Le Centre technique de coopération agricole et rurale (CTA) confirme sa fermeture pour la fin 2020.
Leading image

Les cultivateurs de thé tirent profit de leurs données numériques

Blog

Blog

Depuis 2016, le CTA collabore avec des associations paysannes du Burkina Faso, des Fidji, du Kenya, du Lesotho, des Samoa, du Swaziland, de Trinité-et-Tobago et d’Ouganda pour mettre en œuvre le projet Data4Ag. L’objectif du projet est d’étudier comment les associations paysannes peuvent profiter de la collecte et de la gestion efficace des données relatives aux petits exploitants pour améliorer les moyens de subsistance de leurs membres.

Le profilage des petits exploitants constitue la première étape du processus de ce projet. Les données collectées incluent des informations personnelles sur les agriculteurs, des informations sur l’exploitation agricole, le type de culture et des informations sur la production. Ces profils et leurs données fournissent aux organisations paysannes des renseignements fiables et précis sur leurs membres. La collecte de données améliore la gestion des organisations et facilite aussi l’octroi de crédits ou d’intrants aux agriculteurs, l’organisation logistique et la commercialisation des produits. A travers le projet, les organisations paysannes et les agro-entreprises profitent aussi des données de géolocalisation et des renseignements de base sur les cultures et les petits exploitants pour fournir à ces derniers des services ciblés et opportuns, comme des informations sur la météo et les prix du marché, améliorant ainsi l’efficacité des opérations commerciales.

Données numériques géoréférencées

Parmi les organisations paysannes qui bénéficient du projet Data4Ag, citons Igara Tea Factory (IGTF), en Ouganda. Cette agro-entreprise cultive, transforme et conditionne huit grades de thé pour l’exportation et la consommation locale. Jusqu’au début 2017, IGTF stockait dans une base de données des informations relatives à ses membres, mais celles-ci étaient incomplètes, non vérifiées et non géoréférencées, ce qui est pourtant crucial. Il en résultait différents défis, allant du manque de fiabilité des registres des agriculteurs et de la localisation des exploitations de thé à la mauvaise qualité des systèmes de traçabilité des intrants fournis à crédit aux agriculteurs, en raison du manque d’informations sur leur personne et sur l’emplacement de leur exploitation.

Avec le soutien du CTA, IGTF a créé un système de gestion des données spatiales et a établi le profil des agriculteurs, de mi-juillet 2017 à début 2018. Le profilage a consisté à compiler des informations géoréférencées sur les cultivateurs de thé et leurs terres à l’aide de tablettes équipées d’une fonctionnalité GPS. Des agents de vulgarisation ont ensuite importé les données dans une plateforme en ligne dédiée, puis dans la base de données d’IGTF. Le système de gestion des données mis en place a permis de remédier à l’inefficacité des anciens procédés. Grâce à la base de données des profils, IGTF est désormais capable de localiser ses membres sur une carte. La collecte d’informations a aussi permis d’améliorer la gestion des membres, les aspects logistiques de la récolte et de la transformation des cultures, ainsi que la commercialisation des produits.

Impacts pour les cultivateurs de thé d’Igara

Le projet a aussi encouragé IGTF à lancer une coopérative d’épargne et de crédit. Celle-ci permet de réduire le risque associé à la fourniture de prêts aux petits exploitants et de faciliter l’accès de ces derniers au crédit grâce à l’introduction d’une base de données qui suit la production des agriculteurs et la livraison à l’usine. Pour identifier les autres impacts du profilage des petits exploitants, deux approches statistiques, le progiciel de statistiques pour les sciences sociales (Statistical Package for the Social Science, SPSS) et l’apprentissage automatique (Machine Learning, ML), ont été utilisées par l’équipe de recherche du CTA.

L’apprentissage automatique est une branche de l’intelligence artificielle qui repose sur le traitement de grandes séries de données et l’auto-apprentissage de celles-ci, sans programmation préalable. L’analyse a été menée à l’aide de différents algorithmes de régression et méthodes d’évaluation issus d’Azure Machine Learning Studio.

