Chapitre trois : le cadre probatoire de l'IA agricole

Chapitre trois : le cadre probatoire de l'IA agricole

Le message du chapitre : de l'abondance des sources au savoir digne de confiance

La force d'un ouvrage savant ne réside pas dans le nombre de références accumulées dans ses notes de bas de page, mais dans sa capacité à déterminer ce que chaque référence peut effectivement prouver et où s'arrête son autorité épistémique. Une source tire sa valeur non de sa simple présence, mais de son adéquation à l'affirmation qu'on l'invoque pour étayer. Cette question devient plus complexe dans un domaine en évolution rapide comme l'IA agricole : l'auteur peut avoir devant lui un article scientifique évalué par les pairs, un rapport officiel, une page produit, un dépôt de code, une simulation informatique, un article de presse et un témoignage décrivant une expérience de terrain. Chacune de ces sources peut contenir des informations exactes, mais elles ne présentent pas toutes le même degré de fiabilité et ne remplissent pas toutes la même fonction inférentielle. Un article scientifique peut mesurer la performance d'un modèle dans des conditions de données et d'expérimentation précises, mais il ne prouve pas automatiquement son succès sur chaque culture ou dans chaque région. Une autorité de réglementation est l'organe compétent pour homologuer un pesticide ou déterminer si son usage est autorisé, mais elle n'est pas l'organe qui mesure l'exactitude d'un algorithme. Une page produit documente ce que le fournisseur affirme au sujet de son système à une date donnée, mais elle ne se substitue pas à une évaluation indépendante de son efficacité. Quant à un dépôt de code, il peut établir l'existence d'un composant dans le code au moment de l'inspection sans établir que ce composant fonctionne dans un service en production, ni qu'il produit un impact agricole tangible au champ. La tâche de ce chapitre découle de cette distinction : expliquer comment le livre est passé d'une diversité de sources à des jugements rigoureux, traçables et révisables. Il ne présente pas un catalogue abstrait de méthodes de recherche ; il dévoile plutôt le cadre pratique employé pour distinguer un fait documenté d'un résultat lié à son contexte, d'une description attribuée à sa source, d'un chiffre pas encore entièrement vérifié, ou d'une proposition éditoriale qui ne prétend pas être un résultat expérimental. Le but n'est pas d'affaiblir l'argumentation par une accumulation de réserves, ni d'entourer le savoir d'une clôture permanente de doute ; il est de construire une confiance fondée sur une compréhension claire de ses bases et de ses limites. La certitude scientifique ne naît pas d'un ton catégorique, mais d'un cheminement que le lecteur peut suivre : d'où vient l'information ? De quel type de source s'agit-il ? Que prouve réellement cette source ? Et que n'avons-nous pas le droit d'en déduire ?

1. L'architecture de la base probatoire : comment le socle de connaissances du livre a-t-il été construit ?

Par « corpus multilingue de sources », le livre entend l'ensemble des matériaux rassemblés et organisés durant les étapes de sa préparation, sur lesquels ses chapitres et ses analyses ont ensuite été bâtis. Ce corpus ne s'est pas limité à un seul type de document ; il a inclus des études primaires, des revues scientifiques, des rapports officiels, des documents de travail, des documents institutionnels, des descriptions de produits, des matériaux techniques et des guides de mise en œuvre, aux côtés de matériaux auxiliaires utilisés pour découvrir des noms et des thèmes et pour ouvrir des pistes d'investigation. Ces matériaux se présentaient en plusieurs langues, car l'innovation agricole n'est pas publiée intégralement en anglais, et parce que certaines applications, politiques et terminologies locales ne livrent leur sens plein qu'au sein de leur propre langue et de leur propre contexte. Pourtant, la pluralité linguistique ne signifie pas qu'il faille compter une traduction et l'original comme deux sources indépendantes, ni qu'un document acquière un rang savant supérieur du seul fait qu'il existe en plus d'une version. Pour cette raison, les traductions ont été reliées à leurs originaux, les versions dupliquées ou dérivées ont été identifiées, et chaque document s'est vu attribuer sa place et sa fonction précises dans la construction de l'argumentation. Le travail a commencé par l'inventaire et l'organisation du matériau source, mais il ne s'est pas arrêté à la collecte de fichiers. Il est passé à la construction de registres éditoriaux distincts pour les sources, les affirmations, les chiffres et les études de cas. La différence entre les deux étapes est fondamentale : collecter un document signifie seulement qu'un matériau est devenu disponible pour examen, tandis qu'accepter une affirmation qui en dérive exige un autre niveau de vérification. À ce stade, les questions deviennent : cette source est-elle adaptée pour étayer cette affirmation précise ? Le chiffre peut-il être retracé jusqu'à son emplacement d'origine ? Et les conditions et limites de l'étude sont-elles demeurées visibles lorsque le résultat a été transféré dans le livre ? Un registre distinct a également été créé pour les éléments de preuve associés à l'étude de cas Aladdin Agri AI, afin d'empêcher le mélange des preuves internes de mise en œuvre avec les références scientifiques générales accessibles au lecteur. L'existence d'un code, d'une interface ou d'une voie d'intégration peut établir un état de mise en œuvre précis dans une version connue, mais elle ne devient pas pour autant une étude indépendante d'efficacité, ni une preuve d'impact agricole au champ. Cette séparation protège la valeur des deux types de preuves : on ne fait pas porter aux preuves techniques plus qu'elles ne peuvent prouver, tandis que le lecteur peut encore voir précisément ce qu'elles établissent. Lorsque les fichiers et leurs chemins ont été réorganisés, les références n'ont pas été laissées prisonnières d'emplacements obsolètes ou de noms modifiables ; le registre de référence des chemins de fichiers et des empreintes numériques a au contraire été rétabli. Le but n'était pas purement technique, mais aussi éditorial et épistémique : garantir que chaque affirmation importante restât reliée au matériau sur lequel elle se fondait, et que le déplacement des fichiers ou le changement de leurs noms ne rompît pas la chaîne de vérification. Pourquoi ce travail est-il décrit comme une revue narrative structurée et éclairée par les éléments de preuve ? Ce livre prend la forme d'une revue narrative structurée et éclairée par les éléments de preuve : il rassemble des matériaux hétérogènes, les classe, les compare, puis en construit une interprétation cohérente du domaine, tout en rendant visibles le type de chaque élément de preuve et les limites de ce qu'il permet d'inférer. Cette méthode a été choisie parce qu'elle convient à la vaste question que pose le livre : comment l'intelligence artificielle passe-t-elle du laboratoire et du produit à la décision agricole, à l'économie, au travail, à la gouvernance et au champ ? Une revue systématique, au sens scientifique précis, sert un autre objectif et repose sur un cadre méthodologique plus spécifique. Elle commence habituellement par une question plus étroite, un protocole de recherche préspécifié, des bases de données définies, des équations de recherche réutilisables, des critères clairs d'inclusion et d'exclusion, et un enregistrement complet des résultats de recherche, du dédoublonnage et des étapes de sélection. Ces éléments permettent à un autre chercheur de répéter le processus et de comparer ses conclusions à celles des auteurs de la revue. La différence de classification ne signifie pas qu'un type serait rigoureux et l'autre moins ; elle signifie que chacun a une fonction épistémique différente. Une revue systématique convient bien pour répondre à une question précise dans le cadre d'un protocole reproductible, tandis qu'une revue narrative structurée peut relier des domaines que n'unit aucun dispositif expérimental unique : algorithmes, agriculture, économie, sécurité sanitaire des aliments, travail, droits sur les données, structure institutionnelle et différences régionales. La force de ce livre réside dans le fait de rendre ces liens rigoureux sans effacer les différences entre les types de preuves ni les présenter comme égaux par leur nature et leur force probante. Décomptes hérités de versions antérieures : quand la précision importe plus que l'attrait du chiffre Certaines versions d'une édition antérieure de ce livre indiquaient que plus de 150 documents avaient été examinés dans plusieurs bases de données et sources. Pourtant, la présente édition n'a pas conservé ce nombre au seul motif qu'il figurait dans la version antérieure : il n'était pas accompagné d'un enregistrement assez complet pour reproduire les équations de recherche, les dates, les résultats, la sélection, les exclusions et le dédoublonnage requis pour le traiter comme un décompte méthodologique définitif. Le choix le plus facile aurait été de reporter le décompte dans la nouvelle édition ; c'est un nombre grand, clair et attrayant. Le choix savant, cependant, a été de séparer le savoir utile et vérifiable d'une affirmation numérique dont le cheminement documentaire demeurait incomplet. Dès lors, le nombre historique n'a pas été utilisé comme preuve de l'exhaustivité de la revue, et les matériaux et affirmations ont été réévalués conformément aux registres et aux limites déclarées de la présente édition. Cela ne signifie pas que le savoir passé par les versions antérieures ait été gaspillé ou annulé. Les noms, les idées et les pistes de recherche qui pouvaient être retracés ont été conservés, et les affirmations ont été réexaminées avant d'être adoptées. Quant à tout chiffre ou résultat qui n'a pas pu être retracé jusqu'à une source appropriée, il n'a pas été présenté au lecteur comme un fait pleinement établi. Ainsi, la révision éditoriale est devenue un outil d'affinement du savoir, non d'effacement ; un moyen d'élever la fiabilité du livre, non de l'amoindrir. Une revue systématique publiée telle que [SRC004] peut contribuer à cartographier une partie du domaine et offrir un exemple de protocole de recherche documenté dans le cadre de sa propre question spécifique. Pourtant, son caractère systématique appartient au travail accompli par ses auteurs, et ne se transmet pas automatiquement à ce livre du seul fait qu'il la cite. De même, un vaste ensemble de documents ne devient pas une revue systématique en vertu du seul nombre de ses fichiers ou de l'ordonnancement de ses chapitres. La précision commence par nommer le travail pour ce qu'il a réellement accompli, puis par le tenir rigoureusement responsable des exigences de ce nom. En ce sens, la méthode n'est pas une excuse pour le livre, mais l'énoncé de sa force : le livre a choisi de construire une argumentation large et traçable, de déclarer clairement sa nature, et de donner à chaque source la place qui lui revient sans l'élever au-delà de sa force probante réelle. Conclusion méthodologique : la confiance ne se construit pas sur le seul nombre de documents, mais sur la clarté du chemin qui relie chaque affirmation à sa source, et qui précise exactement ce que cette source prouve et ce qui se situe au-delà de ses limites.

