Impact story Les producteur.rice.s de blé en Éthiopie obtiennent jusqu’à 38 % de rendements supplémentaires grâce à des recommandations de fertilisation basées sur l’apprentissage automatique
En Éthiopie, les producteur.rice.s de blé augmentent leurs rendements jusqu’à 38 % après que des chercheur.e.s et leurs partenaires ont validé des recommandations de fertilisation fondées sur l’apprentissage automatique dans plusieurs régions. Ces approches remplacent les conseils uniformes par des recommandations adaptées au site et à la saison, améliorant ainsi les revenus et la résilience.
Pendant des décennies, les agriculteur.rice.s éthiopien.ne.s ont été confronté.e.s au même défi : des recommandations d’engrais qui considéraient la diversité des paysages du pays comme s’ils étaient tous identiques. Ces prescriptions « universelles » ignoraient les différences de sols, de climats et de systèmes de culture, entraînant souvent des récoltes décevantes et un gaspillage de ressources.
Bien que bien intentionnée, cette approche unique pour tou.te.s a creusé les écarts de rendement et laissé de nombreux petit.e.s exploitant.e.s agricoles lutter pour rendre l’agriculture à la fois rentable et durable.
Aujourd’hui, cette réalité est en train de changer.
Une nouvelle génération d’outils numériques transforme la manière dont les agriculteur.rice.s décident quoi appliquer dans leurs champs et à quel moment. Au cœur de cette transformation se trouve le NextGen Decision Support Tool (DST), co-développé par l’Alliance de Bioversity International et du CIAT avec l’Ethiopian Institute of Agricultural Research (EIAR), en collaboration avec une coalition de partenaires issus des pouvoirs publics, des organisations de développement et du secteur privé.
Le DST fournit des recommandations de fertilisation spécifiques au site et adaptées à la saison, en tenant compte de facteurs clés tels que le calendrier, les conditions saisonnières et le contexte agronomique local. Il aide ainsi les agriculteur.rice.s à augmenter leurs rendements, améliorer leurs revenus et renforcer leur résilience.
Le NextGen DST est qualifié d’outil d’aide à la décision « de nouvelle génération » car il s’appuie sur une base de données approfondie et une expertise nationale essentielle, remplaçant les anciens conseils uniformes par une plateforme fondée sur l’intelligence artificielle et l’apprentissage automatique, ainsi que sur des modèles de cultures. Cette plateforme intègre des jeux de données nationales à haute résolution sur les sols, des résultats d’essais agronomiques soigneusement sélectionnés et des informations climatiques saisonnières afin de produire des recommandations adaptées à chaque site et à chaque saison.
Plus de 50 ans de données pédologiques et agronomiques, comprenant plus de 40 000 essais de réponse des cultures et 20 000 profils de sols, ont été compilés par la « Coalition of the Willing », un consortium volontaire de chercheur.e.s en sols et en agronomie et d’institutions partenaires (universités, centres de recherche et agences du secteur public). Cette coalition a été créée pour moderniser les recommandations de fertilisation en mutualisant et en harmonisant des bases de données historiques fragmentées, puis en les traduisant en une base cohérente et fondée sur des preuves pour des conseils nutritionnels et agronomiques localement pertinents.
À partir de cet ensemble de données riche, les chercheur.e.s ont appliqué des techniques d’apprentissage automatique et de modélisation des cultures afin de générer des recommandations s’adaptant aux types de sols, aux prévisions météorologiques et aux conditions de semis. Plutôt que de diffuser un message générique, l’outil produit des doses d’engrais ajustées à des parcelles et à des saisons spécifiques.
Les conseils sont ensuite diffusés par de multiples canaux : réponses vocales interactives, SMS, vidéos, chatbot sur Telegram et formations en présentiel avec les agent.e.s de vulgarisation. Les agriculteur.rice.s qui ne possèdent pas de smartphone reçoivent malgré tout des recommandations, tandis que celles et ceux qui sont connecté.e.s numériquement accèdent directement à des conseils actualisés et localisés.
Fait essentiel, les essais des recommandations de fertilisation spécifiques au site (SSFR) ont dépassé le cadre des dispositifs de recherche contrôlés. En 2023, l’Ethiopian Institute of Agricultural Research (EIAR) a validé de manière indépendante les SSFR du dispositif NextGen Agro-advisory pour le blé sur 25 sites en conditions réelles dans sept districts. Les résultats ont confirmé que ces recommandations adaptées conduisaient systématiquement à de meilleurs rendements et à des bénéfices nets plus élevés que les pratiques agricoles traditionnelles comme que les directives nationales de recherche.
