Le Machine Learning, une technologie de l’IA au service des petites exploitations agricoles en Afrique

Date :
Mis à jour le 27/04/2020
Comment utiliser des techniques d’apprentissage automatique pour donner des conseils à des petits exploitants agricoles malawiens et améliorer ainsi durablement le rendement de leurs terres ? Tel est le nouveau défi de Philippe Preux, professeur en informatique à l’université de Lille et responsable de l’équipe-projet SequeL (Sequential Learning) au centre Inria de Lille. Son projet s’insère dans le cadre de l’action humanitaire internationale, Africa Rising.
Illustration : agriculture en Afrique
© Jan - AdobeStock

 

À l’est du continent africain dans la région des « grands lacs », le Malawi est frontalier avec le Mozambique, la Zambie et la Tanzanie. Signe particulier de cette région tropicale : une agriculture familiale de subsistance implique plus de 80% de la population du pays. Les malawiens réalisent les travaux agricoles à la main à l’échelle de la parcelle, ne possèdent que très peu d’équipements et sont dépendants des aléas de la météo. « Il existe une insécurité alimentaire au Malawi, complète Philippe Preux. L’objectif premier de notre projet est donc d’aider les paysans à nourrir leurs familles et à gagner de l’argent en vendant leurs récoltes, tout en respectant l’environnement et en travaillant dans une logique d’agriculture durable.»

Le machine learning au service d’un projet humanitaire en agriculture

C’est Romain Gautron, ingénieur de AgroParis Tech, qui a contacté Philippe Preux et son équipe SequeL durant l’été 2019 pour son expertise en matière de ML (machine learning). SequeL est une équipe spécialisée dans l’apprentissage automatique et la prise de décision dits séquentiels – c’est-à-dire qui mobilisent une suite ordonnée d’opérations, comme cela se fait par exemple dans des jeux vidéo ou des jeux de plateau tels le go ou les échecs. Sa spécialité est l’apprentissage par "renforcement", un sujet au cœur des problématiques actuelles d’intelligence artificielle et de systèmes de recommandation. Grâce aux expériences successives des agriculteurs, l’objectif ici est d’apprendre à trouver, le plus rapidement possible, la meilleure solution à un problème de prise de décision.

Avec SequeL, Philippe Preux a beaucoup travaillé sur des applications de recommandation, grâce à ses travaux dans tout un éventail de domaines comme la publicité sur Internet, la médecine et l’éducation. Il a ainsi acquis une solide expertise sur les fonctionnements et les performances possibles de ces systèmes.

Optimiser durablement le rendement des petites exploitations des pays émergents

« D’un point de vue applicatif, un algorithme de machine learning optimise certaines fonctions – telles que la maximisation des ventes ou la capacité à reconnaître des objets dans une image », détaille le chercheur. Mais, la définition du ML ne se résume pas qu’à cela. Cette technologie permet aussi d’optimiser la durabilité d’un processus en formulant cet objectif sous la forme d’une fonction à améliorer. Tel est le cas du présent projet : Philippe Preux et ses collègues cherchent à augmenter durablement le rendement de petites exploitations agricoles et tentent de changer les pratiques. 

Outre les données sur les pratiques agricoles actuelles au Malawi, les chercheurs ont besoin, pour faire fonctionner leur système, des informations pédologiques, climatiques, météorologiques et géographiques. Ces données collectées, il leur reste ensuite à définir la modélisation formelle du problème. 

Agriculteurs du Malawi vu de dos près de leurs champs

Savoir avancer dans l’incertitude

Pour l’heure néanmoins, l’équipe ne sait ni quelles données seront les plus importantes, ni si ces données existent et sont disponibles. Leur collecte se fera sur le long terme, au fil des années. Les observations faites sur les cultures seront ainsi utilisées pour enrichir des algorithmes d’apprentissage automatique.

« Le projet est semé d’incertitudes très différentes de celles auxquelles nous sommes habituées, admet Philippe Preux. Nous ne savons pas encore précisément comment nous allons interagir avec les paysans sur le terrain, ni comment ils vont réagir face à notre type de système, et même s’ils nous feront confiance et suivront nos recommandations ! »

Un travail collaboratif : grandes institutions internationales et université africaine main dans la main 

Forte de sa renommée internationale, l’équipe SequeL intervient aux côtés du Centre de coopération internationale en recherche agronomique pour le développement (Cirad), du Groupe consultatif pour la recherche agricole internationale (CGIAR) et de l’université de Zambie. En parallèle, Philippe Preux a lancé un projet avec un institut agricole en Inde, qui l’a contacté à l’automne 2019. Ce centre a la même idée d’application et beaucoup de données à sa disposition.

« Nous cherchons à récupérer des données de différentes sources, dont celles de l’Inde, pour les utiliser au Malawi, et voir dans quelle mesure elles sont transférables entre pays, explique Philippe Preux. La démarche devrait en théorie porter ses fruits, car les paysans avec qui nous travaillons en Inde et au Malawi cultivent leurs terres de la même manière. » Avec, à l’arrivée, une jolie démonstration d’usage de la science au service de la solidarité internationale.

Africa Rising : un projet humanitaire d’aide aux petits exploitants agricoles

Le programme Africa Research in Sustainable Intensification for the Next Generation a pour ambition d’aider les familles de petits exploitants agricoles à améliorer durablement le rendement de leurs terres pour sortir de la faim et de la pauvreté. Inauguré fin 2011, et actuellement dans sa deuxième phase (qui s’achève en 2021), il comprend trois projets régionaux de recherche-développement en Tanzanie, au Malawi et en Zambie. Il est soutenu par l’United States Agency for International Development dans le cadre de l’initiative "Feed the Future" du gouvernement américain.