L’intégration de l’intelligence artificielle (IA) et des technologies géo-numériques révolutionne l’analyse des données géologiques, notamment dans les zones à fort potentiel minier comme Nara, au Mali. Cette étude évalue l’apport combiné de l’apprentissage automatique, de la télédétection et des SIG pour améliorer la compréhension des structures géologiques, des formations lithologiques et des indices de minéralisation. L’approche méthodologique consiste à exploiter des données multi-sources (images satellitaires, levés géophysiques et observations de terrain), qui vont être analysées à l’aide d’algorithmes de classification supervisée et non supervisée (CNN, Random Forest, SVM, K-means), intégrés dans un environnement SIG ; suivie d’une analyse spatiale multi-échelle complémentaire. Les résultats montrent une extraction automatisée et précise des unités géologiques avec une meilleure identification des structures linéaires, zones d’altération hydrothermale et corridors favorables à la minéralisation. Ensuite, les incertitudes liées aux interprétations classiques sont réduites avec une amélioration de la détection des anomalies géologiques. En outre, les résultats démontrent une amélioration de la fiabilité des analyses tout en optimisant la planification des campagnes de terrain. En définitive, la combinaison IA-géo-numérique serait un levier stratégique pour la prospection minière au Mali. Elle ouvre ainsi de nouvelles perspectives en cartographie prédictive et en gestion durable des ressources du craton Ouest-africain, contribuant de manière significative à l’avancement de la recherche géo-scientifique.