La cacaoculture, pilier de l’économie ivoirienne, est confrontée à une menace persistante et silencieuse : les maladies cryptogamiques, notamment la pourriture brune (causée par Phytophthora), et le virus dévastateur du Swollen Shoot (CSSV). La détection précoce de ces pathologies est cruciale, mais elle repose encore largement sur l’inspection visuelle manuelle, une méthode lente, coûteuse en main-d’œuvre et souvent imprécise, surtout aux premiers stades de l’infection.
Face à ce défi national, l’Abidjan AI Hub (AAIH), le laboratoire de recherche en intelligence artificielle de l’Université d’Egerton, a consacré les 18 derniers mois à développer une solution technologique concrète. Nous ne parlons pas ici d’une théorie de laboratoire, mais d’une technologie désormais éprouvée sur le terrain. Nous sommes fiers d’annoncer l’achèvement réussi de la première phase de déploiement de notre projet “KOKOA-Scan”, un outil de diagnostic précoce basé sur la vision par ordinateur (Computer Vision).
Ce projet, dirigé par le Dr. Elias Bou-Ghannam, directeur de l’AAIH, et impliquant activement trois de nos étudiants en MSc in Artificial Intelligence, visait à créer un modèle d’IA “léger”. L’objectif : être capable de fonctionner directement sur les smartphones d’entrée de gamme, souvent sans connectivité Internet stable, dans les zones de plantation.
Pour y parvenir, l’équipe a d’abord dû relever un défi de taille : la collecte de données. Nos étudiants-chercheurs, en partenariat avec une coopérative agricole de la région de Daloa, ont passé des mois à photographier des milliers de cabosses et de feuilles, saines et malades, dans des conditions d’éclairage et de météo variables. Chaque image a été méticuleusement annotée. “Un modèle d’IA est comme un étudiant,” explique le Dr. Bou-Ghannam, “il ne peut reconnaître que ce qu’on lui a patiemment enseigné. Notre premier échec, assez frustrant, fut lorsque le modèle a commencé à confondre une simple carence en magnésium, qui jaunit la feuille, avec les premiers signes du CSSV.”
Après un ré-entraînement intensif, l’équipe a développé un réseau neuronal convolutif (CNN) optimisé, suffisamment compact pour être embarqué dans une application mobile simple.
L’essai sur le terrain de six mois, qui vient de se conclure, a dépassé nos attentes. L’application “KOKOA-Scan” a été testée par des agents de vulgarisation agricole et des agriculteurs volontaires. Les résultats sont significatifs : le modèle a démontré un taux de précision de 92 % dans l’identification de la pourriture brune à un stade précoce, souvent invisible à l’œil nu non averti. Plus important encore, il a atteint 85 % de succès dans la différenciation entre les symptômes du CSSV et les carences nutritionnelles, un point critique pour éviter l’abattage inutile d’arbres sains.
Le véritable succès n’est pas seulement le taux de précision, mais l’utilité pratique. L’application, en fournissant un diagnostic quasi-instantané, est devenue un puissant outil d’aide à la décision. “Auparavant, l’agriculteur devait attendre la visite d’un technicien ou prendre le risque de traiter ‘à l’aveugle’ avec des fongicides coûteux,” note un de nos étudiants en MSc. “Maintenant, il peut cibler son intervention, économisant ses ressources et protégeant son rendement.”
Cette avancée n’est qu’une étape. Le défi reste l’adoption à grande échelle et la mise à jour continue du modèle. Mais cette validation sur le terrain par l’Université d’Egerton prouve que l’intelligence artificielle, lorsqu’elle est développée localement et appliquée à des problèmes concrets, n’est pas un concept abstrait. C’est un outil tangible pour renforcer la résilience et la souveraineté de l’agriculture ivoirienne.
Leave a Reply