Table des matières

Partagez cet article !

Alors que la Tribune rappelait récemment que les start-ups françaises du secteur l’Agtech et de la Foodtech – comprenez les technologies numériques appliquées à l’agriculture et à l’agro-alimentaire – avaient levé pas moins de 560 millions d’euros sur l’année 2020, installant la France en première position en Europe et en cinquième position dans le monde en terme d’investissements, nous apprenons maintenant que le gouvernement français, au travers de son ministre de l’agriculture Julien Denormandie et de son secrétaire d’état chargé de la transition numérique Cédric O, lance un vaste plan de plus de 200 millions d’euros pour accompagner les entreprises de l’Agtech et de la Foodtech : le French AgriTech.

Pour ses promoteurs, le numérique en agriculture est présenté tour à tour comme une révolution et une nécessité. Big Data, Objets connectés, Robotique, Outils d’aide à la décision, Block Chain, Intelligence Artificielle, 5G … – ces technologies et buzzword supposés répondre à tous les défis posés à l’agriculture sont de plus en plus présentes dans la bouche des acteurs qui gravitent dans et autour de l’écosystème agricole, même s’il n’est pas certain que ces acteurs en aient vraiment compris la portée. J’avais envie ici de donner à voir ces outils numériques d’une autre façon…

Cet article est très largement différent ce ceux que j’ai pu écrire par le passé. Ici, pas de sujet trop technique ni de longs entretiens avec des professionnels du secteur. Ce travail est le fruit de nombreuses lectures d’articles scientifiques de sciences humaines et sociales sur le numérique en agriculture (toute la bibliographie scientifique est disponible en bas de l’article), complémentées par des réflexions personnelles. Discipline encore trop peu connue et suivie par les technologues, je laisse la parole aux sciences humaines et sociales dans cette synthèse, souvent au travers d’extraits ciblés de leurs travaux de recherche. Même si certains chercheurs de ces disciplines travaillent sur le numérique agricole depuis plusieurs années, le sujet explose réellement depuis 4-5 ans dans la littérature (il suffit de regarder les dates de parution des articles cités dans la bibliographie). Les sciences humaines et sociales pointent du doigt de nombreux enjeux éthiques, sociaux, sociétaux, culturels, ou encore politiques dont les acteurs historiques agricoles et les nouveaux entrants du numérique ne semblent pas avoir pris la mesure. Ou, dit peut-être un peu moins naïvement, que ces acteurs ne veulent pas vraiment considérer dans la mesure où ces enjeux ne sont pas en totale cohérence avec leurs objectifs et intérêts personnels.

Soyons clairs, cet article n’a pas vocation à totalement diaboliser et décrédibiliser l’usage des outils numériques en agriculture. Je suis encore bien impliqué dans ce domaine, mais j’aspire à un numérique dans lequel les valeurs d’inclusivité, de partage de connaissances, de collaboration, ou encore d’émancipation seront au cœur des préoccupations pour la filière agricole. Il est temps d’arrêter de se demander ce que sont ces technologies, mais plutôt de s’intéresser à ce qu’elles font, à ce qu’elles promeuvent, à ce qu’elles impliquent et dans quel système elles s’insèrent. Le sujet du numérique en agriculture n’est pas simplement technique. Il est bien plus large que ça et il serait temps de s’en rendre compte…

Soutenez Agriculture et numérique – Blog Aspexit sur Tipeee

L’analyse du discours et la fuite en avant du numérique

Les récits dominants de l’écosystème Agtech

Les récits dominants utilisent des images puissantes pour encadrer la perception de la société sur ce qui est actuellement en jeu. L’image la plus courante est sans aucun doute celle de la pénurie. En combinant un ensemble de théories, de chiffres et de mots clés sur les pressions induites par la croissance démographique et exercées sur les écosystèmes, les récits de pénurie appellent à l’urgence de réponses (Gras and Cáceres 2020). L’affirmation et le cadre proposés sont clairs : la population mondiale augmentera de façon importante d’ici 2050, et la production alimentaire mondiale devra ainsi augmenter du même ordre de grandeur tout en réduisant son impact sur l’environnement et en utilisant à peu près la même quantité de terres actuellement cultivées, afin que le monde reste nourri et en sécurité (Miles 2019). Ces récits de pénurie, qui annoncent de manière plus ou moins nuancée un avenir catastrophique, cimentent les discours et la littérature de l’écosystème numérique agricole.

