La conduite des systèmes de production agricoles est rendue difficile par l'incertitude sur l'environnement climatique et par le manque de connaissances du décideur sur les interactions entre les différentes actions techniques. On présente dans ce papier l'apport possible de l'Intelligence Artificielle (IA) pour l'aide à la précision. Dans une première partie, les principales techniques de base en usage en IA sont possées succinctement en revue. Elles portent sur la représentation des connaissances symboliques (les fiats, les objets, les déductions logiques et les contraintes) et sur la mise en oeuvre de ces connaissances. Trois méthodes générales de résolution de problème sont présentées : les schémas de raisonnement logique, la recherche dans un espace d'états et la satisfaction de contraintes. Dans une deuxième partie, on montre comment ces techniques de base peuvent être utilisées concrètement. On considère pour cela le problème courant de la construction de l'itinéraire technique prévisionnel d'une culture. Trois approches de ce problèmes sont présentées comparativement. La première est fondée sur l'optimisation numérique. On recherche la séquence de décisions qui minimise l'écart à l'objectif de rendement, compte tenu de l'aléa climatique. L'apport de l'A est de réduire le nombre des combinaisons de décisions testées, par l'utilisation de connaissances expertes. La deuxième approche est de simuler la collaboration de plusieurs experts spécialistes d'une technique culturale particulière. Chaque expert raisonne son intervention avec ses propres connaissances mais en tenant compte des conclusions des autres experts. La troisième méthode utilise des techniques de satisfaction de contraintes. Les contraintes sont les relations numériques expérimentales entre des variables d'état du peuplement végétal et des variables de décision. On fixe les variables représentant l'objectif et on propage ces