From the Field Bruno et les haricots jaunes : L'intelligence artificielle sur le terrain
À l'occasion de la Journée mondiale des légumineuses, découvrez comment la sélection de haricots intelligents sur le plan climatique est réalisée en Tanzanie grâce à une combinaison d'innovations de pointe et de technologies de base.
La chaleur rebondit sur les rochers alors que Bakari Hamisi Sumawe ouvre le chemin vers son champ de haricots. Le trajet n’est pas court. Il faut environ une heure pour atteindre sa parcelle, en traversant des pentes rocheuses abruptes et des sentiers forestiers denses.
« Pourquoi avons-nous cultivé dans une vallée ? » s’interroge-t-il. « Parce qu’il y a une source d’eau fiable pour l’irrigation. Il y a toujours une possibilité de bonne récolte grâce à l’approvisionnement constant en eau », explique-t-il.
Les plants de haricots communs ont besoin d’eau pour fleurir. Sans eau, qu’elle provienne de l’irrigation ou de la pluie, les fleurs avortent. Moins de fleurs se transforment alors en gousses, ce qui se traduit par une baisse du rendement.
Dans un retournement ironique typique du changement climatique, Sumawe est confronté à un autre problème : un excès de pluie. « Quand il pleut trop pour pouvoir récolter, il devient difficile de stocker [les haricots]. C’est coûteux, les coûts dépassent la production », explique-t-il.
Edith Kadege, phytopathologiste à l'Institut de recherche agricole de Tanzanie, ramasse un haricot pourri piégé dans l'eau. Au fil des ans, TARI a publié plus de 30 variétés de haricots améliorées pour aider les agriculteurs à lutter contre la sécheresse ou les inondations.
"Lorsque nous développons une variété, elle ne peut pas rester sur nos étagères", explique-t-elle. "Après avoir développé les nouveaux haricots améliorés, résistants à la sécheresse ou aux maladies [avec des partenaires], nous les multiplions et travaillons avec des sociétés de semences pour nous assurer que les agriculteurs peuvent les obtenir."
Mais, dit-elle :
"Avec le changement climatique, les variétés développées aujourd'hui pourraient ne plus être utiles dans deux ou trois ans, lorsque de nouveaux pathotypes émergeront. Le processus de sélection doit donc être continu pour aider les agriculteurs.
A quelques heures de la parcelle de Bakari, à la ferme d'essai de l'Alliance of Bioversity International et du CIAT, partenaire de TARI, des chercheurs travaillent sur un projet appelé Artemis, qui utilise l'intelligence artificielle (IA) pour accélérer la sélection.
L'agriculteur Bakari Hamisi Sumawe à Karatu, Arusha, Tanzanie
Dr. Stephen Mutuvi, chercheur en apprentissage automatique, explique : "Nous savons tous que les ordinateurs peuvent traiter des données en très peu de temps, ce qu'un agriculteur ne peut pas faire, par exemple aller dans le champ et compter chaque gousse dans chaque parcelle chaque jour, c'est presque impossible.
"Mais avec les ordinateurs, nous pouvons rapidement prendre des images en utilisant les technologies de vision par ordinateur et analyser les données en très peu de temps, tout au long de la saison. Il est important de voir comment les choses évoluent au cours de la saison, ce que l'IA est en mesure de nous aider à faire."
"Grâce à l'apprentissage automatique, nous sommes en mesure de "montrer" aux ordinateurs des caractéristiques importantes telles que le nombre de fleurs, le nombre de gousses, afin qu'ils puissent les reconnaître et les compter. L'objectif est de déployer des modèles dans des téléphones mobiles ou des appareils portables accessibles aux agriculteurs et aux sélectionneurs au niveau national dans le monde entier."
Collecte de données numériques pour les modèles de sélection assistée par intelligence artificielle avec Bruno, lors des essais au champ de l’Alliance de Bioversity International et du CIAT à Arusha, en Tanzanie.
Dans un champ de haricots jaunes récemment sélectionnés, le Dr Teshale Mamo raconte comment, au fil des années, de nouveaux haricots ont été développés pour devenir plus tolérants à la sécheresse et à la chaleur ; résistants aux maladies et aux ravageurs ; à haut rendement, avec un temps de cuisson réduit et une valeur nutritionnelle améliorée, notamment en fer et en zinc.
