Ghana : SOWIT, le CIRAD & le COLEAD ensemble pour renforcer la chaîne de valeur mangue

La mesure et la prévision des rendements sont des défis majeurs dans l’agriculture. L’incertitude de ces évaluations a de multiples répercussions pouvant affecter le développement de chaînes de valeur entières.

HPW Fresh & Dry Ltd, le plus grand producteur de fruits secs en Afrique de l’Ouest, a demandé l’appui du COLEAD pour résoudre l’un de ses problèmes les plus critiques : le manque de méthodes pour estimer les rendements de ses partenaires producteurs de mangues de manière fiable et efficace. L’objectif de la société était de pouvoir dimensionner avec précision sa chaîne d’approvisionnement et d’optimiser les ressources nécessaires pour collecter les données sur le terrain auprès de la multitude de cultivateurs sous-traitants.

Le CIRAD avait présenté son application de reconnaissance d’images au COLEAD un an auparavant. Depuis, le CIRAD s’est associé à la startup SOWIT pour la distribution de la solution d’estimation de rendement SOYIELD^®. Le département Recherche et courtage en innovation du COLEAD a proposé de mener un projet pilote avec HPW au Ghana.

SOYIELD^® a été déployée avec succès dans la production de mangues en Côte d’Ivoire et au Sénégal, ainsi qu’au Maroc et en Tunisie pour les cultures d’agrumes, l’application étant capable d’estimer les rendements avec une précision de 90-95% pour diverses conditions de culture. Le Ghana était un nouveau territoire pour SOYIELD^® et représentait une opportunité d’évaluer la solution et d’observer son évolutivité de première main, à travers les régions et les conditions de culture. Passer une semaine avec l’équipe de terrain de HPW a également permis à SOWIT de renforcer les capacités sur le terrain, en formant les agriculteurs et les ressources de HPW à l’utilisation des technologies d’agriculture de précision tirant parti de l’intelligence artificielle (IA) et de la télédétection pour autonomiser les petits exploitants agricoles. Pour ce faire, une série de séances de formation a été organisée à l’intention des agriculteurs afin de leur permettre de mieux comprendre l’intelligence artificielle dans son ensemble, son fonctionnement, ses avantages et ses défis. Les agriculteurs ont également reçu une formation sur le terrain, où ils ont pu tester la solution dans des conditions réelles.

Cette première saison a été couronnée de succès et les équipes ont constaté que le modèle est capable de détecter les mangues pour l’estimation du rendement dans les conditions du Ghana (sans formation supplémentaire). L’étude complète montre qu’il y a une marge d’erreur d’environ 10,5%, qui devrait diminuer à environ 7% en raison de la capacité du modèle à apprendre de ses expériences passées. Les équipes de HPW continueront à utiliser SOYIELD^® pour la prochaine grande saison de mangues, qui constituera la deuxième phase et la validation de ce projet pilote.

Le déploiement des technologies numériques peut contribuer à accroître la compétitivité et la durabilité du secteur agroalimentaire et sera essentiel à l’avenir pour la transformation des systèmes alimentaires. Grâce à son programme FFM SPS financé par l’UE, le COLEAD soutient les opérateurs du secteur privé et les autorités publiques pour fournir des aliments sains dans les pays d’Afrique, des Caraïbes et du Pacifique (ACP) et vise à contribuer à l’accélération des investissements dans l’infrastructure numérique, à l’expansion des réussites et à la promotion des meilleures pratiques dans les régions. Cet exemple montre comment, par le biais de la validation de concepts et de projets pilotes, le COLEAD entend soutenir l’expérimentation et l’adaptation de solutions au contexte ACP afin de combler le « dernier kilomètre de livraison », garantissant ainsi l’accès des agriculteurs à des innovations appropriées.

Cette activité est soutenue par le programme Fit For Market SPS, mis en œuvre par le COLEAD dans le cadre de la coopération au développement entre l’Organisation des États d’Afrique, des Caraïbes et du Pacifique (OEACP) et l’Union européenne.

Cette publication bénéficie du soutien financier de l’UE et de l’OEACP. Son contenu relève de la seule responsabilité du COLEAD et ne peut en aucun cas être considéré comme reflétant la position de l’UE ou de l’OEACP.