Description
En Afrique subsaharienne, 73,8% des exploitations agricoles sont des petites fermes de moins de 2 hectares. Chaque année, 20 à 40% de la production agricole est perdue à cause des ravageurs et maladies des plantes (FAO). En Afrique de l'Est, la maladie de la nécrose létale du mais à cause des pertes de 291 à 339 millions de dollars au Kenya, Éthiopie, Rwanda, Tanzanie et Ouganda.
Le problème : aucun outil IA gratuit, fonctionnant HORS CONNEXION sur un smartphone basique, n'est disponible à grande échelle pour les agriculteurs analphabètes. Les systèmes d'alerte précoce, bien établis dans les régions tempérées, sont quasi inexistants en Afrique.
Solution proposée : une application mobile utilisant la vision par ordinateur (classification d'images deep learning) qui fonctionne hors ligne, avec interface vocale en langues locales (swahili, amharique, oromo). L'agriculteur photographie sa plante, l'IA identifié la maladie en secondes avec des recommandations de traitement. Des modèles MobileNet ou EfficientNet-Lite tournent sur des Android d'entrée de gamme.
Faisabilité : le dataset PlantVillage (50 000+ images) est ouvert. Des étudiants peuvent entraîner ces modèles avec TensorFlow Lite. Budget : quasi nul.
Impact : réduction de 15 à 25% des pertes de récolte pour des millions de petits agriculteurs, soit des centaines de millions de dollars économisés.