Par exemple, le haricot jaune KAT B-1 ou Selian 14 est très recherché en Afrique de l’Est pour ses faibles effets flatulents, son bon goût et son temps de cuisson court du point de vue des consommateur.rice.s ; et du point de vue des agriculteur.rice.s, pour sa capacité à se vendre à bon prix. Mais il présente une faiblesse : il est sensible aux maladies et son rendement est faible.
Depuis trois ans, le Dr Mamo croise ces variétés jaunes populaires avec des variétés plus productives et tolérantes aux maladies venues de Colombie – où l’Alliance de Bioversity International et du CIAT gère la plus grande banque de semences de haricots au monde. Les nouvelles variétés seront testées dans différents lieux et mises à disposition des stations nationales de recherche à travers l’Afrique.
Ce processus de croisement a duré trois ans, car le « phénotypage » – c’est-à-dire l’identification de caractéristiques telles que le nombre de fleurs par plant – a été réalisé manuellement. En général, il faut cinq ans ou plus pour collecter suffisamment de données et comprendre comment les plantes réagissent à l’environnement.
Collecte de données numériques pour les modèles de sélection de l'IA afin de détecter les maladies, à l'Alliance des essais sur le terrain de Bioversity International et du CIAT à Arusha.
Le phénotypage basé sur l’intelligence artificielle peut accélérer le cycle de sélection de 50 %. « Avec les pressions sur la sécurité alimentaire, accélérer les processus de sélection nous aidera à développer plus rapidement de nouvelles variétés pour augmenter la productivité dans les fermes », explique le Dr Mamo.
Voici Bruno : un outil numérique fabriqué à partir de pièces de vélo, de perches à selfie et d’autres matériaux locaux facilement accessibles, comme ceux que l’on utiliserait pour réparer un vélo, un micro-ondes ou une radio. Équipé de deux téléphones Android fixés sur les côtés, il peut capturer rapidement des données comme le nombre de gousses en quelques secondes.
Ellena Girma, analyste de données chez Artemis, précise : « En tant que sélectionneuse, si mon objectif est de compter le nombre de gousses dans un champ, ce qui permettrait d’estimer le potentiel de rendement d’une variété, je ne pourrais traditionnellement sélectionner que 5 à 10 plants pour représenter une parcelle spécifique.
« À la parcelle numéro 10, je pourrais déjà avoir chaud et être fatiguée », et les programmes de sélection peuvent comprendre des centaines voire des milliers de parcelles. « Mais toute collecte de données imprécise se traduit par des erreurs dans l’évaluation des performances des variétés. Il faudrait alors recommencer d’autres essais pour obtenir des résultats fiables. »
Vérification de l'ADN d'une plante de haricot dans le laboratoire moléculaire pour déterminer des caractéristiques spécifiques telles que la résistance à la sécheresse à l'Alliance de Bioversity International et du CIAT.
« Des données de qualité, comme le nombre exact de gousses, permettent de prendre des décisions plus rapidement », explique Girma. Dans le même temps, certaines choses comme les maladies du haricot sont difficiles à mesurer. Lorsqu’il s’agit de les évaluer sur une échelle de 1 à 9, comment distinguer un 4 d’un 5 ? Les êtres humains ne sont tout simplement pas aussi performants que les ordinateurs pour collecter et analyser les données de manière objective et avec un minimum d’erreurs.
Les ordinateurs peuvent être entraînés à reconnaître les fleurs ou les gousses sur des images et à calculer leur nombre pour en déduire le rendement potentiel en quelques minutes. Cela prendrait des semaines, voire des mois, s’il fallait le faire manuellement. Avec Bruno, des parcelles entières peuvent être analysées en quelques secondes.
C’est une bonne nouvelle pour des agriculteur.rice.s comme Sumawe. Si le processus de sélection peut être accéléré, les petit.e.s exploitant.e.s auront un accès plus rapide à des variétés de haricots capables de résister aux nouveaux défis climatiques. Et grâce aux technologies numériques améliorées, ils et elles peuvent également indiquer quels caractères devraient être prioritairement sélectionnés.
En particulier en Afrique subsaharienne, où le nombre d’agriculteur.rice.s est élevé et celui des agents de vulgarisation et des sélectionneur.euse.s est limité, les chercheur.euse.s du projet Artemis estiment que l’intelligence artificielle pourra combler ce fossé de connaissances à l’avenir.
L'équipe
Teshale A. Mamo
Bean Breeder
