LAIRG – IA pour le comptage du bétail et les émissions de GES

Apercu

Le secteur de l’élevage en Ouganda contribue de manière significative aux émissions de gaz à effet de serre du pays, mais reste mal compris. Les enquêtes manuelles traditionnelles sur le bétail sont lentes, coûteuses et incomplètes, laissant les décideurs sans les données nécessaires pour concevoir des interventions climatiques efficaces. Dans un pays où l’élevage soutient les moyens de subsistance de millions de personnes, l’absence d’estimations fiables des émissions a rendu presque impossible le respect des engagements climatiques nationaux et continentaux.

Le projet utilise des vidéos et images capturées par drones, traitées par des algorithmes d’IA avancés YOLO V4 pour la détection et SORT pour le suivi afin de détecter, compter et classifier le bétail en quasi-temps réel. Le système estime automatiquement les émissions de GES par type de système agricole, générant des données granulaires et évolutives que les méthodes manuelles ne peuvent produire. Conçu sur du code open-source et développé en partenariat avec les communautés locales via une approche participative d’extension agricole, la solution est transparente, reproductible et appartient aux communautés qu’elle sert.

Le projet contribue directement au Plan national de développement III de l’Ouganda, à l’Agenda 2063 de l’Union africaine et à l’ODD 13 sur l’action climatique, fournissant la base de preuves nécessaire pour des politiques ciblées de réduction des émissions du secteur de l’élevage. Au-delà des données, il forme une nouvelle génération de chercheurs compétents en IA : avec des exigences de formation inclusives sur le plan du genre intégrées dès le départ, le projet veille à ce que les avantages de l’IA en agriculture soient partagés équitablement. À mesure que le modèle se développe, il offre un cadre réplicable pour le suivi du bétail à travers l’Afrique subsaharienne, où l’agriculture climato-intelligente est urgemment nécessaire mais où les données restent limitées.