2. L'unité de vérification est l'affirmation, non le paragraphe

Un paragraphe sur la page peut sembler former une unité cohérente unique, alors qu'il peut contenir plusieurs affirmations qui diffèrent radicalement par leur nature et par le type de preuve requis pour établir chacune d'elles. Une phrase qui établit l'existence d'un système ne se situe pas au même niveau qu'une phrase qui décrit l'une de ses propriétés, et ni l'une ni l'autre ne suffit à prouver son exactitude ou son impact sur la vie des agriculteurs. Considérons un exemple simplifié de paragraphe traitant d'un produit agricole numérique. Le paragraphe peut comporter quatre niveaux d'affirmation différents :

• Une affirmation d'identité ou d'existence : « Il existe une plateforme ou un outil portant ce nom. »
• Une affirmation de propriété : « Son fournisseur déclare qu'il utilise la vision par ordinateur pour détecter les symptômes d'une maladie. »
• Une affirmation de performance : « Il a atteint 95 % d'exactitude sur une tâche précise. »
• Une affirmation d'impact : « Il a réduit les pertes des agriculteurs ou amélioré leur revenu dans des conditions d'exploitation réelles. »

La page d'un fournisseur peut documenter que le produit est proposé sous ce nom, et que l'entreprise le décrit comme utilisant la vision par ordinateur. Mais elle ne documente alors que ce que le fournisseur dit de son produit à une date donnée. La page seule ne fournit pas de vérification indépendante attestant que la fonctionnalité fonctionne comme décrit, ou que le système a atteint un niveau d'exactitude donné, ou que son usage a effectivement conduit à une réduction des pertes. Quant au chiffre de performance, il exige une source qui précise les données sur lesquelles le modèle a été testé, la manière dont les données ont été partitionnées, la définition de la métrique utilisée, la référence à laquelle le résultat a été comparé, et les limites de sa généralisation au-delà du cadre de l'étude. Même s'il est établi que le modèle a atteint une exactitude de 95 % dans un test particulier, ce résultat ne prouve pas automatiquement un impact économique ou agricole. Prouver une réduction des pertes exige un dispositif qui mesure ce qui s'est produit au champ, compare le résultat avec ce qui se serait produit en l'absence du système, et prend en compte les coûts, les risques et les autres facteurs susceptibles d'expliquer l'amélioration. Trois questions gouvernent l'examen de chaque affirmation Pour cette raison, la méthode du livre traite l'affirmation vérifiable comme l'unité de base de l'examen. Cela signifie décomposer l'énoncé composite en unités claires, puis soumettre chaque unité à trois questions :

1. De quel type d'affirmation s'agit-il ?

Est-ce une affirmation d'identité, de propriété, de performance ou d'impact ?

2. Quelle est la source appropriée pour la prouver ?

Exige-t-elle un document officiel, une étude de performance, une évaluation de terrain ou un matériau technique ?

3. Quelles sont les limites de formulation que la source autorise ?

Que peut-on dire avec confiance, et qu'est-ce qui constituerait une généralisation excédant les éléments de preuve ?

Après examen, les affirmations ne sont pas toutes regroupées dans une seule catégorie, mais classées selon des degrés clairs :

• Vérifiée : étayée par un matériau adapté, et sa chaîne de preuve peut être retracée.
• Vérifiée dans certaines limites : établie dans une étude ou un contexte précis, et à ne pas généraliser au-delà.
• Description attribuée : exprime ce qu'une entité ou une entreprise dit de son produit, et non une évaluation indépendante de celui-ci.
• En attente de vérification : il existe une indication initiale ou une référence, mais la chaîne de preuve est incomplète.
• Inutilisable : aucune source concordante n'a pu être identifiée, ou la source s'est révélée ne pas étayer l'affirmation qui lui était attribuée.

Ainsi, si le nom du produit et son domaine d'usage sont établis alors que son niveau de performance ne l'est pas, il n'est pas nécessaire de retirer le produit de la cartographie du domaine ; mais, dans le même temps, le chiffre ne peut être publié comme s'il s'agissait d'un fait complet. Le nom et la description de la tâche sont conservés dans les limites de ce qui a pu être documenté, tandis que le chiffre de performance est temporairement isolé du texte principal jusqu'à ce qu'apparaisse une source appropriée. La quarantaine scientifique : protéger la conclusion avant que les preuves soient complètes C'est ce que l'on entend par quarantaine scientifique dans ce livre. Ce n'est ni un jugement de fausseté porté sur l'idée, ni une accusation contre la source ou le produit, mais une décision éditoriale qui empêche une affirmation incomplète d'opérer dans le texte comme un fait. Une affirmation peut être rouverte si une source primaire concordante ou une vérification indépendante suffisante apparaît, et elle peut rester hors de la conclusion si les conditions de son établissement ne sont pas réunies. De cette manière, la quarantaine scientifique devient un mécanisme de protection du savoir contre la précipitation, et non un outil d'exclusion des idées. Sur cette base, un contrôle rigoureux des éléments de preuve n'appauvrit pas le contenu, de même que le désir de présenter un livre de large portée ne devient pas une justification pour confondre les degrés de certitude. Le livre peut conserver une riche cartographie des applications, des produits et de la recherche tout en traçant, dans le même temps, une ligne claire entre :

• ce que nous savons sur la base d'éléments de preuve appropriés ;
• ce que nous savons dans des conditions et des contextes déterminés ;
• ce que la partie concernée dit d'elle-même ;
• et ce qui attend encore une justification suffisante.

La rigueur scientifique ne rend pas le savoir moins étendu ; elle en rend plutôt les frontières plus nettes. Lorsque le lecteur sait d'où vient un énoncé, ce qui l'étaye et où sa portée s'arrête, la prudence n'apparaît plus comme un signe de faiblesse, mais devient le socle qui donne son sens à la confiance.

3. De l'exactitude du modèle à la qualité de la décision agricole

Un modèle d'intelligence artificielle peut obtenir des résultats élevés lors des tests, en particulier lorsqu'il est évalué sur des données propres et complètes ressemblant à celles sur lesquelles il a été entraîné. Pourtant, ce succès technique à lui seul ne garantit pas qu'il changera une décision agricole en pratique. Le modèle peut être impossible à exécuter sur le téléphone ou l'appareil disponible au champ, peut exiger une connexion internet permanente, peut n'émettre son alerte qu'après que l'occasion de sauver la culture est passée, ou peut proposer une recommandation assurée alors même que l'image est floue ou que les données sont incomplètes. Dans de tels cas, le résultat chiffré demeure impressionnant, mais sa valeur pratique est limitée. À l'inverse, un autre modèle peut enregistrer une performance de test légèrement inférieure, tout en étant plus léger à exécuter, mieux à même de fonctionner en conditions de terrain, et plus franc sur les limites de son savoir. Si les données sont insuffisantes, il s'abstient d'émettre une recommandation catégorique et demande une image ou une mesure supplémentaire, ou renvoie le cas à un ingénieur agronome. S'il détecte un risque, il émet une alerte précoce qui laisse à l'agriculteur un temps suffisant pour l'inspection et l'action avant la fermeture de la fenêtre d'intervention ; c'est-à-dire la période durant laquelle le traitement ou la prévention demeurent possibles et efficaces. Ce modèle peut donc être plus utile, même s'il n'obtient pas le meilleur score dans les résultats du test. Considérons un exemple pratique : un modèle de diagnostic d'une maladie des plantes peut identifier l'infection avec une exactitude élevée, mais ne la détecter qu'après que les symptômes sont devenus manifestes et que la maladie s'est déjà propagée sur une vaste surface. En pratique, il peut être surpassé par un modèle légèrement moins exact qui capte les signes précoces, énonce son niveau de confiance, et distingue un cas que l'on peut surveiller d'un cas qui requiert un examen humain urgent. Le premier décrit bien le problème après qu'il est survenu ; le second aide les personnes à décider tant que la décision peut encore influer sur le résultat. Cela ne signifie pas minimiser l'importance de l'exactitude ni accepter un modèle médiocre sous prétexte qu'il est facile à exploiter. La performance technique demeure une condition essentielle, en particulier dans les décisions susceptibles d'affecter la sécurité des cultures, des animaux ou des personnes. Mais la valeur agricole n'est pas produite par un chiffre unique ; elle est produite par un système intégré qui conjugue une exactitude acceptable et étayée, des données adaptées au contexte, un fonctionnement fiable, une alerte en temps utile, une recommandation compréhensible et actionnable, et une abstention responsable lorsque les éléments de preuve sont insuffisants. Le meilleur modèle n'est donc pas toujours celui qui en sait le plus à l'intérieur du laboratoire, mais celui qui aide les personnes à prendre une décision plus sûre au lieu et au moment où cette décision peut encore changer le résultat. Pour cette raison, cinq niveaux de réussite doivent être distingués :

Ces niveaux ne sont pas des noms différents pour une même réussite, mais les maillons d'une seule chaîne. Un modèle peut être exact et pourtant inadapté à l'environnement local ; il peut convenir à cet environnement alors que le service défaille ; le service peut fonctionner alors que la recommandation arrive trop tard ou demeure vague ; et l'agriculteur peut prendre une meilleure décision sans que son bénéfice devienne visible lors d'une saison exceptionnelle. C'est pourquoi aucun jugement sur la technologie n'est complet à moins que tout le cheminement ne soit suivi : de la justesse de la prédiction, à son adéquation à l'exploitation, à son arrivée en temps utile, puis à la décision qu'elle a modifiée, et enfin à l'effet qu'elle a eu au champ et dans les comptes de l'agriculteur. La chaîne de preuve peut être représentée ainsi : Des données valides ↓ Un modèle approprié ↓ Une vérification indépendante ↓ Un fonctionnement fiable ↓ Une recommandation compréhensible ↓ Une action réalisable et opportune ↓ Un résultat agricole ↓ Un impact économique, environnemental et social Une affirmation n'a pas le droit de franchir d'un bond un maillon manquant. Si les éléments de preuve disponibles concernent la performance du modèle, la conclusion est formulée dans ces limites. Si les éléments de preuve consistent en un court essai de terrain, ils ne sont pas présentés comme un fonctionnement stable au fil des saisons. Et si le rendement change, le changement n'est pas attribué au système avant d'avoir considéré la météo, la superficie, les intrants et la situation de référence.

4. Des métriques différentes pour des tâches différentes : que signifie le chiffre annoncé ?

Les études et les pages produits regorgent de formules telles que « exactitude élevée », « performance avancée » et « résultats qui surpassent les modèles précédents ». Pourtant, un chiffre, si éblouissant puisse-t-il paraître, ne s'explique pas de lui-même. Avant de demander : quel était le niveau d'exactitude ?, il faut poser une question antérieure : quelle tâche était mesurée, et quel type d'erreur peut y survenir ? L'intelligence artificielle peut être utilisée pour répondre à des questions totalement différentes :

• La plante est-elle infectée ou saine ?
• Où se trouve le fruit ou l'insecte dans l'image ?
• Quelle est la surface de la partie atteinte de la feuille ?
• Quel est le rendement attendu en fin de saison ?
• Le robot peut-il cueillir le fruit sans l'endommager ?
• Le système d'irrigation a-t-il effectivement réduit la consommation d'eau ?

Ces tâches ne peuvent pas toutes être mesurées à la même aune. Il n'est pas davantage permis de placer leurs chiffres dans un seul tableau et de classer les applications de la plus élevée à la plus basse comme si elles concouraient dans un même test. Chaque métrique éclaire un aspect de la performance, tout en laissant d'autres aspects dans l'ombre. Le lecteur n'a pas besoin de mémoriser les équations mathématiques qui sous-tendent ces métriques. Ce qui importe, c'est de comprendre trois choses : à quelle question la métrique répond, quelle erreur elle peut dissimuler, et quel est son rapport à la décision agricole. D'abord : lorsque la tâche consiste à classer un état — la plante est-elle malade ou saine ? Supposons qu'une application reçoive l'image d'une feuille de plante et la classe dans l'un de deux états : « malade » ou « saine ». Cela peut sembler simple, mais le modèle peut produire quatre résultats différents :

