Blog Des données agronomiques dispersées à des décisions plus éclairées en matière de gestion de la fertilisation : un nouveau chapitre pour la productivité du maïs au Kenya
Le CGIAR, en collaboration avec Bioversity International, le CIAT, l'IITA et le KALRO, a lancé en 2025 une initiative à l'échelle du Kenya visant à collecter et à harmoniser les données agronomiques, en s'appuyant sur l'intelligence artificielle pour élaborer des recommandations de fertilisation du maïs adaptées à chaque site, afin d'améliorer les rendements, l'efficacité et la durabilité.
En août 2025, un projet discret mais ambitieux a vu le jour, destiné à transformer la manière dont les agriculteurs de Kenya peuvent améliorer leur productivité en prenant certaines des décisions les plus cruciales en matière de gestion des engrais. Pour concrétiser cette vision, le CGIAR (par l’intermédiaire de l’Alliance entre Bioversity International et le CIAT, ainsi que l’IITA) s’est associé à KALRO pour aller au-delà des recommandations « générales » et proposer des conseils véritablement adaptés à chaque site, en veillant à appliquer les bons nutriments, à la bonne dose, au bon moment et au bon endroit, pour la culture appropriée. Au cœur de cet effort se trouvait une idée simple mais puissante : rassembler des décennies de données agronomiques et les transformer en informations exploitables.
S'en est suivi un travail colossal qui a largement dépassé la simple compilation de jeux de données. Les données issues d’essais agronomiques, souvent dispersées entre différentes institutions, stockées dans des formats variés, archivées sur des ordinateurs vieillissants, enfouies dans des dossiers oubliés, ou risquant d’être perdues à la fin des projets ou au départ à la retraite des chercheurs.
La récupération de ce précieux héritage scientifique a nécessité une véritable mission de sauvetage des données ; il a fallu contacter les scientifiques à la retraite pour récupérer les ensembles de données et clarifier les entrées historiques, faire appel à des chefs de projet pour combler les lacunes critiques en matière de connaissances, et reconstruire ou géoréférencer les emplacements des essais afin de restaurer leur contexte spatial. Pendant des décennies, ce paysage de données fragmenté a limité la capacité à générer des informations pertinentes à grande échelle susceptibles d’éclairer la prise de décision agricole. Grâce aux efforts conjoints d’agronomes, de scientifiques des données, de statisticiens, d’analystes géospatiaux et d’experts en TIC de la KALRO et du CGIAR, ces ensembles de données ont été nettoyés, normalisés et harmonisés au sein d’une structure unifiée et prête à l’analyse. Le résultat a été bien plus qu’une simple réussite technique ; il s’agit de la transformation de décennies de recherches disparates en une base solide pour l’innovation, des recommandations fondées sur des données probantes et des outils de conseil numériques de nouvelle génération.
Une fois la nouvelle base de données harmonisée mise en place, l’accent s’est déplacé de la récupération des données vers l’innovation fondée sur les données. Cette dynamique s’est poursuivie jusqu’en avril 2026, lorsque l’équipe s’est réunie au siège de la KALRO à Nairobi pour un atelier intensif de co-conception. Pendant deux jours, les experts ont débattu, remis en question des hypothèses et affiné leurs idées, tantôt d’accord, tantôt en désaccord, mais toujours en avançant vers un objectif commun. Guidés par le flux de travail AgWise, ils ont développé des scripts pour alimenter des modèles d’apprentissage automatique capables de générer des recommandations nutritionnelles spécifiques à chaque site.
Le processus s’est avéré complexe et itératif, mais grâce à la collaboration et à la persévérance, l’équipe a produit des recommandations préliminaires d’optimisation des rendements de maïs présentant une précision prédictive prometteuse. Si ces premiers résultats démontrent le potentiel des systèmes de conseil basés sur les données, les améliorations futures dépendront de l’augmentation du volume et de la diversité des ensembles de données agronomiques disponibles pour l’entraînement et la validation des modèles. Grâce à l’engagement continu de KALRO en faveur de la numérisation et de la mise à disposition de données de recherche supplémentaires, les bases sont désormais posées pour améliorer en permanence les performances des modèles et fournir des recommandations de plus en plus fiables aux agriculteurs.
Les implications de ces travaux vont bien au-delà des bases de données, des algorithmes et des modèles statistiques. Pour les agriculteurs, cela se traduit par une utilisation plus efficace des nutriments, de meilleurs rendements et, potentiellement, des bénéfices plus élevés. Pour les services de vulgarisation, cela offre une base plus solide, fondée sur des données factuelles, pour orienter leurs conseils. Quant aux décideurs politiques, cela leur permet de mieux comprendre les besoins en nutriments des cultures dans diverses zones agroécologiques, ce qui est essentiel pour des investissements et une allocation des ressources plus judicieux. Comme l’a souligné le Dr David Kamau, directeur de la gestion des ressources naturelles au KALRO, l’objectif est de veiller à ce que ces outils correspondent aux priorités des agriculteurs, qu’il s’agisse de maximiser les rendements, d’améliorer la rentabilité, d’optimiser l’efficacité de l’utilisation des nutriments ou de garantir la durabilité à long terme.
L'équipe chargée de la modélisation des recommandations en matière de nutriments, issue du KALRO et du CGIAR. Crédit photo : Florida Maritim
Mais l’un des résultats les plus importants de cette initiative réside peut-être dans les enseignements tirés tout au long du processus. Ce n’est qu’un début. Si les premiers résultats sont encourageants, cette expérience met également en évidence des possibilités d’améliorer encore ce modèle. Les prochaines versions pourraient intégrer des cartes numériques des sols et des variables de gestion supplémentaires, telles que les apports de chaux et de fumier, afin de formuler des recommandations reflétant davantage la réalité des exploitations agricoles.
Ce processus a également mis en évidence un défi de longue date dans la recherche agricole : l’absence de protocoles standardisés de collecte et de communication des données d’une étude à l’autre. Des ensembles de données précieux ont dû être exclus en raison de l’absence d’informations essentielles telles que la géolocalisation, les doses d’intrants, les saisons et les dates de plantation. Ces lacunes soulignent l’importance d’investir non seulement dans les nouvelles technologies, mais aussi dans une meilleure gestion des données. Malgré ces défis, le résultat obtenu est remarquable. Comme l’a souligné Job Kihara, scientifique principal de l’Alliance entre Bioversity International et le CIAT,
« Ce qui a commencé comme une entreprise à haut risque a permis d’obtenir en quelques mois ce qui prend souvent des années, offrant un aperçu d’un avenir où des outils basés sur les données permettront de prendre des décisions agricoles plus intelligentes et plus durables ».
