{"id":7476,"date":"2023-05-05T10:14:43","date_gmt":"2023-05-05T09:14:43","guid":{"rendered":"https:\/\/ksapa.org\/fr\/?p=7476"},"modified":"2025-12-03T15:42:02","modified_gmt":"2025-12-03T14:42:02","slug":"data-science-et-populations-vulnerables-inclusion-des-agriculteurs","status":"publish","type":"post","link":"https:\/\/ksapa.org\/fr\/data-science-et-populations-vulnerables-inclusion-des-agriculteurs\/","title":{"rendered":"Data science et populations vuln\u00e9rables : inclusion des agriculteurs"},"content":{"rendered":"\n<p><strong>Ksapa a con\u00e7u l&rsquo;initiative SUTTI et les solutions associ\u00e9es afin de permettre la transformation du premier kilom\u00e8tre des supply chains agricole : nous travaillons avec et pour les petits fermiers dans des programmes de moyenne et grande taille, en coop\u00e9rant avec des acteurs industriels et financiers, des autorit\u00e9s publiques, des organisations de la soci\u00e9t\u00e9 civile ou des universitaires dans plusieurs pays en Asie et en Afrique. \u00c0 cette fin, nous avons con\u00e7u une suite SUTTI digitale\u00a0 permettant de diffuser du contenu et des informations aux petits exploitants, mais aussi de collecter des donn\u00e9es aupr\u00e8s d&rsquo;eux afin de contr\u00f4ler notre impact social, \u00e9conomique et environnemental.\u00a0<\/strong><\/p>\n\n\n\n<p>La question de la mesure de l&rsquo;impact et donc de la qualit\u00e9 des donn\u00e9es d&rsquo;impact est dans ce cadre tout \u00e0 fait cl\u00e9 pour la r\u00e9ussite de ces projets:&nbsp;<\/p>\n\n\n\n<ul class=\"wp-block-list\">\n<li>Il nous faut monitorer et \u00e9valuer l\u2019impact social, \u00e9conomique et environnemental de nos programmes afin de nous assurer de leur bonne utilit\u00e9 et de pouvoir ajuster le tir si les objectifs d\u2019impact que nous poursuivons peinaient \u00e0 \u00eatre atteints : acc\u00e8s \u00e0 la formation professionnelle de qualit\u00e9 et \u00e0 la digitalisation, augmentation et diversification des revenus, inclusion sociale, impact sur l\u2019intensit\u00e9 carbone des cha\u00eenes d\u2019approvisionnement, etc.&nbsp;&nbsp;<\/li>\n\n\n\n<li>Les types de coalition organis\u00e9es autour de nos programmes n\u00e9cessitent une mat\u00e9rialisation de l\u2019impact positif que nous apportons, qui sera le ciment de ces coalitions sur le long terme, alors que les parties prenantes impliqu\u00e9es ont toutes des objectifs et des agendas diff\u00e9rents. Par exemple, nous travaillons au Sri Lanka avec les gouvernements sri lankais et fran\u00e7ais, le groupe Michelin, des experts dans divers domaines \u2013 agronomie, audit, IT, conseils juridiques, \u2026 &#8211; , des instituts de recherche, des universit\u00e9s, etc.&nbsp;&nbsp;<\/li>\n\n\n\n<li>Enfin, m\u00eame si les 600 millions de fermes de moins de 2 Ha font vivre fort probablement plus du quart de l\u2019humanit\u00e9, force est de constater que ce pan de la population mondiale constitue un r\u00e9el trou noir en mati\u00e8re de donn\u00e9es, celles-ci demeurant rares, \u00e9parses et rarement comparables pour \u00e9tablir et comprendre les profils et les fonctionnements de petits fermiers pourtant totalement essentiels \u00e0 l\u2019alimentation mondiale et aux cha\u00eenes de valeur agro-industrielles&nbsp;&nbsp;&nbsp;<\/li>\n<\/ul>\n\n\n\n<p>C\u2019est pour cette raison entre autres que nous avons con\u00e7u la solution digitale \u201cSUTTI Digital Suite\u201d, venant dans un format hybride en appui du d\u00e9ploiement en pr\u00e9sentiel de ces programmes :&nbsp;&nbsp;&nbsp;<\/p>\n\n\n\n<ul class=\"wp-block-list\">\n<li>pour diss\u00e9miner du contenu et des informations aux petits fermiers participants \u2013 e-learning, informations sur les prix ou les tourn\u00e9es de collecte, etc. -,&nbsp;&nbsp;&nbsp;<\/li>\n\n\n\n<li>mais \u00e9galement pour collecter des donn\u00e9es aupr\u00e8s de ces m\u00eames fermiers \u2013 profil initial, P&amp;L, geoplotting mais \u00e9galement enqu\u00eates r\u00e9guli\u00e8res&nbsp;&nbsp;&nbsp;&nbsp;<\/li>\n<\/ul>\n\n\n\n<p>Cette solution est notamment pens\u00e9e pour les environnements compliqu\u00e9s, avec peu d\u2019acc\u00e8s \u00e0 des terminaux r\u00e9cents, une connectivit\u00e9 limit\u00e9e ou des difficult\u00e9s de lecture : ainsi, la solution digitale SUTTI Digital Suite comprend une application fermiers multilingues, fonctionnant sur tous types de t\u00e9l\u00e9phone (pas seulement les smartphones), fonctionnant hors-ligne et utilisable par des personnes illettr\u00e9es.&nbsp;&nbsp;&nbsp;<\/p>\n\n\n\n<p>Elle comprend un outil de back-office pour administrer l\u2019ensemble, mais \u00e9galement un outil de reporting permettant de suivre l\u2019avancement du programme quotidiennement.&nbsp;&nbsp;<\/p>\n\n\n\n<h2 class=\"wp-block-heading\" id=\"h-le-comite-data-de-sutti\">Le comit\u00e9 Data de SUTTI<\/h2>\n\n\n\n<p>La difficult\u00e9 de collecter des donn\u00e9es dans un environnement complexe est multiple :&nbsp;<\/p>\n\n\n\n<ul class=\"wp-block-list\">\n<li>Tout d&rsquo;abord, il faut disposer de moyens permettant la collecte non seulement au niveau des organisations de la soci\u00e9t\u00e9 civile animant ces programmes, mais nous avons \u00e9galement fait le choix de les collecter directement aupr\u00e8s des petits fermiers, en d\u00e9veloppant nos solutions digitales. Collecte \u00e0 laquelle les fermiers participants sont naturellement sensibilis\u00e9s et form\u00e9s.