La mise au point d’une méthode automatique d’estimation des surfaces irriguées par les petits exploitants agricoles en Afrique aux abords des cours d’eau, à partir d’outils libres et de données satellitaires gratuites, reste un défi majeur à cause de la diversité des cultures qui y sont pratiquées, de l’étroitesse des parcelles, de la variabilité des cycles culturaux et de la similarité des réflectances des zones irriguées, des zones humides enherbées et de la végétation arborée riparienne. Cet article visait donc à développer une méthode qui permette d’extraire les surfaces agricoles irriguées par les agriculteurs informels le long des berges du fleuve Comoé au cours de la campagne agricole de saison sèche. Pour ce faire, une image composite, obtenue des images de janvier 2019 des satellites Sentinel-1 et 2, combinée à des indices spectraux dérivés et sensibles aux surfaces irriguées (NDVI, MNDWI et NBR2), a fait l’objet d’une classification supervisée à l’aide du classificateur Random Forest sur la plateforme Earth Engine, après une série de masquages automatiques des sols nus, des surfaces des plans d’eau, des infrastructures et de la forêt galerie. Testée sur des données de janvier 2019, pendant laquelle la plupart des agriculteurs ont mis en place leurs cultures, la méthode proposée permet d’estimer efficacement les superficies irriguées. Elle a permis de distinguer les classes ‘zones irriguées’ et ‘zones humides enherbées’ avec une précision globale de 98 %, un coefficient Kappa de 0,91 et des F-scores respectifs de 99 % et 92 %. L’étude a ainsi montré qu’il est possible de développer à moindre coût une méthode automatique et efficace d’évaluation de surfaces irriguées ripariennes à partir de la plateforme Earth Engine.