Le manioc est un aliment de base pour des millions de familles en Afrique de l'Ouest et du Centre. Plusieurs maladies, comme la mosaïque ou la striure brune, peuvent réduire fortement les récoltes. Les reconnaître tôt permet d'arracher les plants atteints, de choisir des boutures saines et de limiter la propagation.
Depuis quelques années, des applications pour téléphone proposent de reconnaître ces maladies à partir d'une simple photo de feuille. Comment fonctionnent-elles, et que peut-on vraiment en attendre ?
Le principe : apprendre à partir de milliers de photos
Ces outils reposent sur l'apprentissage automatique, et plus précisément sur des réseaux de neurones spécialisés dans les images. Le principe est le même que celui qu'on explique aux collégiens avec des cartes de fruits mûrs ou pas mûrs :
- Des spécialistes rassemblent un très grand nombre de photos de feuilles, chacune étiquetée : saine, atteinte de telle maladie, atteinte de telle autre.
- Le modèle analyse ces photos et apprend à associer certaines formes, couleurs et taches à chaque étiquette.
- Une fois entraîné, il reçoit une photo nouvelle et propose l'étiquette la plus probable, souvent avec un indice de confiance.
La qualité du résultat dépend avant tout de la qualité et de la diversité des photos d'entraînement : différentes variétés, différents stades de la maladie, différentes lumières, différents téléphones.
Ce que ces outils font bien
- Un premier avis immédiat, dans le champ, sans attendre la visite d'un technicien.
- Une aide à la formation : en comparant leurs observations aux propositions de l'outil, les producteurs et les élèves apprennent à reconnaître les symptômes.
- Une collecte d'informations : quand les photos sont géolocalisées et partagées avec des services agricoles, elles aident à repérer où une maladie progresse.
Leurs limites, à connaître absolument
Un outil peut se tromper avec assurance. Une feuille abîmée par un insecte, une carence en nutriments ou la sécheresse peut ressembler à une maladie. Le modèle propose alors une réponse fausse, parfois avec un indice de confiance élevé.
Il ne reconnaît que ce qu'il a appris. Une maladie absente des photos d'entraînement ne sera jamais identifiée : le modèle choisira l'étiquette la plus proche parmi celles qu'il connaît.
La photo compte énormément. Une image floue, à contre-jour, ou montrant plusieurs feuilles mélangées donne des résultats peu fiables.
Il ne remplace pas l'expertise. Le bon usage consiste à considérer la réponse comme une alerte à vérifier, auprès d'un conseiller agricole ou d'un producteur expérimenté, surtout avant une décision importante comme l'arrachage d'une parcelle.
Bien photographier une feuille
Quelques règles simples améliorent nettement les résultats :
- photographier une seule feuille, posée sur un fond uni si possible ;
- privilégier la lumière naturelle sans soleil direct ;
- cadrer la feuille entière, nette, sans le doigt devant ;
- prendre plusieurs photos de feuilles différentes du même plant ;
- noter l'âge du plant et la variété si on la connaît.
Un projet de club : entraîner son propre modèle
Il est aujourd'hui possible, pour un club de lycée accompagné, d'entraîner un petit modèle de reconnaissance d'images sans écrire de code complexe, grâce à des outils pédagogiques en ligne gratuits qui permettent de classer des images en quelques catégories.
Un projet réaliste se déroule ainsi :
- Choisir deux ou trois catégories faciles à collecter, par exemple « feuille saine » et « feuille tachée ».
- Collecter les photos dans des champs de la famille ou du village, avec l'accord des propriétaires, en respectant les règles de prise de vue.
- Entraîner le modèle avec une partie des photos.
- Le tester avec des photos qu'il n'a jamais vues, et mesurer son taux de réussite.
- Analyser les erreurs : dans quels cas se trompe-t-il, et pourquoi ?
L'objectif n'est pas de produire un outil professionnel, mais de comprendre concrètement ce qui fait un bon modèle : la quantité, la diversité et l'exactitude des exemples. Les élèves découvrent aussi qu'il est difficile d'étiqueter correctement des photos sans l'aide d'un agronome : c'est l'occasion d'inviter un conseiller agricole au club.
Une technologie au service des producteurs, pas l'inverse
L'intelligence artificielle peut rendre de vrais services aux agriculteurs, à condition d'être conçue avec eux : dans leurs langues, avec des photos de leurs champs, et en complément des conseillers qui connaissent le terrain. Les meilleurs outils sont ceux que les producteurs ont contribué à construire et à tester.
Newtiv.org travaille sur des solutions technologiques aux problèmes agricoles, développées et testées avec ceux qui les utiliseront. Découvrez notre mission et nos programmes.