Ces quatre résultats sont la base dont dérivent la plupart des métriques de classification. Les différences entre les métriques ne sont pas un luxe statistique ; chacune d'elles examine un aspect différent de l'erreur. L'exactitude globale : combien de réponses le modèle a-t-il eues justes ? L'exactitude globale est la proportion de l'ensemble des prédictions qui sont correctes, qu'il s'agisse de cas malades correctement détectés ou de cas sains correctement exclus. Si le modèle examine cent images et en réussit quatre-vingt-dix, son exactitude globale est de 90 %. Ce chiffre paraît clair, mais il peut devenir trompeur lorsqu'une classe est bien plus nombreuse que l'autre. Supposons, par exemple, que nous ayons cent images : quatre-vingt-quinze montrant des plantes saines et cinq seulement montrant des plantes malades. Si un modèle médiocre déclare que toutes les images sont saines, il aura raison dans quatre-vingt-quinze cas, ce qui donne une exactitude globale de 95 %. Pourtant, il n'a détecté aucune des cinq infections. Ainsi, l'exactitude globale répond à la question : À quelle fréquence le modèle a-t-il eu globalement raison ? Mais elle ne répond pas à elle seule à la question plus importante dans cet exemple : Combien d'infections réelles le modèle a-t-il su détecter ? Le rappel/la sensibilité, ou la capacité à détecter les cas malades Le rappel, également appelé sensibilité, mesure la proportion, parmi l'ensemble des cas véritablement malades, de ceux que le modèle a détectés avec succès. Dans le langage de l'agriculteur, la question est : Si la maladie est effectivement présente, quelle est la probabilité que le système la détecte plutôt que de la laisser passer sans alerte ? Le rappel est particulièrement important lorsque manquer un cas malade est très dangereux — par exemple, avec une maladie à propagation rapide, un signe précoce de trouble sanitaire dans un troupeau, ou un ravageur que l'on peut contenir s'il est détecté à temps. Un rappel élevé signifie que le modèle manque moins de cas malades. Mais cela ne signifie pas nécessairement que chaque alerte qu'il émet est correcte ; le système peut augmenter le rappel en émettant de nombreuses alertes, les unes vraies, les autres fausses. La spécificité, ou la capacité à exclure les cas sains La spécificité mesure la proportion des cas sains que le modèle a correctement identifiés comme sains. La question est ici : Si la plante est saine, quelle est la probabilité que le système ne la classe pas à tort comme malade ? La spécificité importe lorsque les fausses alertes ont un coût élevé, comme l'envoi d'équipes pour inspection, la perturbation d'opérations de production, le prélèvement d'échantillons de laboratoire, ou l'examen d'un traitement inutile. Mais une spécificité élevée à elle seule ne garantit pas que le modèle détecte les cas malades. Il peut se montrer très conservateur dans l'émission d'alertes, réduisant ainsi le nombre de fausses alertes, mais au prix de laisser échapper de véritables infections. La précision : combien d'alertes positives étaient correctes ? En arabe, cette métrique est parfois rendue par iḥkām (« exactitude rigoureuse »), mais ce terme peut manquer de clarté pour les lecteurs. Sa signification pratique est plus simple que ne le laisse entendre l'étiquette : Parmi tous les cas que le système a déclarés malades, combien l'étaient réellement ? Si le système émet dix alertes, et que l'inspection montre que six seulement sont correctes, alors sa précision n'est pas parfaite : quatre alertes étaient fausses. Cette métrique importe lorsque le suivi d'une alerte est coûteux ou peut conduire à une intervention sensible. Si chaque alerte appelle une analyse de laboratoire, la visite d'un spécialiste, ou l'arrêt d'une partie de la chaîne de production, il ne suffit pas que le système capte la plupart des cas malades ; il doit aussi éviter de noyer l'utilisateur sous les fausses alertes. Ici, la différence entre la précision et le rappel devient claire :

• Le rappel demande : parmi les cas qui étaient réellement malades, combien le modèle en a-t-il détectés ?
• La précision demande : parmi les cas que le modèle a déclarés malades, combien d'alertes étaient correctes ?

Un modèle peut être solide d'un côté et faible de l'autre ; c'est pourquoi le choix de la métrique doit être lié aux conséquences réelles de l'erreur dans le contexte agricole. Le score F1 : le modèle équilibre-t-il la détection de l'infection et la justesse de ses alertes ? Le score F1 combine le rappel et la précision en une seule valeur. Il s'élève lorsque le modèle réussit deux choses à la fois :

• Détecter une bonne proportion des cas malades.
• Éviter d'émettre un grand nombre de fausses alertes. On peut y voir un score concis de l'équilibre entre ne pas manquer l'infection et ne pas exagérer les avertissements à son sujet. Si le modèle détecte toutes les infections mais émet de nombreuses fausses alertes, son score F1 ne sera pas aussi élevé qu'il devrait l'être. Il en va de même si ses rares alertes sont correctes alors qu'il manque de nombreuses infections. Pourtant, combiner les deux dimensions en un seul chiffre a un prix : cela peut dissimuler le fait qu'un type d'erreur est plus dangereux que l'autre. Dans une maladie épidémique à propagation rapide, manquer une seule infection peut être plus nuisible que d'envoyer plusieurs cas sains à l'inspection. En revanche, dans une intervention à coût élevé ou à risque élevé, la fausse alerte elle-même peut devenir un problème sérieux. Le score F1 ne dit donc pas que le modèle est automatiquement « sûr » ou « adapté » ; il dit seulement qu'il a atteint un certain degré d'équilibre mathématique entre deux types de performance. L'équilibre requis en agriculture est déterminé par les conséquences de l'erreur et la nature de la décision.

La matrice de confusion : un tableau montrant où le modèle a eu raison et où il s'est trompé Malgré son nom déroutant, la matrice de confusion n'est ni une énigme mathématique, ni un indicateur unique comme l'exactitude globale. C'est simplement un tableau qui rassemble les quatre résultats ci-dessus :

• Les cas malades correctement détectés.
• Les cas malades manqués par le modèle.
• Les cas sains correctement exclus.
• Les cas sains classés à tort comme malades. La valeur de la matrice de confusion tient au fait qu'elle ne dissimule pas les erreurs derrière un chiffre agrégé. Deux modèles peuvent atteindre la même exactitude globale, alors que l'un passe à côté de maladies dangereuses tandis que l'autre émet de nombreuses fausses alertes. Le chiffre agrégé peut les faire paraître semblables, mais le tableau des erreurs révèle la différence qui importe à l'agriculteur. D'où le nom plus simple qui peut accompagner le terme :

Matrice de confusion : un tableau qui montre les types de réponses correctes et incorrectes. Comment choisir l'indicateur approprié en matière de diagnostic ? Il n'existe pas d'indicateur unique qui soit le meilleur dans tous les cas. Le choix dépend de la question agricole et de la conséquence de chaque type d'erreur.

• Si manquer la maladie peut conduire à une propagation étendue ou à des pertes difficiles à inverser, le rappel (Recall) devient une priorité élevée.
• Si répondre à chaque alerte est coûteux ou peut conduire à une intervention inutile, la précision (Precision) et la spécificité (Specificity) deviennent plus importantes.
• Si les classes sont déséquilibrées, l'exactitude globale ne suffit pas à elle seule.
• Si l'on souhaite un chiffre comparatif résumant l'équilibre entre la détection des cas et la justesse des alertes, on peut utiliser le F1, tout en se reportant au détail des erreurs.
• Si l'on veut savoir exactement où le modèle s'est trompé, on se tourne vers la matrice de confusion.

L'application ne doit pas passer d'une reconnaissance initiale à une recommandation de traitement sensible sur la seule base de cette évaluation. La réussite d'un modèle à distinguer une image suspecte n'établit pas, à elle seule, la justesse du diagnostic causal ni l'adéquation de l'intervention proposée. Il peut demeurer nécessaire de procéder à une inspection au champ, à une analyse de laboratoire, à un examen par un spécialiste, ainsi qu'à la consultation de l'étiquette officielle et de la réglementation locale. Deuxièmement : lorsque la tâche consiste à déterminer l'emplacement d'un objet ou à tracer ses contours La classification répond habituellement à une question telle que : « Y a-t-il un insecte dans l'image ? » Mais certaines applications exigent une information plus précise :

• Où l'insecte se situe-t-il exactement ?
• Combien de fruits sont apparus dans l'image ?
• Quelle est la position de l'adventice entre les rangs de culture ?
• Quelle surface de la feuille est atteinte ?
• Où s'arrête la partie saine et où commence le tissu endommagé ? Nous passons ici de la classification à deux tâches visuelles plus détaillées :

1. La détection : le système identifie l'emplacement de l'objet dans un cadre ou une zone approximative, comme le tracé d'un cadre autour de chaque fruit.
2. La segmentation : le système trace les contours précis de l'objet ou de la région, comme l'identification plus détaillée de la surface d'une tache de maladie sur la feuille. Puisque la question n'est plus simplement « L'objet est-il présent ? », il nous faut des mesures qui comparent l'emplacement et les contours de l'objet à l'emplacement correct déterminé par des experts dans les images de référence.

Intersection sur union (IoU) : dans quelle mesure la région prédite a-t-elle coïncidé avec la région correcte ? Supposons qu'un expert ait tracé les contours corrects d'une tache de maladie sur une feuille, puis que le modèle ait tracé une région dont il prédit qu'elle représente la même tache. La mesure d'intersection sur union compare les deux surfaces :

• la partie commune entre ce que l'expert a identifié et ce que le modèle a identifié.
• la surface totale couverte par les deux régions réunies. Plus le recouvrement réel est grand et plus la partie excédentaire ou manquante est petite, plus la valeur de la mesure est élevée. On peut la comprendre visuellement ainsi :
• un recouvrement complet entre les deux régions signifie une performance idéale dans la détermination des contours.
• un recouvrement partiel signifie que le modèle a vu juste pour une partie et s'est trompé pour une autre.
• l'absence de recouvrement signifie que le modèle a identifié un emplacement entièrement différent. Mais une valeur élevée de cette mesure ne répond pas à la question de savoir si la région a été identifiée avec une précision suffisante pour accomplir une tâche agricole particulière. Elle peut convenir à l'estimation de l'étendue de la zone atteinte, tout en étant insuffisante pour guider un bras robotisé exigeant une précision spatiale supérieure.

Coefficient de Dice : quel degré de similarité y a-t-il entre les deux surfaces ? Le coefficient de Dice mesure lui aussi le degré de similarité entre la région identifiée par le modèle et la région de référence identifiée par l'expert. Il est proche, dans son principe, de l'intersection sur union, même si la méthode de calcul diffère. Le lecteur n'a pas besoin de mémoriser la différence mathématique entre les deux mesures. Ce qui importe, c'est que toutes deux tentent de répondre à la question : Dans quelle mesure le modèle a-t-il tracé la région correcte, sans en omettre des parties importantes ni y ajouter des surfaces qui ne lui appartiennent pas ? Le coefficient de Dice apparaît fréquemment dans les tâches de segmentation d'images, y compris l'identification de tissus, de feuilles, de fruits ou de zones atteintes. Mais il demeure une mesure de similarité visuelle, non une preuve complète de la réussite de la décision agricole qui sera bâtie sur cette segmentation. Précision moyenne moyennée (mAP) : comment le système s'est-il comporté pour trouver les objets et déterminer leurs emplacements ? La mAP est souvent utilisée pour évaluer les systèmes de détection d'objets dans les images, comme la détection de fruits, d'insectes, d'adventices ou d'animaux. C'est une mesure composite qui résume la qualité de détection à travers plusieurs classes ou conditions d'évaluation. Plutôt que d'entrer dans sa formule de calcul, on peut en comprendre la fonction ainsi : Le système a-t-il trouvé les objets requis, évité de détecter des objets absents, et déterminé leurs emplacements avec un degré de recouvrement acceptable par rapport aux emplacements corrects ? La valeur de la mAP ne doit pas se lire comme un « taux de réussite agricole » direct. Si un modèle atteint un chiffre élevé dans la détection de fruits au sein d'un ensemble d'images, cela ne signifie pas que le robot cueillera avec succès la même proportion de fruits. Le système de vision peut bien voir le fruit, puis le bras peut ne pas parvenir à l'atteindre, ou le saisir trop fermement, ou y consacrer un temps non rentable, ou être incapable de travailler sous l'éclairage, la poussière et le mouvement des branches au champ. Dans un système robotisé, la vision n'est qu'un premier maillon, suivi d'autres maillons : voir la cible ← déterminer sa position ← planifier le mouvement ← l'atteindre ← exécuter l'action ← éviter les dommages ← accomplir la tâche dans un délai et à un coût acceptables. Pour cette raison, il faut distinguer l'exactitude de la vision de la réussite de l'opération agricole complète. Troisièmement : lorsque la tâche consiste à prédire un nombre — rendement, prix ou demande Dans certaines applications, le modèle ne classe pas la plante comme « infectée » ou « saine », ni ne cherche un fruit dans une image ; il prédit plutôt une valeur numérique, telle que :

• la quantité de rendement attendue.
• le besoin en eau de la culture.
• le prix attendu sur une période donnée.
• le volume de la demande pour un produit.
• la durée de conservation restante.
• la quantité d'aliments pour animaux ou d'énergie requise. Dans ces cas, nous avons besoin de connaître l'ampleur de l'écart entre le nombre prédit par le modèle et le nombre effectivement survenu. Il existe plusieurs façons de calculer cet écart, car chaque méthode en révèle un aspect différent.

