Laboratory of Advanced Technology and Intelligent Systems

News

  • Home
  •   
  • News
  •   
  • Proposition de sujet de thèse
Proposition de sujet de thèse

Big Data et Intelligence Artificielle pour une Agriculture Intelligente

 

Directeur de thèse : J. Ben Hadj Slama (LATIS/ENISo)

Contact : bhslama@yahoo.fr

 

L'agriculture est un secteur économique essentiel et reste le premier secteur d’activité dans de
nombreux pays. La Tunisie est un des leaders mondiaux dans la culture de certains produits
agricoles (olives, dattes, oranges,...). Cependant, nous sommes aujourd'hui confrontés à un
nouveau défi, lié aux changements climatiques, qui provoquent des sécheresses majeures, des
inondations, l'avancement des zones désertiques. De même, de grandes quantités de cultures
sont endommagées dans les champs à cause d'attaques bactériennes et du manque de ressources
d'informations et d’expertises.
Dans ce contexte, les technologies de l’information et de la communication (TIC) peuvent
apporter des solutions innovantes et intéressantes pour adapter les interventions agricoles aux
besoins des cultures
Dans ce projet de thèse, nous proposons en premier lieu, de mettre en oeuvre une plateforme
basée sur des algorithmes parallèles et distribués permettant le stockage des données massives
récupérées à partir de capteurs installés dans des sites agricoles. Par la suite, nous chercherons à
développer un système expert permettant l’analyse des données pour déterminer les actions à
effectuer dans le but d’atteindre les objectifs d’amélioration de la productivité agricole tout en
optimisant les coûts relatifs aux ressources en eau, en énergie et en traitements. Les choix
optimaux ne seront atteints que si on prend en considération à chaque instant, les conditions
climatiques actuelles et futures et l’évolution de l’offre et de la demande pour chaque produit
agricole considéré. A cet effet, différents modèles de prévision seront développés, mis en oeuvre
et testés dans ce contexte très mouvementé.
Interpréter, analyser les données collectées avec des méthodes manuelles peut s'avérer difficile,
voire impossible. Nous proposons d’explorer, en troisième partie, plusieurs approches et
techniques, pour extraire des informations utiles des grandes quantités de données des années
précédentes relatives aux coûts d’exploitation aux quantités produites et aux prix de vente au
niveau des marchés de gros. Ceci permettrait par exemple de déterminer pour chaque période de
l’année, les variétés de produits agricoles les plus rentables pour chaque zone géographique et
ceci dans un contexte de marché libre Offre-Demande.


Mots clés : Agriculture Intelligente, Big Data, outils de prévision, Intelligence artificielle.