|

La conception de systèmes de production agricoles assistée par modèle (1/2)

La conception assistée par modèle accompagne la diffusion de pratiques innovantes au sein des projets de développement agricole depuis plus de 25 ans.

La question de l’innovation à l’échelle de l’exploitation agricole

Les agriculteurs sont poussés à innover pour faire face à une concurrence internationale et la grande incertitude de leur environnement naturel, social, politique et économique. L’innovation n’est pas nécessairement l’achat d’une machine plus performante, ou une course à l’agrandissement. L’innovation n’est plus pensée comme un objet ou une pratique isolés, mais comme l’intégration d’un outil, d’une variété ou d’une pratique au sein du système de production. Ce n’est pas un phénomène isolé, mais bien une modification du fonctionnement du système qui peut se faire à différents niveaux : stratégique, tactique ou opérationnel (Le Gal et al., 2011). Cette modification de fonctionnement du système peut nécessiter ou provoquer des changements à d’autres niveaux du système agraire, dans les filières amont et aval, au niveau des politiques, etc.

Au sein du système de production, l’innovation est la recherche de moyens techniques, managériaux et sociaux pour améliorer les résultats des systèmes de production (Woodward et al., 2008). Pour ce faire, au delà de la definition d’un paquet technique à diffuser largement aux producteurs, il s’agit d’identifier les bons interlocuteurs et de comprendre comment l’élément innovant peut s’inscrire dans leur système, dans leur objectif comme dans leurs contraintes. Par exemple, une pratique économique en pesticides pourra être économiquement intéressante quand elle est considérée isolément, mais elle ne pourra s’inscrire dans le système d’un producteur car elle nécessitera un surplus de main-d’oeuvre à un moment où cette ressource est déjà saturée. Et, comme toujours en agriculture, ce sont les pointes de travail les plus chargées et les plus contraignantes qui limitent, de fait, le développement des nouveaux systèmes (Mazoyer et Roudart, 2002). Innover par essais-erreurs est une pratique longue et coûteuse, surtout si elle est menée sur des systèmes réels ou partiels. La modélisation, permettant de travailler sur des systèmes virtuels mais suffisamment fidèles à ceux de la réalité, prend alors tout son sens pour accompagner les producteurs dans la conception, l’évaluation et la mise en oeuvre de pratiques innovantes dans leur ferme (Sempore et al., 2015).

Dans l’économie actuelle, la conception de nouveaux moyens de production (machines, engrais, produits phytosanitaires, variétés) est aujourd’hui prise en charge par des firmes multinationales ou des centres de recherche (Mazoyer et Roudart, 2002). Les producteurs doivent souvent adapter leurs pratiques et leur environnement à des innovations standardisées. La conception assistée par modèle, capable de prendre en compte les pratiques sans cesse changeantes des producteurs, peut aider à identifier et construire avec ceux-ci les innovations qui leur seront le plus utile.

Différentes approches de modélisation à l’échelle de la ferme

Si de nombreux outils d’aide à la décision se focalisent sur le niveau opérationnel, celui de la gestion de l’exploitation (Glen, 1987), rares sont ceux qui s’intéressent aux décisions stratégiques (McCown, 2002). Pourtant, Le Gal et al. (2009) pointent l’importance de fournir aux producteurs ou à leurs conseillers des outils permettant l’évaluation ex-ante d’innovations sur les systèmes de production.

Au-delà de la réponse à une question, à une problématique précise, les outils d’aide à la décision à l’échelle de la ferme accompagnent la prise de recul et la montée en compétences des producteurs. Construire et utiliser un outil d’aide à la décision amène les producteurs à organiser leur connaissance sur le fonctionnement de leur système de production, à générer de nouvelles idées sur le fonctionnement du système et à prédire le comportement du système en réponse aux interventions proposées (Woodward et al., 2008).
Dans leurs revues de la littérature, Le Gal et al. (2011), Sempore et al. (2015) et Woodward et al. (2008) distinguent plusieurs approches de modélisation selon les objectifs poursuivis.

  • Les modèles de simulation mathématique sans optimisation, souvent fondés sur des modèles biophysiques, permettent de tester l’impact d’une stratégie sur les principaux indicateurs de production. Ils sont très flexibles et sont fréquemment utilisés pour évaluer l’intérêt d’une innovation technique ou organisationnelle sur la ferme (Andrieu et al., 2012; Rodriguez et al., 2014). Microsoft Excel est souvent utilisé pour ces modèles, comme dans Martin et al. (2011) afin de faciliter l’appropriation par les utilisateurs et ainsi la diffusion des outils développés.
  • Les modèles fondés sur des règles de décision (rule-based models) exploitent les causalités mises en évidence sur la ferme. Le modèle se construit sur des décisions en « si condition alors action ». Leur simplicité est leur grand avantage. Ils sont faciles à construire et à faire évoluer avec les producteurs qui se les approprient et s’y fient facilement (Andrieu et Nogueira, 2010; Moreau et al., 2013). Ils trouvent leurs limites quand le modèle devient très combinatoire (de nombreuses conditions et actions entremélées).
  • Enfin, les modèles d’optimisation sont basés sur des modèles de programmation mathématique optimisant une fonction objectif (le plus souvent la maximisation du profit ou du revenu net) ou la minimisant (des charges, des coûts de production), sous un certain nombre de contraintes (Soto-Silva et al., 2016). La programmation linéaire est l’outil de modélisation le plus communément utilisé pour optimiser les systèmes de production. Il consiste à représenter un système comme une combinaison d’activités sous forme de fonctions et d’équations linéaires. Très utilisés dans l’industrie, les modèles ont eu relativement peu d’effet dans le domaine agricole, du fait de leur complexité de mise en oeuvre et de la difficulté que les producteurs peuvent avoir à comprendre leur fonctionnement.

Publications similaires