Erreur absolue moyenne (MAE) : de combien le modèle se trompe-t-il en moyenne, dans une unité que l'agriculteur comprend ? Si le modèle a prédit un rendement de 5,5 tonnes par hectare, alors que le rendement réel était de 6 tonnes, l'erreur dans ce cas est d'une demi-tonne par hectare. L'erreur absolue moyenne additionne les grandeurs de ces erreurs sur l'ensemble des cas, sans considérer si le modèle a surestimé ou sous-estimé, puis en calcule la moyenne. Son principal avantage est qu'elle s'exprime dans l'unité de la variable elle-même :

• tonnes par hectare lorsqu'on prédit le rendement.
• lires par kilogramme lorsqu'on prédit le prix.
• mètres cubes lorsqu'on prédit la consommation d'eau.
• jours lorsqu'on prédit la durée de conservation. C'est pourquoi elle est l'une des mesures les plus aisément traduisibles en une question pratique :

Si je m'appuie sur ce modèle, à quelle distance de la réalité sa prédiction se situera-t-elle en moyenne ? Mais la moyenne peut masquer quelques cas dans lesquels le modèle a commis de très grandes erreurs ; c'est là qu'un autre indicateur devient nécessaire, un indicateur qui accorde à ces erreurs un poids plus important. Racine de l'erreur quadratique moyenne (RMSE) : y a-t-il de grandes erreurs que la moyenne ne devrait pas dissimuler ? La RMSE mesure elle aussi l'erreur de prédiction, mais elle pénalise les grandes erreurs davantage que les petites. Si la plupart des prédictions du modèle sont proches de la réalité, mais qu'il échoue gravement lors de certaines saisons ou dans certaines régions, l'effet de ces échecs apparaîtra plus clairement dans cette mesure. Son idée pratique est la suivante : Nous ne voulons pas seulement connaître l'erreur moyenne ; nous voulons aussi que les grandes erreurs ne passent pas comme s'il s'agissait de cas ordinaires. Cela devient plus important lorsqu'un fort écart d'erreur affecte la décision. Une erreur limitée dans la prédiction du rendement peut être gérable, mais une déviation importante peut conduire à un contrat de vente inadapté, à une capacité de stockage insuffisante, ou à une estimation erronée du transport et du financement. Comme la MAE, la RMSE s'exprime dans l'unité de la variable elle-même, mais sa valeur est affectée dans une plus large mesure par les cas présentant de grandes erreurs. Erreur absolue moyenne en pourcentage (MAPE) : quel pourcentage d'erreur y a-t-il par rapport à la valeur réelle ? La MAPE convertit l'erreur en pourcentage, ce qui la rend attrayante et facile à présenter. La formule « l'erreur moyenne a atteint tel pourcentage » paraît plus intelligible qu'un chiffre exprimé dans une unité qui peut différer selon les cultures et les régions. Mais cette mesure peut devenir trompeuse lorsque la valeur réelle est très petite ou proche de zéro. Une simple erreur numérique peut, divisée par une petite valeur, se transformer en un pourcentage énorme qui ne reflète pas la portée pratique du cas. Par conséquent, avant de s'y fier, il convient de se demander :

• Les valeurs réelles peuvent-elles s'approcher de zéro ?
• Le pourcentage est-il réellement la manière la plus adaptée de comprendre l'erreur ?
• L'ampleur de l'erreur dans l'unité d'origine a-t-elle également été rapportée ?
• Le pourcentage dissimule-t-il d'importantes différences entre cultures, régions ou saisons ? La facilité de lecture du pourcentage ne signifie pas qu'il soit toujours approprié.

Le coefficient de détermination (R²) : quelle part de la variation des résultats le modèle a-t-il pu expliquer ? Le coefficient de détermination mesure le degré auquel le modèle, au sein des données et de la méthode d'évaluation employées, parvient à expliquer la variation des valeurs observées. Supposons que le rendement varie d'une parcelle et d'une saison à l'autre en raison de facteurs multiples. Le modèle tente d'expliquer une partie de cette variation à partir des données qui lui ont été fournies, telles que la météo, le sol, le cultivar et les pratiques agricoles. Le coefficient de détermination indique quelle part de la variance le modèle a pu représenter en comparaison d'une référence statistique dans le cadre du test. Mais cet indicateur est souvent mal interprété. Si une étude rapporte que le R² a atteint 0,92 dans le cadre d'évaluation qu'elle a utilisé [SRC006], il n'est pas valide de transformer cela en l'énoncé : « Le système est exact à 92 %. » Les deux énoncés ne signifient pas la même chose. Une valeur de R² ne nous dit pas directement :

• De combien de tonnes ou de kilogrammes le modèle s'est trompé.
• Si les erreurs étaient économiquement acceptables.
• S'il a réussi lors d'une saison de sécheresse ou d'une vague de chaleur.
• S'il maintient sa performance dans une autre région.
• Si la prédiction est arrivée à temps pour permettre de modifier la décision.
• S'il s'est révélé meilleur qu'une moyenne historique ou qu'une règle plus simple et moins coûteuse. Pour cette raison, il est préférable de lire le coefficient de détermination conjointement avec un indicateur qui montre l'ampleur de l'erreur dans une unité intelligible, comme la MAE ou la RMSE, et avec une description claire des données, du lieu, de la saison et de la méthode de test.

Un résumé pratique des indicateurs

Le bon chiffre ne suffit pas s'il est inadapté à la décision Après avoir compris l'indicateur, la question la plus importante demeure : l'évaluation a-t-elle mesuré la propriété dont l'agriculteur a réellement besoin ? Une prédiction de rendement peut être proche de la réalité, tout en arrivant après que le moment d'acheter les intrants ou d'organiser le stockage et les contrats de commercialisation est passé. Un modèle de vision peut détecter efficacement un ravageur, tout en ne parvenant pas à distinguer un cas appelant une surveillance d'un cas exigeant une intervention urgente. Un système automatisé peut déterminer avec exactitude la position du fruit, alors que son bras est incapable de l'atteindre sans endommager les branches. Un système d'irrigation peut réduire la quantité d'eau utilisée par kilogramme de rendement sans réduire les prélèvements totaux sur la ressource en eau. Pour cette raison, après la lecture de tout indicateur technique, il convient de poser les questions suivantes :

1. Quelle tâche exactement le chiffre a-t-il mesurée ?

A-t-il mesuré la classification d'images, la localisation d'objets, la prédiction d'une quantité, ou la réussite d'une opération agricole complète ?

2. Sur quelles données et dans quel environnement le test a-t-il été conduit ?

Et représentent-ils la culture, la région, la saison et les équipements dans lesquels le système sera utilisé ?

3. Quels types d'erreurs le chiffre agrégé dissimule-t-il ?

Et le problème le plus grave est-il de manquer le cas, de déclencher une fausse alerte, ou de retarder la recommandation ?

4. Le résultat est-il arrivé avant la fermeture de la fenêtre d'intervention ?

Une prédiction correcte après que le moment de l'irrigation, de la lutte ou de la récolte est passé est un savoir tardif, non une décision utile.

5. Le système a-t-il fait mieux qu'une solution de remplacement plus simple ?

Telle qu'une inspection de routine, une règle agronomique claire, une moyenne historique ou un service de conseil moins coûteux.

6. L'agriculteur a-t-il été en mesure de comprendre la recommandation et de l'exécuter ?

L'exactitude technique ne se convertit pas en bénéfice si la recommandation est vague, exige des ressources indisponibles, ou ignore les contraintes locales.

7. Le bénéfice a-t-il subsisté une fois le coût et le risque pris en compte ?

Y compris le prix des appareils, la connectivité, la maintenance, l'abonnement, la saisie des données, la formation et les erreurs potentielles.

En somme, les indicateurs ne sont pas des formules ésotériques que le lecteur serait tenu de mémoriser, ni des médailles conférant à la technologie une légitimité automatique. Ce sont des outils permettant de répondre à des questions précises. Un lecteur avisé ne se laisse pas éblouir par un chiffre élevé avant d'avoir demandé ce qui a été mesuré, ce qui a été omis, qui supporte le coût de l'erreur, et si cette performance pourrait franchir la distance entre l'écran de test et une décision utile au champ.

5. L'échelle de maturité : de la fonctionnalité annoncée à l'impact agricole démontré

L'écriture technique réduit parfois l'état d'un produit à deux mots : « présent » ou « absent ». Mais entre l'idée et l'impact agricole s'intercalent de nombreux niveaux, et chaque niveau appelle des éléments de preuve qui lui sont propres. Cet ouvrage propose une échelle éditoriale pour comprendre la maturité. Ce n'est pas une norme réglementaire formelle, mais un outil qui aide le lecteur à empêcher un saut de l'existence d'une fonctionnalité à une affirmation d'impact.

Il n'est pas équitable d'exiger d'un modèle de recherche des preuves d'exploitation commerciale qu'il ne revendique pas, de même qu'il n'est pas acceptable qu'un produit commercial se serve du résultat d'un modèle prototype comme preuve d'impact au champ. Un système peut être avancé sur un niveau et en retard sur un autre. Son architecture logicielle peut être mûre, tandis que les éléments de preuve agricoles demeurent préliminaires. Un essai au champ peut réussir, tandis que les droits sur les données ou le plan de maintenance restent immatures. Par conséquent, la préparation opérationnelle n'est pas réductible à une note unique lorsque ses dimensions diffèrent. Trois questions révèlent le saut illégitime À la lecture de toute description d'une application, demandez-vous :

1. Quel est le niveau le plus élevé que les éléments de preuve ont réellement établi ?
2. Jusqu'à quel niveau l'énoncé marketing saute-t-il ?
3. Quel est le maillon manquant entre les deux ?

Si la source établit l'existence d'un composant tandis que l'énoncé parle de réduction des pertes, ce qui est requis n'est pas une formulation améliorée, mais des éléments de preuve couvrant la distance qui n'a pas encore été établie.

6. Limites de transférabilité régionale : déplacer des modèles entre environnements agricoles

Restreindre le résultat d'un modèle d'intelligence artificielle agricole aux conditions de test dans lesquelles il a été produit peut sembler excessivement prudent, mais l'importance de cette prudence apparaît clairement lorsqu'on pose la question pratique : l'algorithme maintiendra-t-il sa performance lorsqu'il quittera l'environnement d'entraînement et de test pour être utilisé dans un champ qui diffère par le climat, le sol, les cultures et les pratiques agricoles ? Le modèle n'apprend pas « l'agriculture » dans l'abstrait ; il apprend plutôt des relations statistiques au sein de données provenant de sols, de climats, de variétés, d'appareils et de méthodes de mesure spécifiques. Lorsque l'un de ces éléments change, le modèle n'échoue pas nécessairement, mais sa performance antérieure perd sa validité en tant que promesse directe et redevient une hypothèse exigeant une nouvelle vérification.