&nbsp;&nbsp;<\/li>\n\n\n\n<li>Mais les donn\u00e9es collect\u00e9es peuvent comporter des incoh\u00e9rences, des manques, s\u2019appuyant sur des divergences d\u2019interpr\u00e9tation ou des erreurs de saisie, voire des strat\u00e9gies pour r\u00e9pondre en fonction d\u2019attentes projet\u00e9es.&nbsp;<\/li>\n\n\n\n<li>C\u2019est d\u2019autant plus difficile que les donn\u00e9es collect\u00e9es directement aupr\u00e8s des populations dites vuln\u00e9rables sont relativement rares et que les m\u00e9thodes pour les traiter et les interpr\u00e9ter sont manquantes.<\/li>\n<\/ul>\n\n\n\n<ul class=\"wp-block-list\">\n<li>Enfin, pour se r\u00e9clamer d\u2019un impact positif, trois crit\u00e8res doivent classiquement \u00eatre r\u00e9unis: l&rsquo;intentionnalit\u00e9, l&rsquo;additionnalit\u00e9 et la mesurabilit\u00e9. Or si certains indicateurs d&rsquo;impact sont relativement faciles \u00e0 calculer, comme le nombre de personnes ayant acc\u00e8s au programme et ayant d\u00e9clar\u00e9 ne pas avoir eu acc\u00e8s \u00e0 une formation professionnelle au cours des cinq derni\u00e8res ann\u00e9es, d&rsquo;autres sont plus compliqu\u00e9s \u00e0 mesurer ou \u00e0 d\u00e9montrer. Par exemple, le suivi des \u00e9volutions de revenus ne peut pas \u00e0 lui seul mesurer l\u2019additionalit\u00e9 de nos d\u00e9marches : une \u00e9volution de revenus peut provenir des formations prodigu\u00e9es ou des moyens apport\u00e9s dans le programme, mais tout aussi de l\u2019augmentation des cours mondiaux, des capacit\u00e9s de n\u00e9gociation des communaut\u00e9s fermi\u00e8res ou de l\u2019\u00e9volution de la marge prise par les interm\u00e9diaires de la cha\u00eene d\u2019approvisionnement. Il faut ainsi int\u00e9grer dans la collecte des indicateurs r\u00e9ellement repr\u00e9sentatifs de l\u2019additionalit\u00e9 : par exemple, l\u2019augmentation de rendement \u00e0 la suite de changements de techniques ou de fournitures de m\u00e9thodes pour lutter contre les maladies des plantes et arbres exploit\u00e9s, ou bien l\u2019augmentation de revenus provenant des diversifications de culture pr\u00e9conis\u00e9es dans le cadre du programme.&nbsp;<\/li>\n<\/ul>\n\n\n\n<h2 class=\"wp-block-heading\">Des sources de donn\u00e9es collect\u00e9es in\u00e9gales<\/h2>\n\n\n\n<p>Fort de ces principes, nous avons commenc\u00e9 \u00e0 collecter des donn\u00e9es, pour rapidement r\u00e9aliser qu\u2019elles \u00e9taient de qualit\u00e9 in\u00e9gale, et qu\u2019une partie de ces donn\u00e9es \u00e9taient non exploitables, mena\u00e7ant de rendre l\u2019analyse de l\u2019ensemble non signifiante.&nbsp;&nbsp;&nbsp;<\/p>\n\n\n\n<p>Ainsi, des valeurs manquantes ou erron\u00e9es (par exemple, des valeurs anormales qui sont impossibles \u00e0 atteindre &#8211; par exemple, un prix de vente par kg repr\u00e9sentant 100 fois l&rsquo;indice mondial des mati\u00e8res premi\u00e8res) emp\u00eachent l&rsquo;\u00e9tablissement de moyennes ou de corr\u00e9lations qui nous permettraient de suivre l&rsquo;impact du programme de mani\u00e8re significative, nous privant ainsi de moyens d&rsquo;analyse pour ajuster nos actions. Mais ces probl\u00e9matiques peuvent potentiellement amoindrir notre capacit\u00e9 \u00e0 rendre compte aux diff\u00e9rentes parties prenantes (et notamment aux financeurs de ces programmes) avec un bon calibrage du niveau de qualit\u00e9 des indicateurs d&rsquo;impact, sur lesquels les parties prenantes devraient pouvoir s&rsquo;appuyer pour guider leurs actions ou communiquer \u00e0 leurs propres parties prenantes.&nbsp;<\/p>\n\n\n\n<p>Ce comit\u00e9 est compos\u00e9 de :&nbsp;&nbsp;<\/p>\n\n\n\n<ul class=\"wp-block-list\">\n<li>Fatima Roudani, sp\u00e9cialiste ESG &amp; Impact, ayant notamment \u00e9t\u00e9 responsable de sujets big data ESG au sein d\u2019\u00e9tablissements bancaires&nbsp;&nbsp;<\/li>\n\n\n\n<li>Edwige Rey, Associ\u00e9e du cabinet Mazar et sp\u00e9cialiste des sujets d\u2019audit extrafinancier&nbsp;&nbsp;&nbsp;<\/li>\n\n\n\n<li>Nathan Hara, astronome sp\u00e9cialiste de l\u2019utilisation des donn\u00e9es pour la recherche d\u2019exoplan\u00e8tes&nbsp;&nbsp;&nbsp;<\/li>\n<\/ul>\n\n\n\n<p>Il se r\u00e9unit r\u00e9guli\u00e8rement pour guider et valider notre approche de data science et sa bonne int\u00e9gration dans nos solutions SUTTI. Il nous a notamment permis de d\u00e9velopper une approche en 3 temps, d\u00e9crite ci-dessous (am\u00e9lioration de la robustesse des donn\u00e9es, calcul de KPI (indicateurs cl\u00e9s de performance) sur des donn\u00e9es robustes, inf\u00e9rence d\u2019impact de SUTTI Programme \u00e0 toutes les donn\u00e9es).&nbsp;<\/p>\n\n\n\n<figure class=\"wp-block-image size-full\"><img decoding=\"async\" width=\"690\" height=\"214\" src=\"https:\/\/ksapa.org\/fr\/wp-content\/uploads\/sites\/1\/2023\/05\/Picture1.png\" alt=\"\" class=\"wp-image-7477\"\/><\/figure>\n\n\n\n<p><strong><em>\u00c9tape 1 : Am\u00e9lioration de la robustesse des donn\u00e9es<\/em><\/strong><\/p>\n\n\n\n<p>L&rsquo;am\u00e9lioration de la robustesse des donn\u00e9es peut \u00eatre d\u00e9crite comme la recherche de m\u00e9thodes statistiques ou d&rsquo;algorithmes appropri\u00e9s pour rep\u00e9rer les valeurs aberrantes, signaler les donn\u00e9es inutilisables ou trompeuses et corriger les donn\u00e9es. En termes statistiques, une valeur aberrante est une observation qui se situe \u00e0 une distance anormale des autres valeurs dans un \u00e9chantillon al\u00e9atoire d&rsquo;une population.