IA Tessera identifie les cultures sénégalaises à 84%
Une équipe de chercheurs de l'université de Cambridge a développé Tessera, un modèle d'intelligence artificielle open source capable d'identifier les cultures des petites exploitations agricoles avec une précision de 84 %. Appliqué au bassin arachidier du Sénégal, ce système analyse des images satellites pour cartographier les surfaces cultivées sans recourir à des relevés terrain coûteux ou à une puissance de calcul élevée. Les résultats, publiés le 29 septembre dans la revue Environmental Research: Food Systems, démontrent une performance nettement supérieure aux méthodes de cartographie existantes, avec une amélioration de 28 % par rapport au meilleur modèle concurrent dans certaines configurations de test. Contrairement aux approches traditionnelles qui dépendent de données terrain fragmentées ou de traitements satellites très lourds, Tessera compresse les variations saisonnières du paysage en représentations numériques appelées embeddings. Ces vecteurs captent l'évolution de la terre et de la végétation au fil du temps. Un algorithme léger, calibré sur un nombre réduit de points de référence, transforme ensuite ces données en cartes agricoles fiables. L'un des avantages majeurs de l'outil réside dans sa capacité à généraliser : entraîné sur les données d'une seule année, il reste opérationnel les années suivantes sans nécessiter de nouvelles campagnes de terrain. Cette efficacité réduit considérablement les coûts, les délais et l'empreinte environnementale des analyses. Cette innovation arrive à un moment crucial pour l'Afrique de l'Ouest, région fortement exposée aux aléas climatiques. La récente et puissante phase d'El Niño perturbe déjà les régimes de pluies et menace les récoltes de subsistance. Pour les organisations humanitaires et les gouvernements, des données agricoles précises et actualisées sont essentielles pour anticiper les crises alimentaires, localiser les zones vulnérables et orienter l'aide en temps utile. Pierre Lucas, directeur pays du Programme mondial alimentaire au Sénégal, souligne que l'intégration de l'intelligence artificielle et de la géolocalisation renforce considérablement la réactivité des systèmes de surveillance alimentaire et la qualité des décisions stratégiques. Malgré ses atouts, l'étude reconnaît certaines limites techniques. Une baisse de précision a été observée entre 2018 et 2021, principalement liée à la qualité variable des données terrain initiales utilisées pour l'entraînement. Le modèle n'a pas non plus été testé sur les parcelles à polyculture, où plusieurs cultures coexistent sur une même surface, ce qui pourrait influencer les résultats dans les zones les plus diversifiées. Néanmoins, Madeline Lisaius, autrice principale et co-développeuse de Tessera, insiste sur l'accessibilité de la technologie. En offrant une analyse spatiale sophistiquée aux pays du Sud global souvent dépourvus de moyens techniques, Tessera marque une étape concrète vers la démocratisation des données géospatiales et une gouvernance agricole plus résiliente face au changement climatique.