Ce tableau ne doit pas se lire comme une liste d'interdictions, mais comme un plan de test. Plus l'écart est large entre l'environnement d'entraînement et l'environnement d'utilisation, plus le besoin d'un essai local limité avant une adoption à grande échelle est grand. Plan de vérification locale avant adoption Le plan peut comprendre :

1. La sélection d'un échantillon représentatif des parcelles, des variétés et des conditions visées.
2. Des tests sur les appareils et les réseaux que les gens utiliseront réellement.
3. La comparaison du système avec la pratique actuelle ou avec une règle simple appropriée.
4. L'examen de la performance sur les classes rares et les cas inhabituels.
5. La mise à disposition d'une classe « inconnu » ou d'un mécanisme d'abstention.
6. La définition des cas exigeant l'examen d'un spécialiste.
7. La surveillance de l'évolution de la performance au fil de la saison.
8. L'enregistrement des interruptions, des relevés corrompus et des interventions humaines.
9. La mesure du résultat agricole, et non du seul indicateur technique.
10. La réévaluation en cas de changement de variété, d'appareil, de source de données ou d'environnement réglementaire.

Exiger une vérification locale ne signifie pas que la technologie n'a aucune valeur en dehors de son lieu de développement ; cela signifie que sa valeur doit être démontrée là où les personnes et la terre supporteront les conséquences de la décision.

7. L'erreur n'est pas un chiffre unique : qui paie la mauvaise décision ?

Les erreurs de l'intelligence artificielle ne sont égales ni par leur signification ni par leurs conséquences. Deux systèmes peuvent se tromper au même taux, alors que l'un cause un désagrément limité auquel il est possible de remédier, tandis que l'autre ouvre la voie à une perte de récolte, à un gaspillage de ressources, ou à des risques pour l'alimentation, les animaux ou les travailleurs. Il ne suffit donc pas de demander : combien de fois le modèle s'est-il trompé ? Il faut aussi demander : dans quelle direction s'est-il trompé, à quel moment, quelle décision en a découlé, et qui en a supporté le coût ? En laboratoire, une erreur n'est qu'un cas dans un tableau. Sur l'exploitation, elle peut devenir de l'eau utilisée au mauvais endroit, une maladie non détectée, une culture traitée sans nécessité, un chargement dont la réfrigération a été retardée, ou un ouvrier ayant reçu une alerte après la fermeture de la fenêtre d'intervention. Le risque ne se mesure donc pas au seul nombre d'erreurs, mais au poids de leurs conséquences. Deux modèles peuvent paraître proches en exactitude globale tout en différant radicalement par leur valeur pratique. Le premier peut émettre des alertes excédentaires tout en manquant rarement un cas dangereux ; le second peut être moins importun, tout en demeurant parfois silencieux lorsque le silence coûte cher. Lequel vaut mieux ? Le chiffre agrégé ne peut y répondre seul ; la réponse dépend de la nature de la tâche, du coût de l'inspection, du danger du retard, de la réversibilité de la décision, et de la capacité humaine à intervenir. L'erreur peut naître dans le modèle, ou être produite par le système environnant Il est facile d'attribuer l'ensemble de l'erreur à l'« algorithme », mais le système agricole numérique est une chaîne interconnectée : Capteur ou image ← données transmises ← le modèle les analyse ← alerte ou recommandation ← l'utilisateur l'interprète ← l'action est exécutée ← le résultat apparaît au champ. L'algorithme peut être correct alors que le relevé du capteur est ancien ou défectueux. L'analyse peut être correcte, mais l'application l'affiche dans la mauvaise unité de mesure. La recommandation appropriée peut parvenir au téléphone de l'agriculteur après la fermeture de la fenêtre d'intervention. L'utilisateur peut comprendre l'alerte comme un ordre ferme, alors qu'elle n'était qu'un signal préliminaire exigeant une inspection. Bien plus, l'erreur peut survenir après que le modèle est complètement sorti de scène. Le système peut envoyer une commande correcte à l'appareil d'irrigation, mais une défaillance de la connexion provoque la répétition de la commande. La quantité peut être enregistrée en litres par hectare, tandis qu'un autre programme l'interprète dans une unité différente. Le système peut s'appuyer sur un relevé d'humidité issu d'un capteur non étalonné depuis un certain temps, et bâtir ainsi une inférence logique sur une information incorrecte. Pour cette raison, il convient de distinguer trois niveaux :

• L'erreur de modèle : il s'est trompé dans la classification, l'estimation ou la prédiction.
• L'erreur de décision : l'information était insuffisante, ou elle a été interprétée d'une manière inadaptée au cas.
• L'erreur de système : les données, les logiciels, le matériel, les modules ou les chemins d'exécution ont défailli, transformant un résultat correct ou acceptable en action erronée. Cette distinction est nécessaire parce que chaque niveau exige un remède différent. Améliorer le modèle ne répare pas un capteur défectueux, ajouter des données ne remédie pas à une interface ambiguë, et augmenter l'exactitude n'empêche pas qu'une instruction soit exécutée deux fois du fait d'une défaillance logicielle.

Faux positif : une alerte signalant un problème qui n'existe pas Un faux positif survient lorsque le système déclare la présence d'une maladie, d'un ravageur, d'une panne ou d'un risque alors que la condition n'est pas réellement présente. Plus simplement : le système a émis une alerte, mais l'inspection ultérieure n'a trouvé aucun problème de ce genre. La conséquence de cette erreur peut être limitée. Si, par exemple, l'application suggère à l'agriculteur de se rendre dans une partie proche du champ pour vérifier une tache suspecte, et que l'inspection est rapide, sûre et peu coûteuse, le préjudice peut ne pas dépasser un peu de temps et d'effort. Dans ce cas, un certain degré de sur-alerte peut être acceptable s'il aide à éviter de manquer des cas graves. Mais une fausse alerte ne demeure pas toujours anodine. Sa conséquence s'accroît à mesure qu'elle se rapproche d'une exécution automatisée ou que le coût d'y répondre s'élève. Parmi les exemples :

• un modèle visuel interprète les symptômes d'une carence nutritive comme une maladie fongique, incitant l'utilisateur à envisager un traitement qui ne s'attaque pas à la cause réelle.
• un système d'irrigation interprète un relevé inexact comme un stress hydrique et recommande d'irriguer un sol qui contient encore une humidité suffisante.
• un système de surveillance animale émet à répétition une alerte concernant un état de santé inexistant, consommant le temps de l'ouvrier ou du vétérinaire et conduisant à l'isolement inutile d'un animal.
• un système de chaîne du froid interprète un relevé anormal provenant d'un capteur défectueux comme une véritable élévation de température, provoquant une inspection, un arrêt ou une intervention opérationnelle coûteuse.
• un système de vision détecte une adventice dans une ombre ou parmi des résidus végétaux, puis transmet son emplacement à une machine d'arrachage ou à une unité de pulvérisation localisée. La conséquence d'une même alerte varie donc selon ce qui s'ensuit. Si elle ne conduit qu'à une inspection humaine, elle peut être tolérable. Mais si elle déclenche directement une pompe, modifie le climat d'une serre, applique un produit chimique, ou écarte un chargement, alors la fausse alerte devient une source potentielle de préjudice économique, environnemental ou sanitaire et sécuritaire. Son dommage ne se limite pas non plus à chaque incident isolé. Des fausses alertes répétées engendrent ce que l'on appelle la fatigue d'alerte : l'utilisateur s'habitue à entendre l'alerte, puis commence à la différer ou à l'ignorer. À ce moment-là, le système peut perdre sa crédibilité avant que n'arrive l'instant où son alerte est correcte et importante.

Faux négatif : un problème réel que le système n'a pas vu Un faux négatif survient lorsque le problème est présent, mais que le système ne le détecte pas ou classe le cas comme normal. En termes directs : il existait un problème qui méritait attention, mais le système est resté silencieux. Cette erreur peut être plus dangereuse qu'une fausse alerte, en particulier lorsque les pertes s'aggravent avec le temps. Parmi les exemples :

• une infection précoce d'une plante que l'application n'a pas su détecter, si bien qu'elle s'est poursuivie jusqu'à s'étendre d'un nombre limité de plantes à une zone plus large.
• un ravageur qui n'est pas apparu clairement sur l'image ou qui n'était pas représenté dans les données d'entraînement du modèle, si bien que le système a classé le cas comme une situation normale.
• le début d'un stress hydrique que le système n'a pas su détecter, si bien que la plante a dépassé un stade auquel la situation aurait pu être corrigée avec un impact limité.
• un changement anormal dans le comportement d'un animal que le système de surveillance n'a pas capté, retardant l'examen vétérinaire.
• une hausse réelle de la température d'une expédition que le système n'a pas enregistrée en raison d'une défaillance de capteur ou d'une interruption de la transmission des données, si bien que l'expédition est passée à une étape ultérieure de la chaîne sans contrôle.
• une défaillance naissante à l'intérieur d'une pompe ou d'une unité de refroidissement que le système de maintenance prédictive n'a pas détectée, si bien que l'exploitation s'est poursuivie jusqu'à un arrêt plus grave. Le danger de ce type d'erreur tient au fait que l'utilisateur peut ignorer que le système s'est trompé. Une fausse alerte attire l'attention sur elle-même, mais le cas manqué par le modèle peut rester caché jusqu'à ce que ses effets apparaissent. Pour cette raison, la détectabilité de l'erreur fait partie de l'évaluation du risque, et non seulement la probabilité de sa survenue. Dans les applications où un cas non détecté est très dangereux, le système peut être réglé pour être plus sensible, c'est-à-dire plus enclin à orienter les cas suspects vers une inspection, même si cela conduit à une augmentation des fausses alertes. Mais ce choix n'est pas automatiquement correct ; il faut vérifier que la capacité humaine d'inspection peut absorber le nombre d'alertes, faute de quoi la sensibilité accrue se transforme en engorgement qui prive le système de son utilité.

Erreur de calendrier : une réponse correcte arrivée après la fermeture de la fenêtre de décision Le modèle peut avoir raison quant au type et à l'ampleur du problème, mais sa recommandation arrive à un moment où l'action n'est plus possible ni utile. C'est l'erreur de calendrier : le problème ne réside pas seulement dans l'exactitude de l'information, mais dans sa place au sein du calendrier agricole. Les décisions agricoles s'inscrivent dans une fenêtre d'intervention : une période limitée durant laquelle l'action peut modifier le résultat. Une fois cette fenêtre refermée, même les meilleures recommandations peuvent devenir une description de ce qui s'est passé plutôt qu'un moyen de le changer. Parmi les exemples :

• prévoir la pluie après que l'irrigation a été achevée, alors que la prévision ne peut plus économiser ni eau ni énergie.
• détecter une infection après qu'elle a dépassé le stade auquel elle aurait pu être contenue par une inspection locale ou une intervention limitée.
• envoyer une alerte au gel après que les températures sont déjà entrées dans la plage critique, alors même que les mesures de protection exigent du temps pour être préparées et activées.
• prédire la maturité des fruits après que l'occasion d'organiser la main-d'œuvre, le conditionnement ou le transport a été perdue.
• détecter une défaillance du refroidissement après que l'expédition a quitté un point où la défaillance aurait pu être réparée ou l'itinéraire modifié.
• fournir une prévision de prix après que le contrat de vente a été conclu ou que les options disponibles de stockage et de commercialisation se sont refermées. Pour cette raison, il ne suffit pas qu'une étude d'évaluation demande : « La prévision était-elle correcte ? » Elle devrait aussi demander : « Combien de temps avant l'événement est-elle arrivée ? Et ce délai était-il suffisant pour exécuter l'action ? » Un modèle légèrement moins exact peut avoir plus de valeur s'il fournit une alerte précoce sur laquelle on peut agir qu'un modèle plus exact qui arrive après que l'occasion d'agir est passée.