&nbsp;<\/p>\n\n\n\n<figure class=\"wp-block-image size-full\"><img decoding=\"async\" width=\"750\" height=\"202\" src=\"https:\/\/ksapa.org\/fr\/wp-content\/uploads\/sites\/1\/2023\/05\/Picture2.png\" alt=\"\" class=\"wp-image-7478\"\/><\/figure>\n\n\n\n<p>En ce qui concerne les m\u00e9thodes de rep\u00e9rage des valeurs aberrantes, nous disposons principalement de quatre types de m\u00e9thodologies ou sources de rep\u00e9rage des valeurs aberrantes : la coh\u00e9rence des donn\u00e9es historiques, la comparaison des \u00e9chantillons, la comparaison des donn\u00e9es externes et la redondance des donn\u00e9es. Les d\u00e9tails de ces m\u00e9thodes peuvent \u00eatre d\u00e9crits comme suit :&nbsp;&nbsp;<\/p>\n\n\n\n<p>(1) Coh\u00e9rence des donn\u00e9es historiques. En ce sens, la valeur des donn\u00e9es normales doit se situer dans une fourchette raisonnable (ni trop grande, ni trop petite) et les valeurs aberrantes sont celles qui se situent en dehors de cette fourchette. La v\u00e9rification de la coh\u00e9rence des donn\u00e9es historiques est donc principalement bas\u00e9e sur la densit\u00e9 ou la distance. La m\u00e9thode la plus courante est la r\u00e8gle des trois sigmas, travaillant autour des notions d\u2019\u00e9carts-types autour de la moyenne. Typiquement, si un agriculteur produit r\u00e9guli\u00e8rement x kg par mois pendant 2 ans, une d\u00e9claration mensuelle x fois sup\u00e9rieure \u00e0 la fourchette habituelle de d\u00e9claration sera consid\u00e9r\u00e9e comme une \u00ab\u00a0donn\u00e9e aberrante\u00a0\u00bb.&nbsp;&nbsp;<\/p>\n\n\n\n<p>(2) Comparaison des \u00e9chantillons. En utilisant cette approche, nous \u00e9tudions la relation entre la variable cibl\u00e9e et d&rsquo;autres facteurs, et les valeurs aberrantes sont celles qui ne suivent pas la relation. Par exemple, nous avons trouv\u00e9 une relation n\u00e9gative entre les rendements en caoutchouc et les \u00e2ges. Par r\u00e9gression lin\u00e9aire dans l&rsquo;image suivante, les points orange fonc\u00e9 ne suivent pas ce type de relation sur la base des intervalles de confiance \u00e0 95 %. Par cons\u00e9quent, nous les consid\u00e9rons comme des valeurs aberrantes suspectes : ils repr\u00e9sentent des points de donn\u00e9es qui diff\u00e8rent de mani\u00e8re significative de la moyenne ou de la fourchette habituelle d&rsquo;un groupe de profils de fermiers comparables. Cela ne signifie pas n\u00e9cessairement qu&rsquo;ils seront d\u00e9finitivement exclus des calculs, mais ils seront examin\u00e9s avec plus de prudence.&nbsp;<\/p>\n\n\n\n<figure class=\"wp-block-image size-full\"><img decoding=\"async\" width=\"323\" height=\"220\" src=\"https:\/\/ksapa.org\/fr\/wp-content\/uploads\/sites\/1\/2023\/05\/Picture3.jpg\" alt=\"\" class=\"wp-image-7479\"\/><\/figure>\n\n\n\n<p>(3) Comparaison de donn\u00e9es externes. Plusieurs sources de donn\u00e9es externes sont envisag\u00e9es : FAO, OCDE, Banque mondiale, UNESCAP, etc. Par exemple, un agriculteur particulier est susceptible (selon les pays) de vendre sa production \u00e0 un prix allant de 40 \u00e0 95% du prix mondial (selon la localisation, le pays, &#8230;) &#8211; nous utilisons les donn\u00e9es externes de gapkindo.com (Natural Rubber Price Watch in a few ASEAN countries fourni par l&rsquo;institution indon\u00e9sienne Gap Kindo) pour d\u00e9tecter les valeurs aberrantes pour les prix du caoutchouc dans nos programmes indon\u00e9siens. D&rsquo;autres calculs similaires peuvent \u00eatre effectu\u00e9s sur le rendement par hectare. D&rsquo;apr\u00e8s ces donn\u00e9es externes, nous avons constat\u00e9 que la s\u00e9rie temporelle de la diff\u00e9rence des prix du caoutchouc (par exemple, le prix du caoutchouc d&rsquo;aujourd&rsquo;hui moins le prix du caoutchouc d&rsquo;hier) est stationnaire (stable) et nous utilisons donc ARIMA(1,1,1) (un mod\u00e8le classique de s\u00e9rie temporelle) pour mod\u00e9liser le prix du caoutchouc. Nous pouvons donc utiliser ce mod\u00e8le ARIMA pour pr\u00e9dire le prix du caoutchouc sur notre propre ensemble de donn\u00e9es, effectuer la comparaison entre les valeurs pr\u00e9dites et les valeurs r\u00e9elles, et les valeurs aberrantes sont donc celles qui se situent en dehors des intervalles de confiance g\u00e9n\u00e9r\u00e9s lors de l&rsquo;ajustement du mod\u00e8le.&nbsp;<\/p>\n\n\n\n<p>(4) Redondance des donn\u00e9es. Il y a redondance des donn\u00e9es lorsque le m\u00eame \u00e9l\u00e9ment de donn\u00e9es existe \u00e0 plusieurs endroits. Cela se produit g\u00e9n\u00e9ralement lorsque la conception de l&rsquo;ensemble de donn\u00e9es n&rsquo;est pas appropri\u00e9e. Je peux aider \u00e0 rep\u00e9rer certaines personnes dont les r\u00e9ponses peuvent \u00eatre incoh\u00e9rentes ou instables. Avant de rep\u00e9rer les valeurs aberrantes, il est n\u00e9cessaire de v\u00e9rifier la redondance des donn\u00e9es et de r\u00e9ajuster la structure de la base de donn\u00e9es si n\u00e9cessaire.&nbsp;<\/p>\n\n\n\n<p>Quant \u00e0 la correction des donn\u00e9es, la mani\u00e8re la plus efficiente est qu&rsquo;elle soit effectu\u00e9e au travers de routines d\u2019analyse pr\u00e9-configur\u00e9es aboutissant \u00e0 un retraitement ou une confirmation manuelle, par des agriculteurs, des champions agricoles ou des instructeurs. Comme le montre l&rsquo;image suivante, il est in\u00e9vitable que seule une partie des valeurs aberrantes puisse \u00eatre finalement corrig\u00e9e, mais cela permet de s&rsquo;assurer que les indicateurs-cl\u00e9s de performance (ICP ou \u00ab\u202fKPIs\u202f\u00bb, Key Performance Indicators) ne sont donc calcul\u00e9s que sur des donn\u00e9es robustes (c&rsquo;est-\u00e0-dire des donn\u00e9es normales avec des valeurs aberrantes corrig\u00e9es).