Les agriculteur.rice.s qui ont adopté les recommandations du DST ont enregistré des rendements en blé supérieurs de 14 à 20 % et jusqu’à 665 USD supplémentaires par hectare et par saison, démontrant que la précision est rentable. Des projets pilotes antérieurs avaient déjà montré des gains encore plus importants, pouvant atteindre 38 % d’augmentation des rendements, révélant ainsi un fort potentiel de transformation à grande échelle.
Comme l’explique l’agriculteur Alemu Anore, du kebele de Dubancho dans le district de Lemo :
« À ce stade précoce, j’observe déjà une grande différence sur une même parcelle. Je vais continuer à évaluer le rendement en grain et je déciderai d’utiliser la LSFR pour tous mes champs de blé. »
Ses paroles font écho à la transformation visible que de nombreux.euses agriculteur.rice.s constatent désormais à travers les champs de blé en Éthiopie.
L’agriculteur Alemu Anore, dans le woreda de Lemo, kebele de Dubancho, a constaté de meilleures performances sur la parcelle de blé conduite avec la LSFR par rapport à la parcelle voisine fertilisée selon sa propre pratique. À gauche, la parcelle suivant la pratique de l’agriculteur ; à droite, la parcelle LSFR (Photo : Mohamed Ebrahim).
Le NextGen DST est rapidement passé d’une phase pilote menée en 2022 dans les régions d’Amhara, d’Oromia et d’Éthiopie centrale à un déploiement à grande échelle dans 37 districts répartis sur cinq régions d’Ethiopie : Amhara, Oromia, Éthiopie centrale, Sidama et Sud de l’Éthiopie.
Au total, 72 800 agriculteur.rice.s ont reçu des recommandations de fertilisation personnalisées, dont environ 10 000 les appliquent déjà dans leurs champs. Ces dernier.ère.s ont observé des augmentations des rendements en blé comprises entre 16 et 38 %, selon les zones et les saisons.
Parallèlement, l’efficacité de l’utilisation de l’azote s’est améliorée d’environ 30 %, permettant aux agriculteur.rice.s de réduire leurs coûts tout en limitant la pression environnementale.
L’harmonisation d’outils d’aide à la décision auparavant fragmentés a renforcé le NextGen DST en l’intégrant dans un système national de vulgarisation coordonné, rendant possible une diffusion cohérente et à grande échelle de recommandations de fertilisation spécifiques au site et fondées sur les données. Le dispositif Localized Agronomy and Fertilizer Advisory (LAFA) constitue l’interface utilisateur du service Harmonized Agronomy and Fertilizer Advisory Service (HAFaS), dont le moteur analytique central est le NextGen DST. Celui-ci mobilise l’apprentissage automatique et intègre des données agronomiques et géospatiales afin de produire des recommandations de fertilisation adaptées à la saison et au site, diffusées par des canaux standardisés via les partenaires de développement, le secteur privé, les systèmes de vulgarisation et les praticien.ne.s de terrain.
Le passage à l’échelle d’un outil de conseil repose autant sur les personnes que sur les algorithmes et les données. Au cours des trois dernières années, l’Alliance a investi dans la formation des agent.e.s de vulgarisation, des chercheur.e.s et des agent.e.s de développement afin qu’iels puissent utiliser efficacement le DST et accompagner les agriculteur.rice.s dans l’interprétation des recommandations. Des journées de démonstration sur le terrain et des visites d’échange ont permis aux agriculteur.rice.s d’observer directement les résultats, tandis que les plateformes numériques ont créé des boucles de rétroaction permettant d’affiner continuellement les recommandations.
L’agriculteur Abate Ajajew, à Lemo, kebele de Shurmu Dacho, a constaté comment la LSFR a amélioré les performances du blé (Photo : Mohamed Ebrahim).
Le DST ventile les données par genre et par type de ménage, ce qui lui permet de mieux répondre à des réalités diverses, qu’il s’agisse de ménages dirigés par des hommes ou par des femmes. Au moins 20 % des agriculteur.rice.s ayant adopté l’outil étaient des femmes, soutenues par des sessions de formation ciblées, des groupes d’essais dédiés et un accès à des services financiers.
La participation des jeunes a été encouragée grâce à des activités de vulgarisation en groupe et à des quotas, garantissant aux plus jeunes agriculteur.rice.s à la fois une voix et un rôle dans l’orientation de l’innovation.