Erreur d'ampleur : l'action est correcte, mais sa quantité est inappropriée Dans certains cas, le système reconnaît le besoin correct mais se trompe sur l'ampleur de la réponse. Il peut reconnaître que la culture a besoin d'irrigation, mais estimer une quantité supérieure ou inférieure à celle requise. Il peut déterminer que la ventilation ou le refroidissement est nécessaire, mais recommander un degré ou une durée qui ne conviennent pas aux conditions réelles. C'est l'erreur d'ampleur : la direction de la décision est correcte, tandis que sa quantité, son intensité ou sa durée sont incorrectes. La gravité de cette erreur apparaît dans de nombreuses applications :

• Irrigation : un excès peut gaspiller l'eau et l'énergie et accroître le lessivage ou l'asphyxie racinaire ; une insuffisance peut laisser le stress non résolu alors même que l'irrigation a été appliquée.
• Fertilisation : le nutriment suggéré peut être approprié, mais la quantité ou le moment de l'application peuvent ne pas convenir au sol ou au stade de la culture.
• Serres : le besoin de refroidissement peut être réel, mais un changement brusque ou prolongé peut créer une autre forme de stress ou augmenter la consommation d'énergie.
• Alimentation animale : l'ajustement de la ration peut être justifié, mais l'ampleur de l'ajustement ne doit pas être considérée indépendamment de l'état de production, de l'état de santé et de la composition complète de la ration.
• Stockage et séchage : abaisser l'humidité ou la température peut être requis, mais un temps de fonctionnement excessif ou insuffisant peut affecter la qualité et le coût. Les enjeux sont plus élevés lorsque des produits chimiques, des médicaments vétérinaires ou des délais d'attente entrent dans la décision. Dans ces domaines, les seules estimations du modèle ne doivent pas être converties en une dose ou un ordre d'exécution. Il faut se référer à l'étiquette officielle, à l'homologation locale, aux instructions de l'autorité compétente et à un spécialiste qualifié, en respectant les doses, les délais avant récolte, les délais de réentrée et les autres exigences de sécurité contraignantes.

Erreur de contexte : une information correcte en un lieu et fausse en un autre Toute erreur ne résulte pas de la faiblesse d'un modèle. Parfois l'information est correcte dans l'environnement où elle a été produite, mais elle est transférée à un utilisateur dont les conditions diffèrent d'une manière qui la rend inapplicable. La décision peut changer en raison de différences tenant :

• à la variété, à la race ou au stade de vie.
• au type de sol, à sa salinité et à sa capacité de rétention en eau.
• au climat local, à l'intensité du rayonnement, à l'humidité et aux vents.
• à la pression des ravageurs et des maladies et à leur diffusion dans la région.
• au système d'irrigation, aux équipements disponibles et à l'exactitude des capteurs.
• à la forme et à la taille de l'exploitation, ainsi qu'à la disponibilité de la main-d'œuvre et de l'expertise.
• aux prix des intrants et de l'énergie, et au coût des solutions de remplacement.
• aux produits légalement homologués, aux délais de sécurité et aux restrictions réglementaires.
• à la langue dans laquelle l'utilisateur comprend l'alerte et à sa capacité d'y donner suite. Une étude universitaire peut décrire une réponse d'une culture dans des conditions expérimentales déterminées, et le résultat peut ensuite être converti au sein d'une application en une recommandation générale pour toutes les régions. Un assistant intelligent peut citer le nom d'une substance ou d'une pratique tiré d'une source étrangère, alors même que son homologation ou ses conditions d'usage diffèrent dans le pays de l'utilisateur. Un modèle de maladie peut bien fonctionner sur des images prises sous un bon éclairage pour un hybride particulier, puis s'affaiblir face à une autre variété, à l'appareil photo d'un autre téléphone, ou à des symptômes se recouvrant avec une carence nutritionnelle. La validité scientifique ne signifie pas ici refuser de transférer les connaissances d'un environnement à un autre ; elle signifie énoncer les limites de la transférabilité et les tester. La question n'est pas seulement : « L'information est-elle correcte ? » mais aussi : « Correcte pour qui, où, en quelle saison et dans quelles conditions ? ».

Erreur de données et d'intégration : quand l'algorithme est innocent et la décision fausse Dans les systèmes agricoles numériques, le modèle lui-même peut être sain, mais les données qui lui sont parvenues, ou la manière dont son résultat a été transmis, peuvent être défectueuses. Il s'agit d'une catégorie importante parce qu'elle se situe à l'interface entre l'agriculture, le logiciel et le matériel. Parmi les exemples :

• un relevé de capteur qui n'a pas été actualisé, mais que l'application affiche comme s'il était en temps réel.
• un capteur d'humidité non étalonné qui envoie des relevés constants mais néanmoins incorrects.
• une confusion entre unités de surface, de volume ou de masse lorsque les données passent d'un système à un autre.
• l'utilisation d'une heure ou d'un fuseau horaire incorrects, si bien que l'alerte est associée à une heure ou à un jour inadaptés.
• des enregistrements sont perdus pendant une coupure de communication, et le calcul est ensuite effectué sur des données incomplètes sans avertir l'utilisateur.
• une commande d'exploitation est répétée à cause d'une nouvelle tentative logicielle, alors même que l'appareil a déjà exécuté la première commande.
• un enregistrement de parcelle ou de culture est relié à un autre enregistrement portant un nom similaire.
• le système continue d'utiliser un ancien modèle ou une ancienne recommandation après que la variété, la saison ou le plan de production a changé.
• un score de confiance élevé est affiché dans l'interface utilisateur d'une manière qui suggère la certitude, alors même que le modèle n'a pas été testé dans cet environnement. Ces erreurs ne se résolvent pas par le seul réentraînement du modèle. Elles exigent la vérification des unités, des horodatages clairs, l'étalonnage des capteurs, la détection des données manquantes, la prévention des commandes en double, des journaux d'audit et des tests d'intégration entre logiciel et matériel.

Erreur individuelle et erreur à grande échelle La conséquence d'une erreur tient non seulement à son type, mais aussi à l'échelle de sa diffusion. Une recommandation erronée vue par un ingénieur agronome puis rejetée diffère de la même commande lorsqu'elle est exécutée par un système automatisé sur des centaines de vannes ou des milliers d'hectares. L'automatisation donne à l'erreur deux pouvoirs contradictoires :

• elle peut exécuter la décision correcte rapidement, de manière constante et à grande échelle.
• elle peut de même répéter la même erreur rapidement, de manière constante et à cette même échelle. Plus la portée de l'exécution est large et l'intervention humaine réduite, plus grand est le besoin de limites d'exploitation, de tests préalables, d'un déploiement progressif, de la possibilité d'un arrêt manuel, d'un journal montrant ce qui s'est passé, et d'un mécanisme ramenant le système à un état sûr lorsque les données ou les communications sont perdues. Le problème n'est pas que la machine puisse se tromper une fois ; c'est qu'une seule erreur logicielle puisse se transformer en pratique répétée avant que quiconque s'en aperçoive.

Le seuil est une décision professionnelle, non un simple nombre statistique Les modèles ne disent pas toujours d'eux-mêmes « infecté » ou « sain ». Beaucoup d'entre eux produisent un score exprimant la force du signal ou la confiance du modèle, et les concepteurs du système fixent ensuite un seuil à partir duquel la sortie passe de la surveillance silencieuse à l'émission d'une alerte. Si le seuil est abaissé, le système devient plus prompt à suspecter :

• Il détecte habituellement un plus grand nombre de cas vrais.
• Mais il peut aussi envoyer un plus grand nombre de fausses alertes. Si le seuil est relevé, il devient plus conservateur :
• le nombre de fausses alertes diminue.
• Mais il peut manquer des cas vrais dont le signal ne dépasse pas le seuil plus élevé. Il n'existe pas de seuil idéal convenant à toutes les applications. Le choix dépend de ce qui se passe après l'alerte. Si l'application classe des images pour déterminer lesquelles méritent d'être examinées en premier par l'ingénieur agronome, et si cet examen est rapide, peu coûteux et sûr, alors il peut être acceptable d'abaisser le seuil et d'orienter un plus grand nombre de cas suspects. Mais si le franchissement du seuil conduit directement à démarrer une machine, à modifier l'environnement d'une serre, à écarter une expédition ou à envisager un traitement chimique, alors l'erreur supplémentaire peut comporter un coût qui ne peut être négligé. Le « score de confiance du modèle » ne doit pas davantage être compris comme une certitude. Si le système affiche un score élevé, cela ne signifie pas nécessairement que la probabilité réelle que la décision soit correcte égale ce score, à moins que le modèle n'ait fait l'objet d'un étalonnage approprié et que sa signification n'ait été testée dans l'environnement cible. L'interface devrait donc expliquer les limites du score, et non parer la recommandation d'un nombre suggérant un degré de certitude qu'elle ne possède pas.

Comment le seuil change-t-il avec la décision ?

Le risque ne se mesure pas à la seule probabilité de l'erreur Une erreur peut être rare et pourtant catastrophique, ou fréquente et pourtant d'effet limité. L'évaluation du risque exige donc d'examiner conjointement plusieurs dimensions :

1. Probabilité de survenue : À quelle fréquence cette erreur est-elle attendue ?
2. Gravité de la conséquence : Cause-t-elle un désagrément limité, une perte financière, un dommage environnemental, ou un danger pour la sécurité ?
3. Ampleur de l'exposition : Affecte-t-elle une seule plante, une parcelle entière, un troupeau, ou une chaîne d'approvisionnement ?
4. Rapidité de progression du préjudice : Dispose-t-on d'heures ou de jours pour intervenir, ou l'erreur devient-elle rapidement irréparable ?
5. Détectabilité de l'erreur : L'utilisateur la voit-il immédiatement, ou reste-t-elle cachée jusqu'à ce que la perte apparaisse ?
6. Réversibilité : La décision peut-elle être facilement annulée, ou son effet ne peut-il pas être inversé après exécution ?
7. Degré d'automatisation : Le système propose-t-il en laissant la décision à l'humain, ou exécute-t-il l'action directement ?
8. Parties affectées : Qui en recueille le bénéfice, et qui en supporte le préjudice si le système se trompe ? Pour cette raison, une alerte erronée sur un écran peut être moins dangereuse qu'une commande apparemment correcte exécutée automatiquement avec la mauvaise unité de mesure. Et une petite erreur répétée dans l'estimation de l'irrigation peut avoir plus de conséquences sur toute une saison qu'une grande erreur survenue une seule fois et rapidement détectée.

Avant d'adopter le seuil ou d'autoriser l'exécution Le programmeur ne devrait pas choisir seul le seuil ; il connaît le comportement du modèle, mais peut ignorer toutes les conséquences de la décision agricole. Le spécialiste agricole ne devrait pas non plus le déterminer sans données sur les types d'erreurs et sur la capacité du système à exprimer l'incertitude. C'est un point de rencontre entre connaissance agricole, génie logiciel, économie, sécurité et réglementation. Pour cette raison, il convient de répondre clairement aux questions suivantes :

• Quelle est la condition que le système cherche à détecter ou à prédire ?
• Sur quelles données s'appuie-t-il, et comment savons-nous qu'elles sont à jour et correctes ?
• Qu'est-ce qui est le plus dommageable dans cet usage : la fausse alerte ou le cas resté non détecté ?
• Qui reçoit l'alerte, et en comprend-il le sens et les limites ?
• Quelle action est attendue après l'alerte ?
• L'action est-elle une simple inspection, ou une intervention physique, chimique ou financière ?
• Quel est le coût de l'exécution de l'action si l'alerte est erronée ?
• Quel est le préjudice si le système n'émet pas d'alerte alors que le problème est présent ?
• L'alerte arrive-t-elle avant que le temps disponible pour intervenir ne soit épuisé ?
• L'action peut-elle être annulée après avoir été exécutée ?
• Combien de cas l'équipe humaine peut-elle examiner sans épuisement ?
• Que fait le système lorsque les données sont incomplètes ou contradictoires ?
• Peut-il s'abstenir d'émettre une recommandation et déclarer qu'il ne dispose pas d'informations suffisantes ?
• Existe-t-il une solution manuelle sûre lorsque la connexion, le capteur ou le service défaille ?
• Le système conserve-t-il un registre montrant les données, la recommandation, l'action et qui l'a approuvée ?
• La décision requiert-elle la revue d'un spécialiste ou d'une autorité juridique ou professionnelle ?
• Le système complet a-t-il été testé, de la collecte des données à l'exécution de l'action, ou le modèle seul a-t-il été testé ?

