Aller au contenu

IA agricole : éthique, données et souveraineté

De Wiki Alseno
Encadré pratique
Niveau Tous niveaux
Matériel Aucun
Coût 0 F ; l'oubli de ces questions peut coûter cher plus tard

Les données d'une ferme (rendements, dates de semis, photos, position des parcelles, mesures de capteurs) ont de la valeur : pour le producteur, pour un fournisseur d'intrants, pour un acheteur, pour un service d'IA. Cette page aide à se poser les bonnes questions avant de les partager.

Qui possède les données de la ferme ?[modifier | modifier le wikicode]

En principe, le producteur : les données viennent de sa terre et de son travail. En pratique, cela dépend du contrat ou des conditions d'utilisation du service : certaines applications se réservent le droit d'utiliser, de vendre ou de croiser les données saisies. Avant de s'inscrire :

  1. Lisez qui garde les données, pour combien de temps et dans quel pays.
  2. Vérifiez si vous pouvez les récupérer (exporter) et les supprimer.
  3. Vérifiez si elles sont revendues ou partagées, même « anonymisées » : une parcelle précise s'identifie facilement.

Des cadres de référence existent : la politique des données de l'Union africaine[1] et, au Sénégal, la protection des données personnelles confiée à la Commission de protection des données personnelles[2].

Consentement[modifier | modifier le wikicode]

  • Une photo qui montre un visage, une maison ou un lieu précis est une donnée personnelle : demandez l'accord avant de la collecter ou de la publier.
  • Le consentement doit être libre, informé, et révocable : « si je refuse, je perds l'aide » n'est pas un vrai consentement.
  • Expliquez dans la langue des personnes concernées à quoi servent les données.

Dans ce wiki, aucune parcelle réelle d'une personne n'est publiée, et les exemples utilisent des valeurs fictives.

Souveraineté et dépendance[modifier | modifier le wikicode]

Un service d'IA hébergé à l'étranger pose des questions de dépendance : coût en devises, disparition ou changement de conditions du service, accès à Internet nécessaire. Réduire le risque :

  • préférer les formats ouverts (CSV) et garder une copie locale de ses données ;
  • privilégier les outils libres (Python, scikit-learn) dont on peut garder une version ;
  • garder des modèles légers fonctionnant sans Internet (voir TinyML).

Coûts cachés[modifier | modifier le wikicode]

Coût caché Exemple
Étiquetage des semaines pour étiqueter des photos de maladies
Maintenance ré-entraîner un modèle à chaque saison ou nouvelle variété
Abonnement une offre gratuite qui devient payante après l'adoption
Connexion et énergie données mobiles, recharge, panneaux solaires
Compétence former un technicien qui puisse corriger les erreurs
Erreurs un traitement mal dosé sur conseil faux

Biais et équité[modifier | modifier le wikicode]

Un modèle entraîné sur des exploitations de grande taille ou d'autres climats peut être moins bon pour une petite exploitation vivrière. Vérifiez sur qui et sur quelles données il a été testé. Veillez à ce que les bénéfices (conseil gratuit, prix) ne profitent pas seulement aux grandes exploitations.

Liste de contrôle avant d'adopter un outil d'IA[modifier | modifier le wikicode]

  • À quoi sert l'outil, pour qui, avec quelle précision mesurée au champ ?
  • Quelles données donne-t-on ? Peut-on les reprendre ?
  • Que se passe-t-il si le service s'arrête ou devient payant ?
  • Qui est responsable en cas de mauvais conseil ?
  • Y a-t-il un technicien pour vérifier ?

Voir aussi[modifier | modifier le wikicode]

Illustration : Assistants
Que ne pas saisir.
Illustration : Drones et vision
Vie privée.
Illustration : Introduction
Les bases.
Illustration : Retour au portail
Toutes les pages IA.

Notes et références[modifier | modifier le wikicode]