Agtech: la data science ne portera pas de fruits si elle oublie l’agriculteur

J’ai vécu jusqu’ici par procuration les fantasmes et frustrations de mes clients agriculteurs et il me manquait le sel de l’expérience directe. Impliqué dans les technologies agricoles depuis quelques années, j’ai décidé en septembre de me rapprocher de la terre pour vivre le parcours, contraignant mais gratifiant, de tout agriculteur.Cet article introduit le projet expérimental que je mène avec Monsieur Abdelaziz, mon partenaire agriculteur, et initie une série de contributions.
 
Les agriculteurs ont de très bonnes raisons de faire ce qu’ils font
 
Interloqué par la situation peu confortable des agriculteurs marocains et en quête de solutions disruptives, j’atterrissais en 2016 chez le leader du drone agricole pour mettre le drone au service des agriculteurs africains. Au Maroc, Les « belles terres » argileuses du Gharb, riches de leurs matières organiques, ne permettent pas aux agriculteurs marocains de côtoyer les rendements céréaliers de leurs voisins européens et j’en faisais un complexe. La région de Sidi Slimane culmine à 55 quintaux de rendement en blé tendre les belles années, soit le rendement de ce qu’on appelle affectueusement les « terres pauvres » en Bretagne. Les capteurs embarqués sur drone ou satellite, héritiers de décennies de recherche en télédétection, aident à appréhender tant de complexité et alimentent de nombreux modèles agronomiques issus de la recherche. Pour SOWIT, il s’agit d’aider les agriculteurs africains à piloter les opérations cruciales en se reposant sur l’ensemble des connaissances émergeant depuis plusieurs décennies.
 
C’est dans ces termes que je consolais ma frustration : la construction de solutions disruptives pour favoriser l’accès à l’information, voire l’expertise.Cette approche top-down d’une agronomie conçue comme une « agriculture savante » s’est petit à petit estompée au profit d’une science de l’action qui m’a amené sur les terres limoneuses du Saïss. Côtoyer mes clients agriculteurs m’a permis de comprendre une chose pourtant très simple : les agriculteurs ont de très bonnes raisons de faire ce qu’ils font. Sensibilisé aux bénéfices du système de culture (rotation) par mes échanges avec les agriculteurs français, je ne comprenais pas pourquoi certains agriculteurs marocains installaient deux campagnes d’orge consécutives. J’en oubliai l’essentiel, à savoir le réflexe vital des agriculteurs de positionner le cycle cultural par rapport à une contrainte supérieure, celle du régime des pluies. Vivre une campagne c’est aussi apprendre à refuser les recettes et voir la diversité des situations agricoles comme source de théorisation (et de développement de solutions)
C’est cette tension entre les connaissances spécifiques souvent empiriques et intuitives et les connaissances génériques résultant de la recherche et de la modélisation que je vis sur le terrain. L’attachement démesuré à la spécificité présente le risque de l’aveuglement alors que la modélisation générique peut s’avérer réductrice. D’un côté, rien ne compte à part la “vérité du terrain” et de l’autre rien à part celle de la recherche. Pourtant, ces vérités situées sur deux plans distincts peuvent se retrouver et se nourrir pour le bien de l’agriculteur et de l’agriculture. La technologie peut-elle contribuer à résoudre ce paradox et réconcilier ce qui doit être avec ce qui est ? Peut-on imaginer un « machine learning » visant à rapporter en continu les mécanismes des modèles avec les spécificités opérationnelles, génétiques et environnementales propres à la parcelle et à l’agriculteur ?
L’expérience que SOWIT mène dans la région du Saïss à quelques kilomètres de Fès vise à vivre et éclairer ces paradoxes à travers l’installation d’une culture d’orge dans le cadre d’un protocole expérimental incorporant le test de plusieurs hypothèses.
Post Categories