Une conception responsable ne promet pas de supprimer l'erreur ; elle empêche l'erreur de se transformer en préjudice Il n'existe pas de modèle exempt d'erreur, de même qu'aucune décision humaine n'en est exempte. L'objectif réaliste n'est pas de prétendre supprimer l'incertitude, mais de concevoir un système qui sait où il peut se tromper, détecte l'erreur tôt, limite la diffusion de ses effets, et donne à l'opérateur humain une possibilité claire d'intervenir. Cela s'obtient, selon le niveau de risque, par des moyens tels que :

• Afficher le degré de confiance et ses limites dans un langage clair.
• Demander une image ou un relevé supplémentaire lorsque les données sont insuffisantes.
• S'abstenir d'émettre une recommandation définitive dans les cas inhabituels.
• Séparer l'alerte initiale du diagnostic ou de la décision finale.
• Orienter les cas sensibles vers un spécialiste.
• Utiliser plus d'une source de données au lieu de s'appuyer sur un capteur unique.
• Fixer des limites sûres aux commandes qui peuvent être exécutées automatiquement.
• Exiger une approbation humaine avant les décisions à fort impact.
• Prévoir un arrêt manuel et un mode d'exploitation sûr en cas de défaillance.
• Enregistrer les données, les recommandations et les commandes afin que l'investigation et la revue soient possibles.
• Surveiller les évolutions de la performance selon les saisons, les lieux et les variétés.
• Tester les interruptions, les données périmées, les conflits d'unités et les commandes en double, plutôt que de tester le modèle uniquement dans des conditions idéales. Le modèle ne décide pas de lui-même quelles erreurs peuvent être tolérées ; c'est un arbitrage agricole, économique, éthique et lié à la sécurité, dans lequel l'expertise humaine et la connaissance technique ont l'une et l'autre un rôle. La véritable mesure de la maturité d'un système n'est pas seulement qu'il se trompe rarement, mais qu'il sache comment se comporter dans le doute, comment s'arrêter lorsque les données sont insuffisantes, et comment empêcher une erreur limitée de devenir un préjudice généralisé et irréversible.

8. Comment comparer deux applications, et non deux nombres ?

Comparer le nombre le plus élevé au plus faible ne suffit pas, car les applications peuvent différer par la tâche, les données, le contexte, la maturité et le mode de fonctionnement. Une comparaison rigoureuse commence par normaliser la question avant de comparer la réponse. Une grille d'évaluation pour une application agricole

Une rubrique pour laquelle l'information n'est pas disponible n'est pas remplie par conjecture ni par une moyenne tirée d'un autre produit ; il y est écrit clairement : « Inconnu ». L'information manquante fait partie du résultat de l'évaluation, et non d'un défaut formel à dissimuler. Un exemple illustratif : 97 % ou 89 % ? Supposons qu'il existe deux applications de classification d'images de maladies des plantes :

• La première application revendique une exactitude de 97 % au sein d'une base d'images sélectionnée à partir d'une source unique.
• La seconde application revendique 89 % dans un test ayant inclus différentes exploitations et différents appareils, offre une catégorie « inconnu », s'abstient lorsque la qualité de l'image est médiocre, et oriente les cas sensibles vers un spécialiste.

Il n'est pas permis de déclarer la seconde application supérieure au seul motif que sa description paraît plus responsable, de même qu'il n'est pas permis de choisir la première parce que son nombre est plus élevé. La comparaison exige de connaître la tâche, la distribution, le type d'erreur, la situation de référence, le coût et les conditions d'exploitation. Mais l'exemple révèle une règle fondamentale : le nombre le plus élevé ne compense pas l'absence d'éléments de preuve sur la transférabilité, la sécurité et l'exploitation. Une application dont l'indicateur global est le plus faible peut être plus adaptée à une tâche particulière si le schéma de ses erreurs est connu, si ses limites sont déclarées et si sa voie d'escalade est opérationnellement praticable. Une comparaison saine ne demande pas lequel des deux nombres est le plus grand. Elle demande quel système, dans ce contexte, soutient la décision la plus utile et la moins risquée avec les éléments de preuve les plus appropriés.

9. Qu'est-ce qui n'apparaît pas dans la démonstration ni sur la page produit ?

La démonstration est importante ; elle montre que le système a été capable d'accomplir une tâche dans certaines conditions. Mais la démonstration ne choisit habituellement ni le pire jour de la saison, ni la connexion la plus faible, ni l'image la plus ambiguë, ni l'utilisateur le moins expérimenté. Des informations cruciales peuvent être absentes de la démonstration ou du résumé, notamment :

• Les cas exclus avant le test.

• Les images de mauvaise qualité ou les classes rares.
• Le nombre d'interruptions de connexion.
• Le temps nécessaire au nettoyage et à la préparation des données.
• L'ampleur de l'intervention humaine ayant concouru à produire le résultat.
• Le nombre de fausses alertes.
• Les cas dans lesquels l'utilisateur s'est abstenu d'appliquer la recommandation.
• Le coût de l'étalonnage et de la maintenance.
• Les défaillances apparues après la fin de l'essai.
• L'écart entre le meilleur site et la moyenne de l'ensemble des sites.
• L'effet des changements de saison, d'appareil ou de source de données.
• Le nombre d'utilisateurs ayant cessé d'utiliser le système.
• Le coût du passage du système d'un prototype à un service stable.

On peut dire que le système a « réduit la consommation d'eau », sans préciser :

• Par rapport à quelle pratique ?
• L'usage de l'eau a-t-il diminué par hectare ou par tonne ?
• Le prélèvement total d'eau à la source a-t-il diminué ?
• La productivité et la qualité ont-elles été maintenues ?
• La saison a-t-elle été plus pluvieuse ?
• La superficie cultivée s'est-elle étendue ?
• Qu'est-il advenu de la consommation d'énergie ?
• Quel est le coût du système comparé à la valeur des économies ?

On peut aussi dire qu'une application est « pilotée par l'intelligence artificielle », alors qu'en réalité l'algorithme n'est qu'une petite partie d'un service dont le succès dépend de la qualité de la mesure, de la connectivité, de l'assistance, de la maintenance et de la réaction de l'utilisateur. Des signes qui justifient une pause Le jugement devrait devenir plus prudent lorsque l'un ou plusieurs des schémas suivants apparaissent :

• Un pourcentage sans dénominateur ni définition.
• Une exactitude sans description du jeu de test.
• Une comparaison avec un système faible ou avec aucune intervention du tout.
• Des images de succès sans présentation des erreurs.
• Un essai court présenté comme s'il s'agissait d'une exploitation durable.
• Un résultat de modèle présenté comme s'il s'agissait d'un impact économique.
• Une description du fournisseur présentée comme s'il s'agissait d'une évaluation indépendante.
• Le mot « économie » sans indication de la consommation totale.
• Le mot « instantané » sans temps de réponse mesuré.
• « Multilingue » sans test de la compréhension de l'utilisateur.
• « Interprétable » sans préciser ce qui est expliqué et à qui.
• « Sûr » sans définir l'état sûr ni le plan de réponse à la défaillance.

Une démonstration prouve que le système a été capable de fonctionner une fois dans des conditions choisies. Un service agricole, en revanche, prouve qu'il peut fonctionner lorsqu'il ne choisit pas lui-même les conditions.

10. Les éléments de preuve requis sont proportionnés au risque de la décision

Toute fonction numérique n'exige pas le même degré de preuve. Rappeler à un utilisateur une date d'inspection de culture ne comporte pas les conséquences d'une recommandation chimique ou d'une décision de crédit. Mais le faible coût de l'application ne réduit pas les conséquences d'une erreur si la décision est sensible.

Remarque : Ici, la situation de référence désigne la référence à laquelle est comparée la performance du système d'intelligence artificielle pour déterminer s'il a apporté un bénéfice réel. Dire que le système a « bien fonctionné » ne suffit pas si nous ne savons pas : bien par rapport à quoi ? La situation de référence peut être l'une ou plusieurs des suivantes :

• La pratique actuelle avant l'utilisation du système : comme la méthode habituelle de l'agriculteur pour estimer le moment de l'irrigation ou trier la récolte.
• Les résultats d'une saison ou d'une période antérieure : comme le rendement moyen de la parcelle au cours des saisons précédentes, tout en tenant compte des différences de conditions.
• Une méthode simple sans intelligence artificielle : comme un calendrier d'irrigation fixe, une règle agronomique claire, ou une moyenne historique.
• Une estimation par un expert humain : comme la prévision de rendement de l'ingénieur agronome ou le résultat d'un tri manuel.
• Un modèle conventionnel existant : si le projet remplace un système ou un modèle déjà en usage.

Exemple : prédiction de rendement Si un modèle d'intelligence artificielle prédit le rendement d'une culture, il ne suffit pas de dire que sa prédiction était proche du résultat réel. Elle devrait être comparée, par exemple, au rendement moyen de la parcelle au cours des années précédentes, ou à la méthode d'estimation actuellement utilisée par l'ingénieur agronome. Si le modèle n'est pas meilleur que cette situation de référence simple, ou ne fournit pas sa prédiction à un moment plus approprié, son utilité peut ne pas justifier le coût de la collecte des données et de l'exploitation du système. Exemple : planification de l'irrigation Si le système recommande le moment et la quantité d'irrigation, la situation de référence est le calendrier d'irrigation habituel, ou la décision de l'agriculteur fondée sur l'observation et l'expérience, ou une règle d'orientation approuvée. Les résultats sont ensuite comparés : le système a-t-il réduit la consommation totale d'eau et d'énergie ? A-t-il préservé le rendement et la qualité ? A-t-il réduit le stress hydrique ? Et le bénéfice a-t-il subsisté après prise en compte du coût des capteurs, de la connectivité et de la maintenance ? Exemple : tri des récoltes La situation de référence peut être le processus de tri manuel actuel. La comparaison ne se limite pas à la rapidité du système ; elle inclut aussi la proportion de produits classés incorrectement, la constance de la qualité, l'ampleur des dommages, le coût d'exploitation, et la capacité de l'ouvrier à examiner les cas ambigus. Exemple : maintenance Si le système émet des alertes précoces sur des défaillances de pompes ou d'unités de refroidissement, la situation de référence peut être le calendrier de maintenance de routine ou le nombre de défaillances et d'arrêts avant l'installation du système. Le but est de déterminer si les alertes ont effectivement réduit les temps d'arrêt et les pertes, et non seulement de savoir combien d'alertes l'application a produites. Ainsi, la situation de référence n'est pas un seuil minimal d'acceptation, ni un point de départ de programmation ; c'est plutôt une image documentée de ce qui se passait avant le système, ou de ce qu'une solution de remplacement plus simple peut atteindre. Sans elle, nous risquons d'attribuer à l'intelligence artificielle une amélioration causée par la météo, l'évolution des prix, l'expérience des ouvriers, ou les différences entre saisons. Si le terme technique est conservé dans le tableau, la formulation la plus claire est : Vérification locale, comparaison à une situation de référence claire — c'est-à-dire à la pratique actuelle ou à une solution de remplacement simple —, suivi continu pendant l'exploitation, et mise à disposition d'un repli manuel sûr. Fonctions à faible risque Un plus grand degré de souplesse peut être accepté si l'erreur est facile à détecter et à annuler, et si l'outil n'exécute aucune action dommageable. Mais même ici, la plateforme ne doit pas dissimuler ses limites ni collecter des données dont elle n'a pas besoin. Fonctions à risque moyen Elles exigent une comparaison à une situation de référence réaliste, des tests sur des données locales et dans des conditions locales, et une compréhension de ce qui se passe si le système défaille ou si la connexion est interrompue. La recommandation peut ne pas être dangereuse en elle-même, mais elle peut devenir coûteuse si elle est utilisée sur une vaste étendue. Fonctions à risque élevé Elles ne doivent pas passer directement de la prédiction du modèle à l'exécution. Elles exigent :

• identifier la personne autorisée à approuver.
• montrer la source et les limites.
• empêcher une réponse lorsque les données sont insuffisantes.
• consigner la recommandation et l'intervention humaine.
• prévoir une voie d'escalade.
• tester le mode sécurisé.
• distinguer l'information générale du jugement professionnel ou juridique.