&nbsp;&nbsp;<\/p>\n\n\n\n<figure class=\"wp-block-image size-full\"><img decoding=\"async\" width=\"500\" height=\"219\" src=\"https:\/\/ksapa.org\/fr\/wp-content\/uploads\/sites\/1\/2023\/05\/Picture4.png\" alt=\"\" class=\"wp-image-7480\"\/><\/figure>\n\n\n\n<p><strong><em>\u00c9tape 2 : Calcul de l&rsquo;ICP sur la base de donn\u00e9es robustes<\/em><\/strong><\/p>\n\n\n\n<p>Deuxi\u00e8mement, nous calculons les ICP sur la base de donn\u00e9es solides. La conception des ICP se concentre principalement sur trois aspects :&nbsp;&nbsp;&nbsp;<\/p>\n\n\n\n<p>&#8211; Nous voulons mesurer le nombre et la composition des b\u00e9n\u00e9ficiaires du programme SUTTI et le type de public concern\u00e9. Par exemple, le nombre de personnes touch\u00e9es (b\u00e9n\u00e9ficiaires directs et indirects, % de femmes, % de jeunes&#8230;).&nbsp;&nbsp;<\/p>\n\n\n\n<p>&#8211; Nous voulons mesurer l&rsquo;acc\u00e8s \u00e0 la formation professionnelle permis par les programmes SUTTI. Par exemple, le volume de formation professionnelle en heures\/personne (\u00e0 la fois en personne et num\u00e9riquement).&nbsp;&nbsp;<\/p>\n\n\n\n<p>&#8211; Impact sur l&rsquo;augmentation et la diversification des revenus.&nbsp;<\/p>\n\n\n\n<p>&#8211; Facultatif : pi\u00e9geage du carbone ou \u00e9vitement de l&rsquo;\u00e9mission de GES&nbsp;<\/p>\n\n\n\n<p>Par cons\u00e9quent, il existe principalement trois types d&rsquo;indicateurs cl\u00e9s de performance dans les programmes SUTTI : le nombre de participants aux programmes SUTTI, la formation professionnelle et l&rsquo;impact sur les revenus des petits exploitants agricoles. Cette approche est \u00e9galement adapt\u00e9e \u00e0 la qualification et au suivi des projets carbone, par exemple : le carbone s\u00e9questr\u00e9 ou les \u00e9missions de gaz \u00e0 effet de serre \u00e9vit\u00e9es pourraient \u00eatre suivis gr\u00e2ce \u00e0 une collecte de donn\u00e9es \u00e0 grande \u00e9chelle directement aupr\u00e8s des agriculteurs et compl\u00e9t\u00e9s par des approches telles que le compte carbone, surveillance par satellite, etc.&nbsp;&nbsp;&nbsp;&nbsp;<\/p>\n\n\n\n<p>Pour le premier type (nombre de personnes touch\u00e9es), il s&rsquo;agit de tous les types de d\u00e9nombrement des participants, en fonction du sexe, de l&rsquo;\u00e2ge, de la parent\u00e9, de l&#8217;emploi, etc. Exemples : nombre de participants actifs, nombre de b\u00e9n\u00e9ficiaires directs, nombre de personnes dont les moyens de subsistance seront affect\u00e9s, etc.&nbsp;<\/p>\n\n\n\n<p>Pour le deuxi\u00e8me type (volume de formation professionnelle), il s&rsquo;agit principalement d&rsquo;\u00e9valuer l&rsquo;\u00e9volution de la formation, comme les heures de formation des cours. Exemples : heures de formation en personne, nombre de personnes acc\u00e9dant au renforcement des capacit\u00e9s sur l&rsquo;application SUTTI, etc.&nbsp;&nbsp;<\/p>\n\n\n\n<p>Pour le troisi\u00e8me type (impact sur l&rsquo;augmentation et la diversification des revenus), plusieurs dimensions sont prises en consid\u00e9ration.&nbsp;<\/p>\n\n\n\n<p>En ce qui concerne l&rsquo;impact sur les revenus, l&rsquo;\u00e9quation peut s&rsquo;\u00e9crire comme suit : revenus = rendement \u00d7 prix \u00d7 hectares. Dans cet ICP, nous voulons savoir de quelle partie provient l&rsquo;augmentation des revenus : rendement, prix ou hectares, ce qui exclut d&rsquo;autres variables qui peuvent \u00e9galement affecter les revenus. En outre, il vise \u00e0 mesurer la relation entre l&rsquo;augmentation des revenus et la diversit\u00e9 des activit\u00e9s des agriculteurs (potentiellement positive).&nbsp;&nbsp;&nbsp;<\/p>\n\n\n\n<p>Dans ce cas, notre programme tient \u00e9galement compte de l&rsquo;augmentation de la productivit\u00e9 et de la diversification, en incluant des indicateurs cl\u00e9s de performance relative \u00e0 la production agricole (rendement de la culture principale, productivit\u00e9 de la culture principale, etc.), des indicateurs cl\u00e9s de performance relative \u00e0 la protection des cultures (utilisation d&rsquo;engrais, utilisation de pesticides, utilisation de m\u00e9dicaments intrants, etc.&nbsp;<\/p>\n\n\n\n<p><strong><em>\u00c9tape 3 : Inf\u00e9rence d&rsquo;impact SUTTI pour toutes les donn\u00e9es<\/em><\/strong><\/p>\n\n\n\n<p>La n\u00e9cessit\u00e9 d&rsquo;inf\u00e9rer l&rsquo;impact est due \u00e0 deux raisons. D&rsquo;une part, seules les performances des agriculteurs ayant r\u00e9pondu sont observables, alors que nous nous int\u00e9ressons davantage \u00e0 l&rsquo;impact g\u00e9n\u00e9ral. D&rsquo;autre part, seule une partie des valeurs aberrantes est finalement corrig\u00e9e et les indicateurs cl\u00e9s de performance sont donc calcul\u00e9s sur des donn\u00e9es robustes.&nbsp;&nbsp;&nbsp;&nbsp;<\/p>\n\n\n\n<p>Dans ce cas, nous proc\u00e9dons \u00e0 l&rsquo;inf\u00e9rence d&rsquo;impact. L&rsquo;id\u00e9e de base de l&rsquo;inf\u00e9rence d&rsquo;impact est simple : nous estimons l&rsquo;impact sur les donn\u00e9es de l&rsquo;\u00e9chantillon sur la base de certains mod\u00e8les classiques (par exemple, le mod\u00e8le de difference-in-difference), puis nous proc\u00e9dons \u00e0 des ajustements en fonction du biais (par exemple, en introduisant d&rsquo;autres variables dans le mod\u00e8le, ou en modifiant la structure du mod\u00e8le). Nous pouvons donc supposer que les r\u00e9sultats estim\u00e9s du projet bas\u00e9s sur les donn\u00e9es de l&rsquo;\u00e9chantillon correspondent \u00e0 l&rsquo;impact sur l&rsquo;ensemble des donn\u00e9es. L&rsquo;\u00e9quation des donn\u00e9es estim\u00e9es sur les donn\u00e9es de l&rsquo;\u00e9chantillon s&rsquo;\u00e9crit comme suit : impact estim\u00e9 du programme SUTTI = la valeur r\u00e9elle de l&rsquo;ICP &#8211; la valeur contrefactuelle de l&rsquo;ICP (c&rsquo;est-\u00e0-dire la valeur qu&rsquo;aurait l&rsquo;ICP s&rsquo;il n&rsquo;y avait pas de programme SUTTI).