Amélioration des pratiques agricoles durables au Maroc grâce à l'Intelligence Artificielle : Mise en avant des recommandations de cultures durables
Noureddine BELKADI
Consultant Senior en Agriculture élevage de precsion et développement Durable
THÈSE DE DOCTORAT Par : M. Rachid ED-DAOUDI Sous le thème
Amélioration des pratiques agricoles durable au Maroc grâce à l'Intelligence Artificielle : Mise en avant des recommandations de cultures durables
Introduction
Cette thèse de doctorat, soutenue par M. Rachid ED-DAOUDI à l'École Nationale des Sciences Appliquées de Kénitra sous la présidence du Pr. Sedra Moulay Brahim explore l'impact de l'intelligence artificielle (IA) sur l'agriculture durable au Maroc. Elle met en lumière les avantages et les défis de l'intégration de ces technologies dans le secteur agricole.
Une partie significative de la recherche dans ce travail repose sur la collecte de données terrain effectuée avec l'Office Régional de Mise en Valeur Agricole de Ouarzazate (ORMVAO). Cette collaboration a permis d'obtenir des données précieuses sur les conditions agricoles locales, cruciales pour alimenter les modèles d’apprentissage automatique (Machine Learning : ML), et a inclus un retour des agriculteurs et des experts de l'ORMVAO pour enrichir la recherche avec des perspectives pratiques et valider les approches proposées
Ces dernières années, l'IA a suscité un intérêt croissant dans le domaine agricole, notamment pour la prédiction des rendements des cultures. L'agriculture de précision, émergée dans les années 1980, a évolué avec l'incorporation de technologies telles que les drones, les réseaux de capteurs et l'IA. La pandémie de Covid-19 a accéléré cette tendance, augmentant significativement le nombre de publications sur la prédiction des rendements basée sur l'IA.
L'IA permet une personnalisation agricole en temps réel, en s'appuyant sur des données issues de capteurs, de satellites, de prévisions météorologiques et d'analyses des sols. Cela permet aux agriculteurs de prendre des décisions éclairées, d'optimiser les rendements, de minimiser les pertes et de gérer plus efficacement les ressources.
La thèse offre une analyse approfondie des divers algorithmes d'IA utilisés pour la prédiction des rendements et discute des implications de l'innovation responsable dans l'intégration de l'IA en agriculture. Les techniques de Machine Learning (ML) permettent d'analyser des données sur les cultures, les conditions du sol et les modèles météorologiques pour formuler des recommandations sur mesure.
Bien que prometteur, le cadre de systèmes de recommandations agricoles (SRA) personnalisés nécessite des données précises et fiables. Des données incomplètes ou inexactes, des changements environnementaux et des limitations techniques peuvent affecter les prédictions. Il est donc essentiel de peaufiner les algorithmes et d'adopter de meilleures pratiques de gestion des données.
L'intégration des prédictions de rendement dans les pratiques agricoles marocaines pourrait transformer le secteur, le rendant plus résilient et productif face aux défis climatiques et démographiques. Les politiques agricoles pourraient être ajustées en fonction des prédictions, orientant les investissements et le développement d'infrastructures. Les prédictions pourraient également orienter la recherche agronomique vers les variétés de cultures les plus résistantes et rentables.
Un système d'irrigation prédictif, intégrant l'Internet des objets (IoT), le ML et l'analyse de données, a démontré son potentiel dans l'optimisation de l'utilisation de l'eau et l'amélioration des rendements des cultures. Cependant, les coûts initiaux de mise en place, les complexités techniques et la dépendance à des données de haute qualité nécessitent des recherches et des améliorations futures.
Conclusion Générale
La thèse montre que l'intégration de l'IA dans l'agriculture marocaine représente une avancée majeure vers une agriculture plus durable et efficace. En harmonisant les innovations technologiques avec les principes de l'agroécologie, cette recherche apporte une contribution significative à la littérature sur l'agriculture durable et l'IA, ouvrant la voie à de futures études et innovations dans ce domaine essentiel.