« À ce stade, je n’ai jamais vu une telle performance du blé dans ce champ », a déclaré Abate Ajajew avec un sourire. « Même si on m’obligeait à arrêter d’utiliser cette SSFR, je l’appliquerais la nuit. »
Ces résultats reposent sur des partenariats solides. En 2023, le ministère éthiopien de l’Agriculture (MoA), en collaboration avec le Système national de recherche agricole (National Agricultural Research System, NARS), a lancé un effort national visant à harmoniser les outils d’aide à la décision en alignant des initiatives jusque-là fragmentées et en développant des solutions numériques extensibles à destination des organisations en contact direct avec les agriculteur.rice.s.
Ce cadre, piloté par le gouvernement et fondé sur les partenariats, permet de réduire les duplications, d’aligner les parties prenantes et de renforcer la coordination nationale en intégrant ces outils dans un écosystème numérique partagé.
À mesure que la plateforme passe à l’échelle, elle devrait toucher des millions d’agriculteur.rice.s via les canaux numériques, les services publics de vulgarisation et des partenariats avec le secteur privé.
Digital Green, partenaire de longue date dans le domaine de l’agriculture numérique, soutient la diffusion jusqu’au dernier kilomètre des recommandations de fertilisation spécifiques au site grâce à des cartes de conseil, des dispositifs de vulgarisation basés sur la vidéo et un robot Telegram utilisé par les agent.e.s de développement pour atteindre les agriculteur.rice.s. Plus récemment, l’organisation a traduit les résultats des modèles en conseils mobiles accessibles aux agriculteur.rice.s et a intégré des recommandations spécifiques au site dans son application FarmerChat, alimentée par l’intelligence artificielle, via une API, permettant ainsi aux agriculteur.rice.s et aux praticien.ne.s de demander directement des conseils localisés à l’échelle de la parcelle. Parallèlement, LERSHA, un autre fournisseur privé de services numériques, a poussé le modèle plus loin en associant les conseils en fertilisation à des offres de crédit et d'assurance, permettant aux agriculteur.rice.s disposant de ressources limitées d’adopter les recommandations avec davantage de confiance.
Des partenaires du développement tels que GIZ Éthiopie, le projet Accelerating Impacts of CGIAR Climate Research in Africa (AICCRA) et l’initiative CGIAR Excellence in Agronomy (EiA) ont apporté des ressources essentielles et un appui scientifique, tandis que les instituts nationaux de recherche agricole ont été étroitement impliqués dans la mise en œuvre sur le terrain, notamment à travers la conduite d’essais, la validation du NextGen DST et l’adaptation des recommandations aux contextes agro-écologiques locaux.
En s’intégrant à la plateforme numérique éthiopienne de conseils agroclimatiques (Ethiopian Digital Agro-Climate Advisory Platform (EDACaP)), l’outil génère des recommandations « adaptées à la saison », qui tiennent compte des prévisions de précipitations, de l’évolution des fenêtres de semis et des performances attendues des engrais selon différents scénarios climatiques. Cette flexibilité permet aux agriculteur.rice.s de réagir de manière proactive à la variabilité saisonnière, plutôt que d’agir une fois les impacts déjà ressentis.
Le couplage des conseils avec des services de crédit et d’assurance réduit encore les risques, encourageant l’adoption même lorsque les conditions météorologiques sont incertaines. En rendant l’utilisation des engrais plus efficace, l’outil limite également les pertes de nutriments et réduit l’empreinte environnementale de l’agriculture, une contribution essentielle alors que l’Éthiopie cherche à concilier l’augmentation de la productivité avec l’impératif de durabilité.
Pour des agriculteur.rice.s comme Bizuayehu Gature, la différence est considérable :
« La LSFR contribue à de très bonnes performances de mon champ de blé cette année. Avant l’an dernier, je cultivais le blé en utilisant la recommandation uniforme sur cette parcelle de 0,5 hectare et je récoltais 2,5 tonnes de grain. Cette année, j’ai utilisé la LSFR et les performances sont très bonnes, et je m’attends à récolter environ 4 tonnes sur la même parcelle. »
Son témoignage illustre le type d’impact concret, sur le terrain, que génèrent des innovations fondées sur les données et centrées sur les agriculteur.rice.s.
Cet article est tiré de l’OICR AFR-2418.
L'agriculteur Bizuayehu Gature à Lemo woreda, Andegna Omoshera (Photo : Mohamed Ebrahim)
