Dans le cadre de la rédaction de The Immaculate Conception of Data, mon livre sur le big data et l'IA dans l'agriculture, j'ai passé des années à étudier des personnes intelligentes qui tentent de résoudre des problèmes environnementaux et autres dans le système alimentaire à l’aide de technologies numériques. Une des personnes que j'ai interrogées, qui est responsable du volet " d'agriculture de précision " d'une société de TIC bien connue, a affirmé que " l'agriculture guidée par les données permet aux agriculteurs de produire plus de nourriture, de manière plus intelligente ".
L'agriculture de précision est appelée ainsi parce que certains pensent que les décisions de gestion des agriculteurs seront optimisées et plus précises si elles sont éclairées par les résultats d'algorithmes auto-apprenants qui analysent de grands volumes de données (ou big data). On sait maintenant de manière incontestable que l'agriculture industrielle, à forte intensité chimique, contribue à des émissions notables de gaz à effet de serre, que les produits chimiques agricoles ont des effets connus sur l'environnement et que des personnes comme ce scientifique espèrent qu'une approche axée sur les données conduira à une utilisation plus ciblée et plus judicieuse du carburant et d'engrais.
Je ne rejette pas cet espoir qu'un avenir agricole numérisé soit plus durable, du moins pas entièrement. Cependant, je doute que les données - quelle que soit leur quantité - et les machines intelligentes constituent la meilleure voie vers un système alimentaire mondial durable.
Voici quatre raisons :
- LA PARTIALITÉ. La plupart d'entre nous savent maintenant que les systèmes basés sur des données Internet sont biaisés, grâce à des livres comme Algorithms of Oppression de Safiya Noble, mais c'est moins évident avec les données environnementales. De la même manière que nous pourrions dire qu'un algorithme de triage par sexe est biaisé s'il est programmé pour trier les femmes des hommes (parce que cela reproduit une vision binaire du sexe), l'agriculture de précision commerciale fournit une vision biaisée de l'agriculture vers la production de cultures de base et d'aliments à forte intensité de capital. La plupart des données agricoles sont recueillies sur une sélection étroite de produits agronomiques, telles que le maïs, le canola et le soja. Ce choix est logique d'un point de vue économique, car les agriculteurs qui cultivent ces récoltes représentent un véritable "marché" pour des outils tels que les machines et les produits chimiques, et parce qu'ils ont les moyens de payer pour des conseils "axés sur les données". Les petites exploitations paysannes dominent dans le monde, et elles ont tendance à être plus riches en biodiversité et à fournir des services essentiels à l'écosystème. Cependant, rien n'incite actuellement les innovateurs privés à se concentrer sur les données et les systèmes numériques destinés aux exploitations les plus durables, c'est-à-dire celles qui n'ont pas les moyens de s'offrir des technologies coûteuses.
- LE MANQUE DE PREUVES. En raison de la fracture numérique décrite ci-dessus, la Banque mondiale imagine que la "révolution numérique" prévue dans l'agriculture aura un aspect différent dans le sud du monde - elle se produira au moyen smartphones plutôt que par des tracteurs agricoles de précision coûteux et d’une IA complexe. Il est vrai qu'il existe des projets philanthropiques intéressants dans le sud du monde, de sorte qu'il est facile de se laisser emporter par la frénésie de ce qui est brillant et nouveau. Mais à l'heure actuelle, il n'y a pas de preuve concrète et empirique qu'une technologie numérique surpasse les techniques agricoles éprouvées qui sont connues pour générer une production alimentaire durable, comme l'agroécologie, les cultures intercalaires, les cultures de couverture et la rotations de cultures prolongés. Même dans la littérature académique, il y a plus de grandes affirmations que de preuves tangibles (essais sur le terrain sur plusieurs années), du moins à l'heure actuelle.
- LE MANQUE DE SURVEILLANCE. Il est impossible d'évaluer précisément les modalités des plateformes de big data disponibles sur le marché qui aident les producteurs de matières premières à prendre des décisions (appelées "systèmes d'aide à la décision"), car elles sont protégées par des outils juridiques tels que les lois sur la propriété intellectuelle et le secret commercial. Ces technologies constituent ce que Frank Pasqual, spécialiste du droit numérique, appelle une "boîte noire pernicieuse". Comme pour Facebook, Google et Amazon, ni les ensembles de données des entreprises ni les processus d'IA par lesquels elles traduisent les données en conseils ne sont transparents. Les entreprises justifient le contrôle strict des données comme un moyen de protéger les consommateurs contre les atteintes à la vie privée et les actions néfastes des pirates informatiques. Tout comme pour les entreprises de médias sociaux, il n'existe pas de contrôle institutionnel démocratique sur le big data agricole (et encore moins de réglementation autour des données agricoles). Comme pour les données Internet, il est probable que seuls le temps et les recherches des chiens de garde permettront de découvrir d'éventuels abus, qui seront péniblement réglés par l'opinion publique.
- L'AGGRAVATION DES INÉGALITÉS. Si l'on aborde les problèmes environnementaux liés à la production alimentaire sous l'angle de la justice environnementale et que l'on se penche sur l'histoire de l'agriculture (même au tout début), de nombreux éléments indiquent que l'injustice sociale est liée aux dommages environnementaux. Et l'agriculture basée sur les données montre des signes d'exagération plutôt que de réduction des inégalités dans le système alimentaire. L'une des plus grandes sources de données agricoles est constituée par les capteurs intégrés aux machines agricoles de "précision". Les spécialistes des données des entreprises John Deere ou Bayer/Monsanto regroupent et "exploitent" ces données pour en tirer des informations qu'ils revendent ensuite à l'agriculteur. Si les agriculteurs qui achètent ces informations tirées des données en tirent probablement des avantages (voir le point 2 ci-dessus), les entreprises en tirent des avantages évidents et potentiellement incommensurables. D'une part, les informations et les bases de données sont des sources de profit pour les entreprises privées. Compte tenu de ce qui précède (n° 3), nous ne pouvons à ce stade que déduire l'usage que les entreprises agroalimentaires pourraient faire de ces données. Il est probable que les entreprises qui recueillent des données auprès des exploitations agricoles sur les conditions météorologiques et la pression exercée par les parasites seront en mesure de prédire quels produits sont les plus nécessaires à tel ou tel endroit, puis d'utiliser ces informations pour pour maximiser leurs profits. Depuis des années, les entreprises qui fournissent des semences et des produits chimiques aux agriculteurs ont recours à la discrimination par les prix, en fixant de manière sélective des prix plus élevés pour les intrants dans les groupes démographiques ou les régions qui en dépendent. Ainsi, les grandes données agricoles pourraient renforcer l'avantage commercial des grandes entreprises agroalimentaires.
Une autre voie vers la durabilité consiste à se diversifier. Favoriser une plus grande diversité dans notre système alimentaire - tant en termes d'économie politique qu'en termes de biodiversité - est l'idée véritablement révolutionnaire. Je pense que la transition vers la durabilité dans l'agriculture exige une redistribution fondamentale du pouvoir de décision, d'un petit nombre d'entreprises à un groupe plus large de citoyens, et d'un succès mesuré uniquement en termes de gains économiques à un succès mesuré par les principes de la justice alimentaire et climatique.