L’intelligence artificielle au service des petites exploitations agricoles en Afrique et l’expérience de Digital Green en Éthiopie

Dans la pratique, l’intelligence artificielle permet aux agriculteurs et agricultrices ainsi qu’aux agent·es publics de vulgarisation, appelés agent·es de développement, d’accéder à des services de conseil beaucoup plus rapidement qu’avant, de manière personnalisée et en continu. Les agriculteurs et agricultrices ont la possibilité de poser des questions à tout moment dans leur langue locale, par écrit ou à l’oral, et d’obtenir des conseils immédiats sur des questions clés telles que la lutte contre des nuisibles, les maladies des cultures, les intrants agricoles, les conditions météorologiques ou les risques climatiques de plus en plus imprévisibles.

La fiabilité et la responsabilité de l’intelligence artificielle reposent sur un ancrage solide dans les réalités locales. Pour le garantir, les outils sont développés et déployés dans les langues locales puis continuellement améliorés afin de refléter les contextes agricoles, culturels et environnementaux spécifiques. Les modèles sont entraînés et validés à partir de contenus locaux pertinents tels que les pratiques agricoles recommandées, les orientations provenant des institutions de recherche nationale et des données adaptées aux conditions locales. Des outils d’aide à la décision déjà existants, conçus par des instituts de recherche agricole, sont intégrés afin de fournir des conseils personnalisés et spécifiques à chaque zone.

Par ailleurs, une approche « humaine » est au cœur du dispositif afin de garantir des réponses responsables et de qualité. Des agronomes ainsi que des spécialistes des cultures et de l’élevage, examinent régulièrement les réponses générées par l’intelligence artificielle à partir de milliers de questions posées par les agriculteurs. Leurs retours sont utilisés pour corriger, affiner les recommandations et perfectionner le modèle.

L’un des principaux défis concerne les données. La disponibilité de données locales, fiables et exploitables reste limitée. Les donnée ne sont pas toujours structurées dans des formats pouvant être directement intégrés aux systèmes d’intelligence artificielle. Les informations sur les marchés agricoles et la météo, par exemple, peuvent exister mais manquent souvent d’indicateurs clairs ou de mises à jour régulières et en temps réel à l’échelle locale. Digital Green travaille en étroite collaboration avec les gouvernements, les instituts de recherche et d’autres parties prenantes pour enrichir ces bases de données, mais ce processus reste progressif et complexe.

Un autre défi majeur concerne la diversité linguistique et les contraintes liées aux infrastructures. Dans de nombreux pays, une grande partie des agriculteurs et agricultrices ne parle que des langues locales peu représentées dans les modèles linguistiques existants, ce qui impose des choix de priorisation, souvent centrés sur les langues nationales majoritaires. À ces défis s’ajoutent des enjeux d’accès limité aux technologies, en particulier la disponibilité des smartphones et la qualité de la connectivité dans les zones rurales.

Enfin, pour que l’intelligence artificielle ait un impact durable sur les systèmes agricoles, elle doit s’appuyer sur des institutions locales solides, en particulier des services de vulgarisation agricole bien établis et capables d’évoluer. L’IA ne peut être efficace que si elle complète et renforce ces dispositifs existants, en s’intégrant dans des structures adaptées aux réalités nationales et locales. Le rôle des institutions publiques, des agences de développement et des partenaires techniques est central pour assurer l’appropriation, la gouvernance et la pérennité de ces solutions.

Plus de détails sur le projet