Des cartes automatiques et précises des types de cultures peuvent fournir des informations sans précédent pour comprendre les systèmes alimentaires, en particulier dans les pays en développement où les enquêtes terrain sont rares. Toutefois, peu de travaux ont appliqué les méthodes existantes dans ces environnements caractérisés par un manque de données, qui présentent également des défis spécifiques tels que des parcelles de forme irrégulière, une couverture nuageuse fréquente, de petites superficies culturales et un défaut sévère de données d’entraînement. Pour combler cette lacune dans la littérature, nous proposons le premier jeu de données de segmentation sémantique des types de cultures sur les exploitations familiales de petite taille, spécifiquement au Ghana et au Soudan du Sud. Nous sommes également les premiers à exploiter des données satellitaires à haute résolution et à haute fréquence pour la segmentation des exploitations familiales. Malgré les difficultés, nous atteignons un score F1 moyen et une précision globale de 57,3 % et 60,9 % au Ghana, et de 69,7 % et 85,3 % au Soudan du Sud. En outre, notre approche dépasse la méthode de pointe dans un contexte à données abondantes, comme en Allemagne, de plus de 8 points en score F1 et de 6 points en précision. Le code source ainsi qu’un lien vers le jeu de données sont accessibles publiquement à l’adresse suivante : https://github.com/roserustowicz/crop-type-mapping.