NDIZI

NDIZI - Alliance Bioversity International - CIAT

NDIZI est une initiative de recherche basée sur l'intelligence artificielle qui recueille des retours d'expérience détaillés auprès des agriculteurs sous forme de commentaires vocaux, de textes et d'images. Elle s'appuie sur des approches de pointe en matière d'apprentissage automatique pour transformer ces données en informations exploitables dans de nombreux secteurs, tels que la recherche et le développement (par exemple, la sélection végétale) et les études de marché (par exemple, les préférences des consommateurs). Elle comble le fossé entre les préférences des agriculteurs et les décisions en matière de sélection végétale, permettant ainsi le développement à grande échelle, fondé sur les données, de meilleures variétés de cultures.

Nom du projet (complet) : NDIZI - Le TALN au service du développement et de l'innovation en matière d'intelligence « zero-shot »

Région et pays : Plutôt que de se concentrer sur une zone géographique, ce projet s’intéresse aux langues africaines disposant de peu de ressources, à savoir : le swahili, le chichewa, l’amharique, le haoussa, le wolof et le yoruba. Parmi les langues disposant de ressources importantes, ce projet prend en charge : l’anglais, le français et l’espagnol.

Bailleur de fonds : La Fondation Gates

Partenaire : Institut de recherche agricole de Tanzanie (TARI)

Ce que fait NDIZI

NDIZI comble une lacune persistante dans la recherche agricole : alors que des investissements importants ont été réalisés dans la sélection végétale, les méthodes permettant de cerner les préférences des agriculteurs — essentielles à l’adoption des variétés — restent limitées en termes de profondeur, d’échelle et de facilité d’utilisation. Les enquêtes traditionnelles ne parviennent souvent pas à saisir les nuances des observations des agriculteurs, en particulier dans des environnements diversifiés et disposant de peu de ressources.

Cette initiative vise à tester et à mettre en œuvre un nouveau paradigme : l’utilisation de l’IA pour collecter et analyser des retours d’expérience riches et multimodaux des agriculteurs. Au cœur de ce projet se trouve Sikia, une application mobile intégrée qui combine la reconnaissance vocale automatique (ASR), des modèles linguistiques de petite et grande taille (SLM/LLM) et la vision par ordinateur pour capturer des données vocales, textuelles et visuelles directement à partir d’essais menés à la ferme. Grâce à des invites conversationnelles et dynamiques, NDIZI permet aux agriculteurs d’exprimer leurs préférences avec leurs propres mots, tandis que les systèmes d’IA structurent ces contributions en informations au niveau des caractères, en adéquation avec les processus de sélection.

Ce qui rend NDIZI unique, c’est sa capacité à collecter des données hors ligne dans des environnements à faible connectivité, ainsi que l’accent mis sur une interaction multilingue centrée sur l’agriculteur. NDIZI se concentre principalement sur les langues disposant de peu de ressources (swahili, chichewa, amharique, haoussa, wolof, yoruba, shona). Parmi les langues disposant de nombreuses ressources, le projet ciblera l’anglais, le français et l’espagnol.

NDIZI - Alliance Bioversity International - CIAT - Image 2

 Activités principales

Le projet NDIZI s’articule autour d’un ensemble d’activités coordonnées de recherche et développement qui combinent la mise au point de modèles d’IA, la validation sur le terrain et une collaboration étroite avec les programmes de sélection végétale. Les travaux commencent par l’amélioration de composants essentiels tels que la reconnaissance vocale automatique (ASR) et les modèles linguistiques, afin de mieux traiter les propos des agriculteurs et d’en extraire des informations pertinentes, même dans le cas de langues peu documentées et dans des conditions de terrain bruyantes.

L'un des axes prioritaires consiste à étendre les capacités multilingues (notamment au swahili, au chichewa, à l'amharique, au haoussa, au wolof, au yoruba, le shona, ainsi que l’anglais, le français et l’espagnol), ce qui est essentiel pour garantir que les observations des agriculteurs puissent alimenter les processus de sélection au-delà d’un seul contexte linguistique et répondre à la demande avérée en aval de partenaires tels que le CIMMYT.

Ces composants sont intégrés à Sikia, un outil mobile de collecte de données fonctionnant hors ligne, alimenté par une IA agentique qui combine des modèles embarqués et basés sur le cloud. Des essais sur le terrain, menés en collaboration avec des partenaires d’élevage, permettent de tester et de comparer différentes approches d’IA conversationnelle, ainsi que de générer des ensembles de données destinés à évaluer la qualité des données, leur facilité d’utilisation et la capacité à dégager des informations pertinentes. Un élément central de ce travail est le développement et la mise en œuvre d’un cadre éthique d’IA. Cela implique notamment de garantir le consentement éclairé, de protéger les données des agriculteurs, ainsi que de surveiller et d’atténuer systématiquement les biais entre les groupes démographiques et les langues. Ensemble, ces activités visent à évaluer si des approches fondées sur l’IA, multilingues et respectueuses de l’éthique peuvent fournir des informations fiables et évolutives pour la prise de décision en matière de sélection végétale.

Relevant blogs, stories, news coverage

Chef de projet

Membres du projet