Fonctions réglementées par la loi L'algorithme ne doit pas remplacer l'étiquette officielle, l'autorité compétente, le vétérinaire ou l'ingénieur agréé. Il peut aider à recueillir des informations, à retrouver des documents et à signaler des incohérences, mais il ne peut conférer ni enregistrement légal ni autorité professionnelle qu'il ne possède pas. La règle directrice est que le degré de vérification et de supervision doit croître avec la conséquence de l'erreur et la difficulté de la réparer.

11. Trois études de cas dans la lecture des éléments de preuve

Les cas suivants sont des exemples pédagogiques analytiques, et non les résultats de nouvelles expériences. Leur but est de montrer comment appliquer la méthode du chapitre. Premier cas : une application téléphonique pour classer une maladie des plantes L'application affiche une image de la feuille et renvoie le nom d'une maladie possible ainsi qu'un indice de confiance. Une lecture rapide dirait : l'application diagnostique la maladie. Une lecture rigoureuse, en revanche, décompose l'affirmation :

1. Le modèle reconnaît-il un motif visuel au sein de classes définies, ou fournit-il un diagnostic causal complet ?
2. Le jeu d'images est-il représentatif des variétés et de l'environnement ciblés ?
3. A-t-il été testé sur des images prises au téléphone en plein champ ?
4. Peut-il détecter que le cas se situe hors des classes d'entraînement ?
5. Demande-t-il des informations sur l'âge de la plante, sa localisation et la propagation des symptômes ?
6. Que fait-il lorsque la confiance est faible ?
7. Affiche-t-il des sources officielles ?
8. Propose-t-il un traitement, et qui l'approuve ?
9. Distingue-t-il le nom de la maladie, sa gravité et le stade de sa propagation ?
10. L'utilisateur peut-il corriger le résultat et l'envoyer pour examen ?

L'application peut être très utile pour trier les images et repérer les cas qui méritent une inspection, sans se substituer au diagnostic professionnel. Décrire la fonction avec exactitude n'en diminue pas la valeur ; cela empêche plutôt son usage dans un contexte pour lequel elle n'a pas été conçue. Deuxième cas : un système qui revendique une économie de 30 % d'eau d'irrigation Supposons, pour les besoins de l'analyse, qu'une plateforme revendique une réduction de 30 % de l'eau d'irrigation. Avant d'accepter cet énoncé, il faut demander :

• Le pourcentage est-il par hectare, par tonne, ou pour l'exploitation dans son ensemble ?
• Quelle est la situation de référence : un calendrier fixe, la pratique de l'agriculteur, ou un autre système ?
• La superficie est-elle restée constante ?
• La saison était-elle comparable en pluviométrie et en température ?
• La productivité et la qualité sont-elles restées inchangées ?
• La consommation d'eau a-t-elle été déplacée vers une autre étape ?
• Qu'est-il advenu de l'énergie de pompage ?
• Le résultat incluait-il les jours d'interruption ?
• Combien ont coûté les capteurs, la connectivité et la maintenance ?
• L'économie s'est-elle maintenue au-delà d'une saison ?

Si l'usage de l'eau par tonne diminue alors que la superficie cultivée s'étend, le prélèvement total peut augmenter. Si l'usage de l'eau a baissé parce que la saison a été plus pluvieuse, le résultat n'est pas entièrement attribuable au système. Et si l'économie a été obtenue au prix d'une forte baisse de qualité, le résultat peut être économiquement inacceptable. Le pourcentage ne doit pas être écarté, mais il est incomplet sans son dénominateur, sa situation de référence et les résultats qui l'accompagnent. Troisième cas : un assistant de conseil agricole génératif L'assistant répond, en langage naturel, à une question relative à une maladie, à l'irrigation ou à la fertilisation. Son succès ne se mesure pas à la seule élégance de la phrase. Il convient d'examiner les points suivants :

• A-t-il compris la culture, la région et le stade ?
• A-t-il récupéré une référence récente issue d'une source fiable ?
• A-t-il restitué avec exactitude les conditions posées par la source ?
• A-t-il confondu deux pays ou deux homologations légales ?
• A-t-il distingué la probabilité du diagnostic ?
• S'est-il abstenu d'inventer la dose ou le délai avant récolte ?
• A-t-il demandé les informations manquantes ?
• A-t-il transmis le cas à un spécialiste lorsque c'était nécessaire ?
• Les données de l'exploitation sont-elles restées protégées ?
• L'utilisateur peut-il voir la source, contester la réponse et la corriger ?

L'assistant peut exceller à expliquer des probabilités, à rassembler des questions et à organiser les éléments de preuve, tout en devenant dangereux lorsqu'il fournit un chiffre sensible avec une assurance qu'il ne peut justifier. La maturité, ici, ne signifie pas répondre à tout ; elle signifie savoir quand une réponse est utile et quand l'orientation vers un spécialiste est la réponse responsable.

12. Le protocole du lecteur avant d'accorder sa confiance à une affirmation agricole numérique

Les questions suivantes peuvent servir à la lecture d'une étude, d'une présentation de produit ou d'un chapitre de ce livre :

1. Quelle est la tâche agricole précise ?

S'agit-il de détection, de classification, de prédiction, de recommandation, de contrôle ou d'exécution ?

2. De quel type d'affirmation s'agit-il ?

Porte-t-elle sur l'existence du produit, sur une fonctionnalité, sur une performance technique, ou sur un impact agricole et économique ?

3. Qui a émis l'affirmation, et qui l'a évaluée ?

Celui qui parle est-il le développeur, un organisme indépendant, des chercheurs ou des utilisateurs ?

4. Quelle est la source des données ?

Et quels sont la culture, la région, la saison, l'appareil et l'unité d'échantillonnage ?

5. Quelle est la situation de référence ?

Le système a-t-il été comparé à la pratique courante, à un expert, à une règle simple, ou à l'absence d'intervention ?

6. Quel est l'indicateur ?

Que mesure-t-il, que ne mesure-t-il pas, et est-il adapté à la conséquence de l'erreur ?

7. Y a-t-il eu une validation indépendante ou locale ?

Ou le résultat reste-t-il confiné aux données du développeur ou à l'étude d'origine ?

8. Quel type d'erreur est le plus dangereux ?

Et qui en supporte le coût ou le préjudice ?

9. Le résultat arrive-t-il à temps ?

Et l'utilisateur peut-il réellement agir en conséquence ?

10. Que se passe-t-il en cas de défaillance ?

Que se passe-t-il si le réseau tombe, si le capteur défaille, ou si un cas inconnu se présente ?

11. Le résultat final s'est-il amélioré ?

Après prise en compte du rendement, de la qualité, de l'eau, de l'énergie, de la main-d'œuvre, du coût et du risque ?

12. Qu'est-ce qui requiert une validation locale avant de s'y fier ?

Et quelles limites d'usage doivent être déclarées ?

Une fois les réponses données, l'affirmation peut être rangée dans l'un de quatre états :

• Étayée dans un contexte connu : utilisable dans les limites déclarées.
• Prometteuse et nécessitant une validation locale : les éléments de preuve sont bons, mais la transférabilité n'a pas été démontrée.
• Décrite par son fournisseur : nous savons ce que le fournisseur affirme, mais nous ne disposons pas encore d'une évaluation indépendante suffisante.
• Insuffisante pour fonder la décision : les éléments de preuve sont incomplets, inadaptés, ou disproportionnés au regard du risque d'usage.

Le quatrième état ne signifie pas que la technologie est sans valeur ; il signifie plutôt que l'écart entre le potentiel et une confiance justifiée n'a pas encore été comblé.

Résumé du chapitre

Une connaissance ne devient pas digne de confiance parce que sa source porte un nom célèbre, pas plus qu'une application ne devient mûre parce que son modèle a obtenu un score élevé. La confiance se construit lorsque nous savons ce qui a été mesuré, sur quelles données, face à quel comparateur et dans quelles conditions ; puis lorsque nous retraçons le chemin qui va de la performance du modèle au fonctionnement du système, de la recommandation à l'action, et de l'action à ses effets sur le champ, l'économie et le bien-être humain.

Un chiffre peut être exact au sein de son étude, le produit peut exister sur le marché, et l'algorithme peut être avancé dans sa conception, sans qu'aucun de ces éléments ne suffise à prouver que la décision est devenue meilleure sur une exploitation donnée. C'est ici que la méthode remplit son office : non pas ternir la promesse de la technologie, mais la transformer d'un émerveillement rapide en une connaissance vérifiable, et de cette connaissance en une décision défendable. La rigueur scientifique ne demande pas à chaque application de tout prouver dès son premier jour. Elle lui demande de déclarer ce qu'elle a effectivement prouvé, de distinguer le niveau qu'elle a atteint de celui auquel elle aspire, et d'accroître le degré de validation chaque fois que la conséquence de l'erreur s'élève. Lorsque le lecteur apprend à interroger la tâche, l'indicateur, le contexte, l'erreur, la maturité, la transférabilité et l'impact, il n'est plus captif du chiffre le plus élevé ou de la présentation la plus léchée. Il devient capable de distinguer un modèle qui a réussi lors des tests, un système qui a pu fonctionner, une application qui a changé la décision, et une technologie qui a prouvé mériter sa place dans l'agriculture.

Notes sur les éléments de preuve

les sections un et deux décrivent la manière dont ce livre a été construit et dont ses affirmations ont été disciplinées. [SRC004] a servi d'exemple de revue systématique publiée, et non à conférer son statut méthodologique au présent travail. [SRC006] a été utilisé pour préciser que le coefficient de détermination est limité au protocole de l'étude et ne doit pas être converti en un « pourcentage d'exactitude » général, et [SRC012] comme exemple de la nécessité de cantonner les résultats computationnels aux expériences dont ils proviennent et de ne pas les transformer en une garantie commerciale ou de terrain. La discussion du risque, de la supervision et du cycle opérationnel s'appuie sur le cadre de gestion des risques liés à l'IA [SRC033]. L'échelle de maturité, les fiches d'évaluation, les niveaux de risque et les études de cas constituent une synthèse pédagogique éditoriale destinée à aider le lecteur à évaluer les éléments de preuve ; ils ne sont ni une norme réglementaire officielle ni les résultats de nouvelles expériences menées pour ce livre.