Au Bénin, comme dans une grande partie de l’Afrique de l’Ouest, la différence entre une bonne récolte et un échec peut dépendre de décisions prises plusieurs semaines avant l’arrivée des premières pluies, telles que le choix des cultures, leur emplacement et les quantités à semer. Pour les petits exploitants agricoles qui prennent ces décisions avec des informations limitées et sans marge d’erreur, les outils de la science agricole moderne sont restés largement hors de portée.
Le Dr Souand Tahi, statisticienne et chercheuse au département de biostatistique de l’université d’Abomey-Calavi, au Bénin, a consacré la majeure partie de sa carrière à s’interroger sur ce que l’IA et l’apprentissage automatique peuvent révéler des conditions qui déterminent la survie ou l’échec d’une culture. Son parcours vers l’intelligence artificielle s’inscrit dans la logique d’une statisticienne de formation qui, travaillant sur des problèmes agricoles et environnementaux concrets, se heurtait sans cesse à des systèmes trop complexes pour être appréhendés par les méthodes classiques.
Une complexité que les statistiques seules ne pouvaient pas apprehender
Les systèmes agricoles d’Afrique de l’Ouest sont, à tous les égards, d’une complexité extraordinaire. Les précipitations arrivent par vagues qui défient les moyennes saisonnières ; les parcelles des petits exploitants sont fragmentées à travers différents microclimats ; l’accès aux marchés est inégal ; et l’infrastructure de données, telle que les registres numérisés, les archives satellitaires à long terme ou les réseaux de capteurs standardisés, est clairsemée, inégale et souvent inexistante.
En travaillant sur les défis agricoles et environnementaux propres au Bénin et au contexte subsaharien au sens large, le Dr Tahi s’est retrouvée confrontée à plusieurs reprises à des systèmes que la modélisation traditionnelle ne parvenait pas à saisir correctement, tels que les interactions non linéaires entre les variables climatiques et les conditions du sol, ainsi que les boucles de rétroaction entre les régimes pluviométriques et la productivité des cultures. Il s’agit là du type de pressions complexes et interdépendantes que la modélisation classique pouvait décrire, mais pas saisir correctement.
« L’apprentissage automatique s’est imposé comme un outil évident, capable de saisir cette complexité et d’apporter des solutions concrètes. Mon engagement reposait sur une conviction profonde : utiliser l’IA comme levier de transformation pour relever les défis du développement en Afrique », a-t-elle déclaré.
Les enjeux scientifiques
Le maïs est la culture qui garantit la sécurité alimentaire de millions de familles de petits exploitants; ainsi, de faibles rendements aggravent la vulnérabilité nutritionnelle, entraînent un endettement et contribuent à l’exode rural qui pèse déjà sur les villes béninoises. C’est pourquoi il est urgent, d’un point de vue pratique, de pouvoir prévoir les rendements avec une précision raisonnable et de comprendre les facteurs qui les déterminent.
Pour y remédier, le Dr Tahi a utilisé des données climatiques intégrées et des données provenant de parcelles expérimentales qu’elle a conçues afin de développer des modèles d’apprentissage automatique pour les rendements de maïs. Ces modèles sont capables d’identifier les fenêtres climatiques critiques et les paramètres agronomiques qui déterminent le plus fortement la productivité. Son objectif était de créer des outils que les décideurs agricoles et les services de vulgarisation pourraient réellement utiliser.
Parallèlement, elle a appliqué les modèles d’apprentissage aux écosystèmes de mangroves côtiers du Bénin. Ces écosystèmes font office de barrières naturelles contre les ondes de tempête, favorisent la biodiversité et séquestrent d’importants volumes de carbone. Ils restent cependant mal surveillés et cruellement sous-étudiés. Ses travaux ont appliqué l’apprentissage automatique pour évaluer la santé des écosystèmes dans des environnements où l’observation humaine est limitée et où les conséquences de la dégradation s’étendent bien au-delà du littoral immédiat.
Ce que la bourse AI4D a rendu possible
La bourse AI4D Africa est arrivée à un moment crucial de ses recherches. Au-delà du soutien financier, elle lui a permis d’accéder à des serres pour mener des expériences contrôlées, de suivre une formation spécialisée dans les méthodes d’apprentissage automatique et, ce qui est peut-être le plus précieux, de rejoindre un réseau continental de chercheurs africains travaillant sur des problématiques connexes et partageant une compréhension commune de ce que signifie mener ce type de travaux dans le contexte africain.
La recherche en IA appliquée au développement est souvent menée dans un relatif isolement, en particulier pour les chercheurs en début de carrière basés en dehors des grands pôles universitaires. Le programme AI4D a permis de créer une cohorte.
« La bourse AI4D a marqué un véritable tournant dans mon parcours. Elle m’a non seulement apporté un soutien financier indispensable, mais surtout m’a offert un environnement stimulant, propice à la recherche de haut niveau. Au-delà de la dimension académique, cette bourse a également renforcé ma confiance en tant que jeune chercheuse africaine, en me montrant que mes travaux pouvaient contribuer à des transformations concrètes », a-t-elle déclaré.
Premiers résultats et perspectives d’avenir
Les modèles développés dans le cadre de cette recherche ont déjà commencé à toucher leur public. Les conclusions, en particulier l’identification des variables climatiques et agronomiques clés qui déterminent la productivité du maïs au Bénin, ont suscité un intérêt constant parmi les chercheurs en agriculture ainsi que les professionnels nationaux et internationaux.
Le Dr Tahi décrit sa vision à long terme comme un pont entre la science des données et les besoins concrets des communautés agricoles, ainsi qu’entre les modèles prédictifs et les décisions qui sont effectivement prises au sein des ministères de l’Agriculture, des services de vulgarisation et des ménages ruraux.
Son modèle peut être adapté et déployé à plus grande échelle pour alimenter des systèmes d’alerte précoce sur l’insécurité alimentaire, des outils d’aide à la décision destinés aux petits exploitants agricoles confrontés à un climat de plus en plus instable, ainsi que des parcours de transformation numérique pour le secteur agricole du Bénin, alignés sur les objectifs nationaux de développement.
Elle a également encadré des étudiants tout au long de ce processus, dans le but de leur transmettre des compétences techniques en analyse de données et en apprentissage automatique, mais aussi pour leur faire découvrir une approche de la recherche qui place l’utilisateur final au centre de chaque étape. Son conseil aux chercheurs africains en IA et en apprentissage automatique est de rester ancrés dans les réalités locales, car le potentiel transformateur de l’IA ne se concrétise que lorsqu’il est orienté vers des problèmes réellement ressentis par des communautés dont les conditions déterminent ce qui constitue une réponse utile.
« Je leur dirais (aux chercheurs africains) avant tout de rester ancrés dans les réalités locales. L’IA offre d’immenses possibilités, mais son véritable impact dépend de sa capacité à répondre à des problèmes concrets », a-t-elle déclaré.
