Research Articles Des engrais plus intelligents : Des recommandations alimentées par l'IA augmentent les rendements de blé en Éthiopie

Pour relever ce défi, des chercheur.e.s de l'Alliance de Bioversity International et du CIAT, en collaboration avec des partenaires tels que la coopération allemande « Digital Green », l'Institut Éthiopien de Recherche Agricole et le Ministère de l'Agriculture, ont entrepris une étude révolutionnaire. Leur objectif était de tirer parti de la puissance de l'apprentissage automatique (machine learning, ML) pour créer des recommandations d'engrais spécifiques à chaque site (SSFR) pour les agriculteur.rice.s de blé en Éthiopie.

Les chercheur.e.s ont commencé par recueillir un ensemble de données massif sur la réponse des cultures aux nutriments appliqués à travers la Coalition of the Willings. Environ 20 000 observations ont été collectées sur la réponse du blé à différents types et taux de nutriments à travers divers systèmes de sols, climats et exploitations agricoles. Cet ensemble de données a été utilisé - en conjonction avec des co-variables de sol et de climat provenant de sources de données spatiales - pour adapter un algorithme d'apprentissage automatique capable de prédire des recommandations d'engrais spécifiques à chaque site. Cet algorithme - un programme informatique sophistiqué - a été formé pour identifier des modèles et des relations entre le rendement du blé, l'azote, le phosphore, le soufre, ainsi que divers facteurs liés au sol et au climat. Les caractéristiques climatiques saisonnières ont été obtenues à partir de modèles climatiques et ont été utilisées pour développer des recommandations d'engrais intelligentes par saison et spécifiques à chaque site (SSFR).

Les recommandations d'engrais sont disponibles - avec d'autres solutions agronomiques - dans un outil en ligne appelé NextGen Agroadvisory. En utilisant cet outil puissant, les chercheur.e.s ont pu développer 65 taux d'engrais personnalisés pour 277 sites de test répartis dans trois districts en Éthiopie. Les SSFR ont été validées par rapport aux recommandations générales nationales et locales en utilisant des approches de recherche participative avec les agriculteur.rice.s.

Les résultats ont été impressionnants. Comparées aux exploitations utilisant des recommandations d'engrais généralisées traditionnelles, celles utilisant les SSFR ont montré des rendements significativement plus élevés dans plus de 75 % des cas. Les SSFR ont conduit à une augmentation moyenne du rendement en grains de 16 % par rapport aux NBFR et de 25 % par rapport aux LBFR. L'efficacité de l'utilisation du phosphore et du soufre était inférieure avec les SSFR par rapport aux recommandations généralisées. De plus, les SSFR ont généré un gain de profit de 580 USD par hectare et par saison par rapport aux recommandations locales, et de 412 USD par rapport aux recommandations généralisées nationales. Cela se traduit par une augmentation de la production alimentaire, nourrissant potentiellement davantage d'Éthiopien.ne.s, ainsi que par des gains financiers potentiels pour les agriculteur.rice.s. En appliquant la bonne quantité d'engrais au bon endroit et au bon moment, ils peuvent améliorer l'efficacité des ressources et réduire les impacts environnementaux négatifs. Les agriculteur.rice.s peuvent économiser de l'argent en évitant des achats d'engrais inutiles, et ils peuvent minimiser la pollution de l'eau et de l'air associée à l'utilisation excessive d'engrais. De plus, en utilisant la bonne quantité d'engrais, ils peuvent contribuer à réduire les émissions de gaz à effet de serre qui contribuent au changement climatique.

La beauté de cette approche d'apprentissage automatique réside dans le fait qu'elle devient plus intelligente avec davantage de données. À mesure que les chercheur.e.s recueillent des informations plus précises et historiques sur les rendements, et qu'ils intègrent des données provenant de divers environnements de culture, les recommandations d'engrais peuvent devenir encore plus précises. Cette recherche en cours promet également d'améliorer les capacités prédictives du modèle, notamment pour des nutriments tels que le phosphore et le soufre, qui peuvent être particulièrement difficiles à gérer efficacement.

Cette étude démontre le potentiel enthousiasmant de l'intelligence artificielle (IA) pour transformer l'utilisation des engrais chez les agriculteur.rice.s de blé en Éthiopie. En fournissant des recommandations spécifiques à chaque site, les chercheur.e.s ouvrent la voie à des rendements accrus, une meilleure efficacité des ressources et un avenir plus durable pour l'agriculture éthiopienne. Cette approche bénéficie non seulement aux agriculteur.rice.s et à l'environnement, mais elle a également le potentiel d'être adaptée pour soutenir d'autres régions à travers le monde, afin d'optimiser leur utilisation des engrais et d'atteindre une plus grande sécurité alimentaire.

Cette recherche a été soutenue par l'initiative CGIAR Research Excellence in Agronomy (EiA) et le projet « Supporting Soil Health Interventions in Ethiopia », financé par la Fondation Bill et Melinda Gates et géré par la Deutsche Gesellschaft für Internationale Zusammenarbeit (GIZ).

Blog édité par osé Luis Urrea-Benítez avec des contributions de Feyera Merga Liben, chef d'équipe et auteur correspondant de l'étude.