La fièvre de la vallée du Rift (FVR) est une arbovirose zoonotique émergente, touchant principalement l'homme et les ruminants. En l'absence de traitement spécifique et de moyen de prévention efficace, la prédiction des lieux à risque est un enjeu important de la lutte contre cette maladie. En milieu agropastoral sahélien du Sénégal, la période à risque est la saison des pluies, lorsque hôtes et vecteurs se rencontrent autour de mares temporairement inondées. La transmission du virus est complexe, car elle implique au moins deux espèces de vecteurs d'écologies différentes (Aedes vexans et Culex poicilipes) et des hôtes sédentaires ou nomades. Le virus est enzootique dans la communauté rurale de Barkedji. Afin d'y prédire le niveau de risque, défini comme l'intensité du contact hôtes-vecteurs en saison des pluies, nous avons mis en place un modèle prédictif de la répartition spatiale des troupeaux, à partir de données satellitales et de terrain. Puis les mares temporaires, gîtes des vecteurs, ont été détectées sur une série d'images SPOT5 et utilisées pour estimer l'abondance vectorielle relative. Ces données ont ensuite été synthétisées dans un modèle attribuant à chaque pixel de la zone d'étude un niveau de risque relatif. Les résultats obtenus sont encourageants, quoi que le modèle doive être amélioré et validé. L'intérêt majeur de notre travail est de présenter une approche méthodologique spécifique aux problématiques de santé-environnement, basée sur l'étude des interactions entre les éléments du cycle épidémiologique et le milieu. Nous espérons également qu'à moyen terme, il constituera une aide appréciable pour le réseau de surveillance sénégalais de la FVR.