Leading image

L’intelligence artificielle pour adapter l’offre à la demande

Dossier : Intelligence artificielle et agriculture

L’entreprise nigériane Foodlocker utilise l’IA pour prévoir la demande en produits agricoles et aider les agriculteurs à déterminer ce qu’ils doivent produire, en quelles quantités et à quelle période.

© Foodlocker

Une start-up nigériane fait appel à l’intelligence artificielle pour garantir des débouchés aux petits exploitants agricoles et améliorer les pratiques d’approvisionnement des grands acheteurs.

Foodlocker, un groupement nigérian de grossistes en produits alimentaires et en épicerie, utilise l’apprentissage profond (une branche de l’Intelligence artificielle, IA) pour prévoir la demande en produits agricoles et en biens de consommation. L’apprentissage profond fait appel à plusieurs couches d’algorithmes, appelés “réseaux neuronaux”, et à de grandes quantités de données afin de permettre à des ordinateurs de résoudre des problèmes complexes : plus ces algorithmes apprennent, plus les ordinateurs sont performants.

Lancée en 2017, Foodlocker évalue, avec l’apprentissage profond et par l’intermédiaire de sa plateforme de commerce en ligne, la demande de ses clients (transformateurs de produits alimentaires, exportateurs, hôtels, restaurants, bars et détaillants) en riz, igname, légumineuses, volaille, condiments, huiles de cuisson, céréales, boissons, etc. L’entreprise offre gratuitement, via les téléphones mobiles et des agents de terrain, ces informations aux petits exploitants agricoles qui travaillent avec elle, et les aide à circonscrire les incertitudes concernant ce qu’ils doivent produire, en quelles quantités et à quelle période.

De plus, les agriculteurs reçoivent de Foodlocker des garanties d’achat qui précisent les quantités et les tarifs des marchandises. “J’ai commencé en produisant 100 kg de poulet pour Foodlocker”, se souvient Emperor, un aviculteur. “Aujourd’hui, la demande frôle 1,8 tonne par mois. Pour y répondre, j’ai étendu mon activité et conclu des partenariats avec d’autres agriculteurs.”

“L’apprentissage profond nous permet d’anticiper et de prévoir la demande, mais aussi d’établir les plannings de production, d’influencer les programmes de production des petits exploitants et d’effectuer des achats rationnels afin de répondre à la demande attendue”, explique Jennifer Okoduwa, cofondatrice de Foodlocker. Pour les grands acheteurs de denrées et de produits alimentaires, l’apprentissage profond permet à Foodlocker de garantir la régularité des prix et la disponibilité de produits de bonne qualité.

“Nous fournissons également des intrants, l’accès à des variétés à haut rendement ainsi qu’une aide à l’agrandissement par le biais de nos partenaires”, poursuit Jennifer Okoduwa. “Les agriculteurs subissent ainsi moins de pertes, augmentent leur production et se sentent davantage encouragés à produire.” Foodlocker récupère les produits frais récoltés dans les fermes et les livre aux grands acheteurs qui ont passé des précommandes. Foodlocker fournit aussi des services logistiques et des infrastructures d’entreposage frigorifique, et soumet les produits des petits exploitants à une transformation primaire les rendant aptes à être vendus à d’autres acheteurs par l’intermédiaire de la plateforme de commerce en ligne de l’entreprise, entre autres.

“Étant donné la périssabilité des aliments et les difficultés posées par les infrastructures en Afrique, l’apprentissage profond nous confère un réel avantage par rapport aux entreprises qui se contentent de faire du commerce en ligne”, ajoute Jennifer Okoduwa. “Notre objectif est de passer des actuels 600 petits exploitants fournisseurs à plus de 20 000 fournisseurs d’ici à dix ans”, conclut-elle.

En septembre 2019, Foodlocker a remporté le prix Pitch AgriHack, catégorie Analyse de données, décerné par le CTA. En plus d’une subvention de 10 000 €, Foodlocker bénéficiera d’un soutien technique qui l’aidera à mieux exploiter l’IA et à développer ses activités.