&nbsp;<\/p>\n\n\n\n<p>Par exemple, supposons que dans les donn\u00e9es du programme SUTTI, nous ayons 1000 agriculteurs et que seules les donn\u00e9es de 600 agriculteurs soient robustes. Tout d&rsquo;abord, nous proc\u00e9dons \u00e0 une inf\u00e9rence d&rsquo;impact sur ces 600 agriculteurs et, apr\u00e8s calcul, nous constatons que leur revenu moyen augmente de 1 000 dollars par an. Nous nous rendons ensuite compte que ces agriculteurs sont plus jeunes par rapport \u00e0 l&rsquo;ensemble des donn\u00e9es, et qu&rsquo;il est plus facile pour les jeunes agriculteurs d&rsquo;accepter une nouvelle technologie et que projeter leur augmentation moyenne sur l\u2019ensemble des participants serait trop optimiste. Nous proc\u00e9dons donc \u00e0 quelques ajustements (qui pourront faire l\u2019objet d\u2019un prochain article) tenant compte de la r\u00e9partition statistique de l\u2019\u00e9chantillon des \u00ab\u202fr\u00e9pondants\u202f\u00bb mais aussi de l\u2019ensemble des participants, et l&rsquo;impact final estim\u00e9 sur le revenu des agriculteurs est par exemple une augmentation de (1000 \u2013 x%) dollars par mois sur l\u2019ensemble des participants.&nbsp;&nbsp;<\/p>\n\n\n\n<p>Le mod\u00e8le comprend des variables de contr\u00f4le parce que ces variables sont celles qui peuvent \u00e9galement avoir une influence sur les variables de r\u00e9sultats (ICP). Par exemple, nous introduisons l&rsquo;\u00e2ge et le sexe comme variables de contr\u00f4le lorsque nous estimons l&rsquo;impact du SUTTI sur la productivit\u00e9 des cultures principales. Il ne fait aucun doute que plus nous introduisons de variables de contr\u00f4le connexes pertinentes, plus l&rsquo;impact estim\u00e9 sera pr\u00e9cis.&nbsp;&nbsp;&nbsp;&nbsp;<\/p>\n\n\n\n<p>Quant au biais de s\u00e9lection, il s&rsquo;agit du biais qui r\u00e9sulte de l&rsquo;incapacit\u00e9 \u00e0 garantir une randomisation correcte d&rsquo;un \u00e9chantillon de population, comme l&rsquo;auto-s\u00e9lection, le biais de survie, la pr\u00e9s\u00e9lection des participants, etc. Dans tous les cas, la solution la plus radicale consiste \u00e0 savoir \u00e0 quoi ressemble le biais de s\u00e9lection exact dans l&rsquo;ensemble de donn\u00e9es, afin de pouvoir l&rsquo;ajuster dans le mod\u00e8le d&rsquo;estimation.&nbsp;&nbsp;<\/p>\n\n\n\n<h2 class=\"wp-block-heading\">Conclusion<\/h2>\n\n\n\n<p>En conclusion, nous consid\u00e9rons qu\u2019il est fondamental de r\u00e9colter des donn\u00e9es d\u2019impact aupr\u00e8s des b\u00e9n\u00e9ficiaires eux-m\u00eames, et que les solutions digitales d\u00e9velopp\u00e9es permettent de collecter ces donn\u00e9es, m\u00eame dans des conditions d\u2019acc\u00e8s difficiles. Coupl\u00e9es \u00e0 d\u2019autres modes de collecte par les instructeurs, elles permettent de recueillir les d\u00e9clarations et avis des b\u00e9n\u00e9ficiaires des programmes, comblant ainsi des manques en mati\u00e8re de donn\u00e9es sur les populations vuln\u00e9rables comme documentant la mesure d\u2019impact sur nos programmes.&nbsp;&nbsp;&nbsp;<\/p>\n\n\n\n<p>Les approches de data science d\u00e9velopp\u00e9es sous la supervision de notre comit\u00e9 Data permettent ainsi de traiter des masses de donn\u00e9es significatives et d\u2019en tirer analyses en profondeur et projections d\u2019impact qui sont largement applicables hors du champ agricole pour lequel elles ont \u00e9t\u00e9 con\u00e7ues\u202f: ainsi, ces solutions ont vocation \u00e0 s\u2019appliquer \u00e9galement \u00e0 des \u00e9tudes de masse sur les questions de revenus d\u00e9cents ou de conditions de travail des ouvriers.&nbsp;&nbsp;<\/p>\n","protected":false},"excerpt":{"rendered":"<p>D\u00e9couvrez comment la data science peut combler le manque de donn\u00e9es sur les petits agriculteurs, population vuln\u00e9rable souvent oubli\u00e9e<\/p>\n","protected":false},"author":47,"featured_media":7487,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[2683,10,11,215,154],"tags":[139,140,2815,149],"class_list":["post-7476","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-changement-climatique","category-developpement-durable","category-droits-de-lhomme","category-impact","category-inclusion","tag-developpement-durable","tag-droits-de-lhomme","tag-sutti","tag-technologies"],"yoast_head":"<!