Organisé par l’Institut de convergence CLAND, et l’université de Paris-Saclay, le premier Challenge Crop Data Challenge s’est déroulé cette année.
Ce challenge vise à comparer les performances de méthodes statistiques et d’apprentissage automatique pour prédire les rendements agricoles et à promouvoir les échanges de connaissances autour des méthodes de prédiction pour l’enseignement et les applications agricoles. Deux challenges étaient proposés, l’un sur le blé, l’autre sur le maïs.
L’objectif de ce challenge est de développer des approches numériques permettant d’anticiper les rendements du mais en France. Le fait de disposer de prédictions fiables en amont de la récolte offre la possibilité aux opérateurs économiques régionaux de mieux planification des récoltes, gérer les stocks et optimiser leurs contrats (achats et ventes de grains).
Les prédictions de rendement constituent également une information stratégique utilisée par les acteurs opérants sur les marchés internationaux. Des prédictions de récoltes abondantes ou, au contraire, des prédictions de pertes importantes, peuvent fortement impacter les cours des marchés agricoles mondiaux.
Amine Chemchem, post-doctorant dans le cadre de la chaire C2I2 du CReSTIC de l’université de Reims Champagne-Ardenne, a notamment participé au challenge Crop Data Challenge 2018 : Prédiction des rendements agricoles.
Comme l’indique l’Université de Reims Champagne-Ardenne, Amine Chemchem a proposé une approche originale reposant d’une part sur la méthode des forets aléatoires, et d’autre part, sur la puissance de calcul offerte par le centre de calcul régional ROMEO de l’université de Reims Champagne-Ardenne. En tirant parti du serveur NVIDIA DGX1 dédié aux applications de l’Intelligence Artificielle, le post-doctorant du CReSTIC a obtenu une précision égale à 84%, ce qui lui a permis d’obtenir la première place dans la catégorie « Professionnel ».
Le prix lui sera remis par le Réseau Mixte Technologique « Modélisation et analyse de données », via l’ACTA. De plus, il obtient la troisième place pour la prédiction de perte de rendement du blé.