Les données pour l’évaluation d’impact ont été fournies par IGTF. Elles incluaient des informations relatives à l’identité de l’agriculteur, son âge, son sexe, le profil de son exploitation, son accès au crédit/aux intrants, et ses rendements. Le rendement moyen des feuilles de thé lors de différentes saisons est présenté ci-dessous :

A partir de l’analyse SPSS, nous avons comparé la différence de rendement entre les agriculteurs profilés et non profilés, ainsi qu’entres les agriculteurs ayant accès au crédit et ceux qui n’y ont pas accès. Les résultats de l’analyse SPSS ont révélé une différence significative entre le rendement moyen des exploitants profilés et non profilés. Une différence notable a aussi été observée entre le rendement moyen des agriculteurs ayant accès au crédit et ceux qui n’y ont pas accès. Dans les deux cas, le rendement moyen des agriculteurs dont le profil numérique avait été établi et qui avaient accès au crédit était sensiblement plus élevé que celui des agriculteurs non profilés et sans accès à la finance. Les résultats ont montré une hausse de 10 % du rendement des feuilles de thé pour les petits exploitants profilés. De plus, l’analyse réalisée grâce à l’apprentissage automatique nous a permis d’étudier la relation entre les variables d’intérêt et le rendement des feuilles de thé. D’après les résultats, on peut conclure que les agriculteurs ayant accès à leur profil numérique sont mieux placés pour prouver leur solvabilité aux institutions financières et ainsi bénéficier de crédits. Grâce à la disponibilité des données agricoles, les petits exploitants sont aussi ciblés par des conseils agronomiques adaptés, ce qui les aide à prendre des décisions éclairées concernant leurs opérations agricoles, avec à la clé une hausse des rendements.

L'analyse a aussi démontré de manière évidente l’approche d’égalité des sexes adoptée par le projet Data4Ag pour dresser le profil des agriculteurs, puisque les hommes et les femmes avaient autant de chance d’être profilés. En outre, le renforcement de l’accès au crédit était indépendant du sexe. Toujours grâce à l’algorithme des forêts d'arbres décisionnels, une différence significative a été observée en termes de rendement.

La même approche méthodologique sera appliquée à cette fin dans d’autres pays couverts par le projet, avec des organisations et coopératives telles que la Fédération des agriculteurs d’Afrique de l’Est (Eastern Africa Farmers Federation, EAFF) au Kenya et l’Union nationale de l'industrie et des producteurs de café (National Union of Coffee Agribusiness and Farm Enterprises, NUCAFE) en Ouganda. Les impacts de ces projets seront bientôt connus.

Les données au service des décisions agricoles : l’exemple de la CAPAD, au Burundi

par , et

Le projet « Suivi des exploitations agricoles familiales au sein des coopératives membres de la CAPAD » financé par le CTA dans le cadre de l’initiative Data4Ag, a pour but d’améliorer les activités de valorisation et de commercialisation des produits agricoles à travers l’utilisation et l’expérimentation des technologies de l'information et de la communication (TIC) au service des producteurs membres de la CAPAD, au Burundi.

Une politique des données ouvertes pour stimuler la transformation de l’agriculture

par , et

Les données ne sont utiles que si elles sont accessibles et utilisées. Dans de nombreux pays, l'accès aux données se heurte malheureusement à l’absence de politiques des données ouvertes dans de nombreux secteurs économiques, y compris celui de l’agriculture.

Reproduire les réussites des organisations paysannes à plus grande échelle

par , et

En septembre 2019, le CTA a organisé un atelier de capitalisation d'expériences pour son programme de partenariat « Préparer la prochaine génération d’agriculteurs en Afrique », autour de quatre domaines d’impact : plaidoyer, chaîne de valeur, digitalisation et capitalisation.

Profilage et drones au service de l'agriculture de précision

par , , et

Le CTA soutient via le projet Data4Ag des coopératives agricoles et organisations paysannes dans les pays ACP pour améliorer les services agricoles par la collecte et la gestion des données agricoles. Le projet AgriTIC, avec l’organisation FEPA/B au Burkina Faso, a débuté en 2017 et a déjà permis de recueillir les informations de 2 000 exploitations agricoles.

Ne pas manquer l'opportunité de travailler avec CTA. Abbonez-vous maintenant!