-- This site is optimized with the Yoast SEO plugin v27.3 - https:\/\/yoast.com\/product\/yoast-seo-wordpress\/ -->\n<title>Data science et populations vuln\u00e9rables : inclusion des agriculteurs<\/title>\n<meta name=\"description\" content=\"D\u00e9couvrez comment la data science peut combler le manque de donn\u00e9es sur les petits agriculteurs, population vuln\u00e9rable souvent oubli\u00e9e\" \/>\n<meta name=\"robots\" content=\"index, follow, max-snippet:-1, max-image-preview:large, max-video-preview:-1\" \/>\n<link rel=\"canonical\" href=\"https:\/\/ksapa.org\/fr\/data-science-et-populations-vulnerables-inclusion-des-agriculteurs\/\" \/>\n<meta property=\"og:locale\" content=\"fr_FR\" \/>\n<meta property=\"og:type\" content=\"article\" \/>\n<meta property=\"og:title\" content=\"Data science et populations vuln\u00e9rables : inclusion des agriculteurs\" \/>\n<meta property=\"og:description\" content=\"D\u00e9couvrez comment la data science peut combler le manque de donn\u00e9es sur les petits agriculteurs, population vuln\u00e9rable souvent oubli\u00e9e\" \/>\n<meta property=\"og:url\" content=\"https:\/\/ksapa.org\/fr\/data-science-et-populations-vulnerables-inclusion-des-agriculteurs\/\" \/>\n<meta property=\"og:site_name\" content=\"Ksapa - fr\" \/>\n<meta property=\"article:published_time\" content=\"2023-05-05T09:14:43+00:00\" \/>\n<meta property=\"article:modified_time\" content=\"2025-12-03T14:42:02+00:00\" \/>\n<meta property=\"og:image\" content=\"https:\/\/ksapa.org\/fr\/wp-content\/uploads\/sites\/1\/2023\/05\/pexels-sorapong-chaipanya-4530780-scaled.jpg\" \/>\n\t<meta property=\"og:image:width\" content=\"2560\" \/>\n\t<meta property=\"og:image:height\" content=\"1707\" \/>\n\t<meta property=\"og:image:type\" content=\"image\/jpeg\" \/>\n<meta name=\"author\" content=\"Raphael Hara&nbsp;and&nbsp;Xianlin Ding\" \/>\n<meta name=\"twitter:card\" content=\"summary_large_image\" \/>\n<meta name=\"twitter:creator\" content=\"@raphaelhara\" \/>\n<meta name=\"twitter:site\" content=\"@KsapaOrg\" \/>\n<meta name=\"twitter:label1\" content=\"\u00c9crit par\" \/>\n\t<meta name=\"twitter:data1\" content=\"Raphael Hara&nbsp;and&nbsp;Xianlin Ding\" \/>\n\t<meta name=\"twitter:label2\" content=\"Dur\u00e9e de lecture estim\u00e9e\" \/>\n\t<meta name=\"twitter:data2\" content=\"16 minutes\" \/>\n<script type=\"application\/ld+json\" class=\"yoast-schema-graph\">{\"@context\":\"https:\\\/\\\/schema.org\",\"@graph\":[{\"@type\":\"Article\",\"@id\":\"https:\\\/\\\/ksapa.org\\\/fr\\\/data-science-et-populations-vulnerables-inclusion-des-agriculteurs\\\/#article\",\"isPartOf\":{\"@id\":\"https:\\\/\\\/ksapa.org\\\/fr\\\/data-science-et-populations-vulnerables-inclusion-des-agriculteurs\\\/\"},\"author\":{\"name\":\"Raphael Hara&nbsp;and&nbsp;Xianlin Ding\",\"@id\":\"https:\\\/\\\/ksapa.org\\\/fr\\\/#\\\/schema\\\/person\\\/2e9409004d79d904f2a2d21df95dd1e9\"},\"headline\":\"Data science et populations vuln\u00e9rables : inclusion des agriculteurs\",\"datePublished\":\"2023-05-05T09:14:43+00:00\",\"dateModified\":\"2025-12-03T14:42:02+00:00\",\"mainEntityOfPage\":{\"@id\":\"https:\\\/\\\/ksapa.org\\\/fr\\\/data-science-et-populations-vulnerables-inclusion-des-agriculteurs\\\/\"},\"wordCount\":3389,\"commentCount\":0,\"publisher\":{\"@id\":\"https:\\\/\\\/ksapa.org\\\/fr\\\/#organization\"},\"image\":{\"@id\":\"https:\\\/\\\/ksapa.org\\\/fr\\\/data-science-et-populations-vulnerables-inclusion-des-agriculteurs\\\/#primaryimage\"},\"thumbnailUrl\":\"https:\\\/\\\/ksapa.org\\\/fr\\\/wp-content\\\/uploads\\\/sites\\\/1\\\/2023\\\/05\\\/pexels-sorapong-chaipanya-4530780-scaled.jpg\",\"keywords\":[\"D\u00e9veloppement Durable\",\"Droits de l\u2019Homme\",\"SUTTI\",\"Technologies\"],\"articleSection\":[\"Changement climatique\",\"D\u00e9veloppement Durable\",\"Droits de l'Homme\",\"Impact\",\"Inclusion\"],\"inLanguage\":\"fr-FR\",\"potentialAction\":[{\"@type\":\"CommentAction\",\"name\":\"Comment\",\"target\":[\"https:\\\/\\\/ksapa.org\\\/fr\\\/data-science-et-populations-vulnerables-inclusion-des-agriculteurs\\\/#respond\"]}]},{\"@type\":\"WebPage\",\"@id\":\"https:\\\/\\\/ksapa.org\\\/fr\\\/data-science-et-populations-vulnerables-inclusion-des-agriculteurs\\\/\",\"url\":\"https:\\\/\\\/ksapa.org\\\/fr\\\/data-science-et-populations-vulnerables-inclusion-des-agriculteurs\\\/\",\"name\":\"Data science et populations vuln\u00e9rables : inclusion des agriculteurs\",\"isPartOf\":{\"@id\":\"https:\\\/\\\/ksapa.org\\\/fr\\\/#website\"},\"primaryImageOfPage\":{\"@id\":\"https:\\\/\\\/ksapa.org\\\/fr\\\/data-science-et-populations-vulnerables-inclusion-des-agriculteurs\\\/#primaryimage\"},\"image\":{\"@id\":\"https:\\\/\\\/ksapa.org\\\/fr\\\/data-science-et-populations-vulnerables-inclusion-des-agriculteurs\\\/#primaryimage\"},\"thumbnailUrl\":\"https:\\\/\\\/ksapa.org\\\/fr\\\/wp-content\\\/uploads\\\/sites\\\/1\\\/2023\\\/05\\\/pexels-sorapong-chaipanya-4530780-scaled.jpg\",\"datePublished\":\"2023-05-05T09:14:43+00:00\",\"dateModified\":\"2025-12-03T14:42:02+00:00\",\"description\":\"D\u00e9couvrez comment la data science peut combler le manque de donn\u00e9es sur les petits agriculteurs, population vuln\u00e9rable souvent oubli\u00e9e\",\"breadcrumb\":{\"@id\":\"https:\\\/\\\/ksapa.org\\\/fr\\\/data-science-et-populations-vulnerables-inclusion-des-agriculteurs\\\/#breadcrumb\"},\"inLanguage\":\"fr-FR\",\"potentialAction\":[{\"@type\":\"ReadAction\",\"target\":[\"https:\\\/\\\/ksapa.org\\\/fr\\\/data-science-et-populations-vulnerables-inclusion-des-agriculteurs\\\/\"]}]},{\"@type\":\"ImageObject\",\"inLanguage\":\"fr-FR\",\"@id\":\"https:\\\/\\\/ksapa.org\\\/fr\\\/data-science-et-populations-vulnerables-inclusion-des-agriculteurs\\\/#primaryimage\",\"url\":\"https:\\\/\\\/ksapa.org\\\/fr\\\/wp-content\\\/uploads\\\/sites\\\/1\\\/2023\\\/05\\\/pexels-sorapong-chaipanya-4530780-scaled.jpg\",\"contentUrl\":\"https:\\\/\\\/ksapa.org\\\/fr\\\/wp-content\\\/uploads\\\/sites\\\/1\\\/2023\\\/05\\\/pexels-sorapong-chaipanya-4530780-scaled.jpg\",\"width\":2560,\"height\":1707,\"caption\":\"D\u00e9couvrez comment la data science peut combler le manque de donn\u00e9es sur les petits agriculteurs, population vuln\u00e9rable souvent