Un sérotypage précis de Salmonella est essentiel pour une surveillance efficace et une enquête sur les épidémies, car la diversité sérotypée impacte directement la pathogénicité et l’évaluation des risques pour la santé publique. Cependant, les méthodes conventionnelles d’agglutination par lames sont limitées par une faible reproductibilité, une faible intensité de travail et des coûts élevés, ce qui entrave leur application dans des programmes de surveillance à haut débit. Pour répondre à ces limitations, nous avons développé et validé un flux de travail génomique intégrant le typage de séquences multilocus (MLST), la ressource de typage Salmonella In Silico (SISTR), SeqSero, SeqSero2 et SeqSero2S pour la prédiction des sérotypes à partir de données de séquençage du génome entier. Ce protocole a été évalué à travers une analyse multicentrique de 315 isolats de Salmonella collectés dans des sources alimentaires et humaines du sud-ouest de la Chine. Les résultats de cette étude ont démontré une concordance significativement plus élevée entre les approches génomiques (jusqu’à 100 %/99,1 %/90,1 % dans l’ensemble d’entraînement et 100 %/97,1 %/93,1 % dans le jeu de validation pour SISTR/MLST/SeqSero2S, respectivement) par rapport au sérotypage traditionnel. Le flux de travail inclut des recommandations pour sélectionner des méthodes de prédiction appropriées basées sur le contexte de surveillance, en mettant l’accent sur MLST et SeqSero2S pour le suivi de routine, SeqSero2S pour le dépistage rapide, et SISTR avec le génome central MLST pour les enquêtes sur les épidémies. Cette approche facilite l’intégration du sérotypage génomique dans la pratique de la santé publique, réduisant la dépendance à la sérologie traditionnelle et améliorant la reproductibilité et la scalabilité dans les programmes de surveillance de la salmonelle .