agraires basé sur l'apprentissage automatique (Random Forest) a été construit à partir de données issues de séries temporelles d'images (indice de végétation) et de données géospatiales (occupation du sol, réseau routier, population, etc.). Le modèle Random Forest a été construit sur 183 observations (villages) et 22 variables explicatives. Le modèle présente un taux d'erreur moyen de 43% en validation croisée. La précision du modèle atteint 60% lorsque sont combinées les variables radiométriques et géographiques. Le modèle a été appliqué à l'ensemble des villages de la zone d'étude pour obtenir une carte des types de systèmes agraires du nord et centre Bénin. Une étude approfondie sur la sélection des variables explicatives est en cours et devrait permettre, à termes, d'obtenir une plus grande précision.