oubli\u00e9e\"},{\"@type\":\"BreadcrumbList\",\"@id\":\"https:\\\/\\\/ksapa.org\\\/fr\\\/data-science-et-populations-vulnerables-inclusion-des-agriculteurs\\\/#breadcrumb\",\"itemListElement\":[{\"@type\":\"ListItem\",\"position\":1,\"name\":\"Home\",\"item\":\"https:\\\/\\\/ksapa.org\\\/fr\\\/\"},{\"@type\":\"ListItem\",\"position\":2,\"name\":\"Data science et populations vuln\u00e9rables : inclusion des agriculteurs\"}]},{\"@type\":\"WebSite\",\"@id\":\"https:\\\/\\\/ksapa.org\\\/fr\\\/#website\",\"url\":\"https:\\\/\\\/ksapa.org\\\/fr\\\/\",\"name\":\"Ksapa - fr\",\"description\":\"\",\"publisher\":{\"@id\":\"https:\\\/\\\/ksapa.org\\\/fr\\\/#organization\"},\"potentialAction\":[{\"@type\":\"SearchAction\",\"target\":{\"@type\":\"EntryPoint\",\"urlTemplate\":\"https:\\\/\\\/ksapa.org\\\/fr\\\/?s={search_term_string}\"},\"query-input\":{\"@type\":\"PropertyValueSpecification\",\"valueRequired\":true,\"valueName\":\"search_term_string\"}}],\"inLanguage\":\"fr-FR\"},{\"@type\":\"Organization\",\"@id\":\"https:\\\/\\\/ksapa.org\\\/fr\\\/#organization\",\"name\":\"ksapa\",\"url\":\"https:\\\/\\\/ksapa.org\\\/fr\\\/\",\"logo\":{\"@type\":\"ImageObject\",\"inLanguage\":\"fr-FR\",\"@id\":\"https:\\\/\\\/ksapa.org\\\/fr\\\/#\\\/schema\\\/logo\\\/image\\\/\",\"url\":\"https:\\\/\\\/ksapa.org\\\/fr\\\/wp-content\\\/uploads\\\/sites\\\/1\\\/2019\\\/06\\\/icone-ksapa.jpg\",\"contentUrl\":\"https:\\\/\\\/ksapa.org\\\/fr\\\/wp-content\\\/uploads\\\/sites\\\/1\\\/2019\\\/06\\\/icone-ksapa.jpg\",\"width\":\"442\",\"height\":\"421\",\"caption\":\"ksapa\"},\"image\":{\"@id\":\"https:\\\/\\\/ksapa.org\\\/fr\\\/#\\\/schema\\\/logo\\\/image\\\/\"},\"sameAs\":[\"https:\\\/\\\/x.com\\\/KsapaOrg\"]},[{\"@type\":[\"Person\"],\"@id\":\"https:\\\/\\\/ksapa.org\\\/fr\\\/#\\\/schema\\\/person\\\/2e9409004d79d904f2a2d21df95dd1e9\",\"name\":\"Raphael Hara\",\"image\":{\"@type\":\"ImageObject\",\"@id\":\"https:\\\/\\\/ksapa.org\\\/wp-content\\\/uploads\\\/2019\\\/06\\\/raphael-hara-managing-director-ksapa-photo-96x96.jpg\",\"inLanguage\":\"fr_FR\",\"url\":\"https:\\\/\\\/ksapa.org\\\/wp-content\\\/uploads\\\/2019\\\/06\\\/raphael-hara-managing-director-ksapa-photo-96x96.jpg\",\"caption\":\"Raphael Hara\"}},{\"@type\":[\"Person\"],\"@id\":\"https:\\\/\\\/ksapa.org\\\/fr\\\/#\\\/schema\\\/person\\\/2e9409004d79d904f2a2d21df95dd1e9\",\"name\":\"Xianlin Ding\",\"image\":{\"@type\":\"ImageObject\",\"@id\":\"https:\\\/\\\/ksapa.org\\\/wp-content\\\/uploads\\\/2019\\\/06\\\/raphael-hara-managing-director-ksapa-photo-96x96.jpg\",\"inLanguage\":\"fr_FR\",\"url\":\"https:\\\/\\\/ksapa.org\\\/fr\\\/wp-content\\\/uploads\\\/sites\\\/1\\\/2023\\\/05\\\/Xianlin-Ding.jpg\",\"caption\":\"Xianlin Ding\"}}]]}<\/script>\n<!-- \/ Yoast SEO plugin. -->","yoast_head_json":{"title":"Data science et populations vuln\u00e9rables : inclusion des agriculteurs","description":"D\u00e9couvrez comment la data science peut combler le manque de donn\u00e9es sur les petits agriculteurs, population vuln\u00e9rable souvent oubli\u00e9e","robots":{"index":"index","follow":"follow","max-snippet":"max-snippet:-1","max-image-preview":"max-image-preview:large","max-video-preview":"max-video-preview:-1"},"canonical":"https:\/\/ksapa.org\/fr\/data-science-et-populations-vulnerables-inclusion-des-agriculteurs\/","og_locale":"fr_FR","og_type":"article","og_title":"Data science et populations vuln\u00e9rables : inclusion des agriculteurs","og_description":"D\u00e9couvrez comment la data science peut combler le manque de donn\u00e9es sur les petits agriculteurs, population vuln\u00e9rable souvent oubli\u00e9e","og_url":"https:\/\/ksapa.org\/fr\/data-science-et-populations-vulnerables-inclusion-des-agriculteurs\/","og_site_name":"Ksapa - fr","article_published_time":"2023-05-05T09:14:43+00:00","article_modified_time":"2025-12-03T14:42:02+00:00","og_image":[{"width":2560,"height":1707,"url":"https:\/\/ksapa.org\/fr\/wp-content\/uploads\/sites\/1\/2023\/05\/pexels-sorapong-chaipanya-4530780-scaled.jpg","type":"image\/jpeg"}],"author":"Raphael Hara&nbsp;and&nbsp;Xianlin Ding","twitter_card":"summary_large_image","twitter_creator":"@raphaelhara","twitter_site":"@KsapaOrg","twitter_misc":{"\u00c9crit par":"Raphael Hara&nbsp;and&nbsp;Xianlin Ding","Dur\u00e9e de lecture estim\u00e9e":"16 minutes"},"schema":{"@context":"https:\/\/schema.org","@graph":[{"@type":"Article","@id":"https:\/\/ksapa.org\/fr\/data-science-et-populations-vulnerables-inclusion-des-agriculteurs\/#article","isPartOf":{"@id":"https:\/\/ksapa.org\/fr\/data-science-et-populations-vulnerables-inclusion-des-agriculteurs\/"},"author":{"name":"Raphael Hara&nbsp;and&nbsp;Xianlin Ding","@id":"https:\/\/ksapa.org\/fr\/#\/schema\/person\/2e9409004d79d904f2a2d21df95dd1e9"},"headline":"Data science et populations vuln\u00e9rables : inclusion des agriculteurs","datePublished":"2023-05-05T09:14:43+00:00","dateModified":"2025-12-03T14:42:02+00:00","mainEntityOfPage":{"@id":"https:\/\/ksapa.org\/fr\/data-science-et-populations-vulnerables-inclusion-des-agriculteurs\/"},"wordCount":3389,"commentCount":0,"publisher":{"@id":"https:\/\/ksapa.org\/fr\/#organization"},"image":{"@id":"https:\/\/ksapa.org\/fr\/data-science-et-populations-vulnerables-inclusion-des-agriculteurs\/#primaryimage"},"thumbnailUrl":"https:\/\/ksapa.org\/fr\/wp-content\/uploads\/sites\/1\/2023\/05\/pexels-sorapong-chaipanya-4530780-scaled.jpg","keywords":["D\u00e9veloppement Durable","Droits de l\u2019Homme","SUTTI","Technologies"],"articleSection":["Changement climatique","D\u00e9veloppement Durable","Droits de l'Homme","Impact","Inclusion"],"inLanguage":"fr-FR","potentialAction":[{"@type":"CommentAction","name":"Comment","target":["https:\/\/ksapa.org\/fr\/data-science-et-populations-vulnerables-inclusion-des-agriculteurs\/#respond"]}]},{"@type":"WebPage","@id":"https:\/\/ksapa.org\/fr\/data-science-et-populations-vulnerables-inclusion-des-agriculteurs\/","url":"https:\/\/ksapa.org\/fr\/data-science-et-populations-vulnerables-inclusion-des-agriculteurs\/","name":"Data science et populations vuln\u00e9rables : inclusion des agriculteurs","isPartOf":{"@id":"https:\/\/ksapa.org\/fr\/#website"},"primaryImageOfPage":{"@id":"https:\/\/ksapa.org\/fr\/data-science-et-populations-vulnerables-inclusion-des-agriculteurs\/#primaryimage"},"image":{"@id":"https:\/\/ksapa.org\/fr\/data-science-et-populations-vulnerables-inclusion-des-agriculteurs\/#primaryimage"},"thumbnailUrl":"https:\/\/ksapa.org\/fr\/wp-content\/uploads\/sites\/1\/2023\/05\/pexels-sorapong-chaipanya-4530780-scaled.jpg","datePublished":"2023-05-05T09:14:43+00:00","dateModified":"2025-12-03T14:42:02+00:00","description":"D\u00e9couvrez comment la data science peut combler le manque de donn\u00e9es sur les petits agriculteurs, population vuln\u00e9rable souvent oubli\u00e9e","breadcrumb":{"@id":"https:\/\/ksapa.org\/fr\/data-science-et-populations-vulnerables-inclusion-des-agriculteurs\/#breadcrumb"},"inLanguage":"fr-FR","potentialAction":[{"@type":"ReadAction","target":["https:\/\/ksapa.org\/fr\/data-science-et-populations-vulnerables-inclusion-des-agriculteurs\/"]}]},{"@type":"ImageObject","inLanguage":"fr-FR","@id":"https:\/\/ksapa.org\/fr\/data-science-et-populations-vulnerables-inclusion-des-agriculteurs\/#primaryimage","url":"https:\/\/ksapa.org\/fr\/wp-content\/uploads\/sites\/1\/2023\/05\/pexels-sorapong-chaipanya-4530780-scaled.jpg","contentUrl":"https:\/\/ksapa.org\/fr\/wp-content\/uploads\/sites\/1\/2023\/05\/pexels-sorapong-chaipanya-4530780-scaled.jpg","width":2560,"height":1707,"caption":"D\u00e9couvrez comment la data science peut combler le manque de donn\u00e9es sur les petits agriculteurs, population vuln\u00e9rable souvent oubli\u00e9e"},{"@type":"BreadcrumbList","@id":"https:\/\/ksapa.org\/fr\/data-science-et-populations-vulnerables-inclusion-des-agriculteurs\/#breadcrumb","itemListElement":[{"@type":"ListItem","position":1,"name":"Home","item":"https:\/\/ksapa.org\/fr\/"},{"@type":"ListItem","position":2,"name":"Data science et populations vuln\u00e9rables : inclusion des agriculteurs"}]},{"@type":"WebSite","@id":"https:\/\/ksapa.org\/fr\/#website","url":"https:\/\/ksapa.org\/fr\/","name":"Ksapa - fr","description":"","publisher":{"@id":"https:\/\/ksapa.org\/fr\/#organization"},"potentialAction":[{"@type":"SearchAction","target":{"@type":"EntryPoint","urlTemplate":"https:\/\/ksapa.org\/fr\/?s={search_term_string}"},"query-input":{"@type":"PropertyValueSpecification","valueRequired":true,"valueName":"search_term_string"}}],"inLanguage":"fr-FR"},{"@type":"Organization","@id":"https:\/\/ksapa.org\/fr\/#organization","name":"ksapa","url":"https:\/\/ksapa.org\/fr\/","logo":{"@type":"ImageObject","inLanguage":"fr-FR","@id":"https:\/\/ksapa.org\/fr\/#\/schema\/logo\/image\/","url":"https:\/\/ksapa.org\/fr\/wp-content\/uploads\/sites\/1\/2019\/06\/icone-ksapa.jpg","contentUrl":"https:\/\/ksapa.org\/fr\/wp-content\/uploads\/sites\/1\/2019\/06\/icone-ksapa.jpg","width":"442","height":"421","caption":"ksapa"},"image":{"@id":"https:\/\/ksapa.org\/fr\/#\/schema\/logo\/image\/"},"sameAs":["https:\/\/x.com\/KsapaOrg"]},[{"@type":["Person"],"@id":"https:\/\/ksapa.org\/fr\/#\/schema\/person\/2e9409004d79d904f2a2d21df95dd1e9","name":"Raphael Hara","image":{"@type":"ImageObject","@id":"https:\/\/ksapa.org\/wp-content\/uploads\/2019\/06\/raphael-hara-managing-director-ksapa-photo-96x96.jpg","inLanguage":"fr_FR","url":"https:\/\/ksapa.org\/wp-content\/uploads\/2019\/06\/raphael-hara-managing-director-ksapa-photo-96x96.jpg","caption":"Raphael Hara"}},{"@type":["Person"],"@id":"https:\/\/ksapa.org\/fr\/#\/schema\/person\/2e9409004d79d904f2a2d21df95dd1e9","name":"Xianlin Ding","image":{"@type":"ImageObject","@id":"https:\/\/ksapa.org\/wp-content\/uploads\/2019\/06\/raphael-hara-managing-director-ksapa-photo-96x96.jpg","inLanguage":"fr_FR","url":"https:\/\/ksapa.org\/fr\/wp-content\/uploads\/sites\/1\/2023\/05\/Xianlin-Ding.jpg","caption":"Xianlin Ding"}}]]}},"_links":{"self":[{"href":"https:\/\/ksapa.org\/fr\/wp-json\/wp\/v2\/posts\/7476","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/ksapa.org\/fr\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/ksapa.org\/fr\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/ksapa.org\/fr\/wp-json\/wp\/v2\/users\/47"}],"replies":[{"embeddable":true,"href":"https:\/\/ksapa.org\/fr\/wp-json\/wp\/v2\/comments?post=7476"}],"version-history":[{"count":6,"href":"https:\/\/ksapa.org\/fr\/wp-json\/wp\/v2\/posts\/7476\/revisions"}],"predecessor-version":[{"id":9932,"href":"https:\/\/ksapa.org\/fr\/wp-json\/wp\/v2\/posts\/7476\/revisions\/9932"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/ksapa.org\/fr\/wp-json\/wp\/v2\/media\/7487"}],"wp:attachment":[{"href":"https:\/\/ksapa.org\/fr\/wp-json\/wp\/v2\/media?parent=7476"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/ksapa.org\/fr\/wp-json\/wp\/v2\/categories?post=7476"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/ksapa.org\/fr\/wp-json\/wp\/v2\/tags?post=7476"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}