Compte tenu de sa prédominance et de sa stabilité dans le temps, ce cadrage de l’avenir des outils numériques en agriculture peut être considéré comme une sorte de récit principal qui expose la façon avec laquelle les problèmes alimentaires et écosystémiques sont considérés aujourd’hui. Les textes publiés par les principales instances internationales – Banque mondiale, FAO, OCDE – présentent effectivement les technologies numériques comme la solution technique à l’insécurité alimentaire à venir (Lajoie-O’Malley et al. 2020). Les discours des acteurs de l’Agtech et de la Foodtech sont ponctués de référence à ces récits de pénurie pour justifier et légitimer le développement de leurs solutions. Combien de fois n’avons-nous pas d’ailleurs pas entendu en introduction de conférences, séminaires, et ateliers de l’écosystème numérique en agriculture les chiffres mis en avant sur l’augmentation de la demande alimentaire dans les années à venir ? L’accent mis sur les impacts positifs du numérique agricole dans une grande partie de la littérature scientifique existante peut indiquer que ce récit principal opère également dans cette littérature (Lajoie-O’Malley et al. 2020). Une analyse récente des sentiments et des émotions associés aux discours sur l’agriculture de précision sur Twitter semble soutenir l’idée que ces technologies seront utiles pour faire face aux défis posés au secteur agricole (Ofori and El-Gayar 2021).

En utilisant cette vision tournée vers l’avenir, le futur devient cause et justification d’une certaine forme d’action dans l’ici et le maintenant. Les récits dominants décrivent la pénurie non pas comme absolue mais comme relative à la façon dont les ressources sont utilisées. De ce point de vue, les problèmes actuels des modèles agricoles et ceux créés par l’utilisation des technologies numériques pourraient ainsi être surmontés par des ajustements intelligents des solutions technologiques existantes (Gras and Cáceres 2020). Les promoteurs des technologies numériques les considèrent comme des moyens permettant à l’agriculture d’accroître l’efficacité, l’efficience, et la productivité de ses itinéraires culturaux et de ses exploitations. Les slogans couramment utilisés sont assez évocateurs, notamment celui le plus mis en avant « la bonne dose au bon endroit au bon moment », d’ailleurs parfois complémenté ou mis au gout du jour avec d’autres superlatifs. On retrouve également ces atouts mis en avant dans la définition récente de l’Agriculture de Précision par les chercheurs de l’ISPA (International Society of Precision Agriculture) qui la considèrent comme une stratégie de gestion visant à orienter les décisions de gestion modulée relatives à la plante ou à l’animal en vue d’améliorer l’efficacité des ressources, la productivité, la qualité, la rentabilité, et la durabilité de la production agricole.

Les technologies numériques en agriculture sont souvent présentées dans la presse populaire, le marketing industriel et la littérature technique comme une réponse révolutionnaire aux problèmes d’insécurité alimentaire mondiaux – une sorte de force perturbatrice, avant-gardiste, et largement positive qui changerait l’agriculture pour le mieux. Certains iront jusqu’à voir ces outils numériques en agriculture comme présageant d’une nouvelle révolution verte et/ou industrielle (Miles 2019). Les technologies numériques sont ainsi mises en avant comme des nouveautés, plutôt que comme une extension des stratégies de gestion agricole existantes. Les premiers agriculteurs à adopter une nouvelle technologie sont d’ailleurs régulièrement célébrés dans les médias pour leurs compétences en matière de nouvelles technologies. Ce récit de la nouveauté, qui organise les réponses technologiques, est celui de l’agriculteur innovateur, ou en d’autres termes, un agriculteur toujours prêt à adopter des technologies de pointe et à prendre des risques en connaissance de cause (Gras and Cáceres 2020). L’intégration des technologies numériques dans l’infrastructure matérielle de l’agriculture contemporaine a été mise en œuvre et codée par de subtils changements dans la subjectivité des agriculteurs. L’imaginaire du « bon agriculteur » (nous y reviendrons un peu plus loin) mis en avant par les récits dominants, est en train de se transformer d’une figure qui est censée connaître sa terre à une figure qui connaît sa terre numériquement. L’image du bon agriculteur, couramment déployée pour inciter à l’adoption de ces technologies numériques agricoles, apparaît comme de plus en plus avisée en matière de données (Kuch, Kearnes, and Gulson 2020).

Dans tous ces imaginaires, nous pouvons également trouver l’idée que les technologies aideront à résoudre le problème de l’imprévisibilité du climat. En aidant à prévoir les catastrophes ou encore à prédire les rendements, ces technologies devraient permettre des prédictions automatisées (Lajoie-O’Malley et al. 2020). La figure d’une nature imprévisible, incertaine, et source de risque, en devenant justement prévisible grâce aux outils numériques, tend à laisser planer du doute sur l’état et la fiabilité des connaissances conventionnelles sur l’agriculture. En agriculture, la production de nouvelles données de « précision » s’accompagne ou, dans certains cas, dépend de l’utilisation de capteurs censés accroître la certitude des connaissances et des décisions (Kuch, Kearnes, and Gulson 2020). En ce sens, l’agriculture guidée par les données est considérée comme un moyen d’atténuer les risques pour la productivité agricole causés par le manque de prévisibilité. (Lajoie-O’Malley et al. 2020). La promotion des systèmes d’agriculture de précision présente néanmoins stratégiquement les technologies numériques comme des outils d’aide à la décision, augmentant la capacité d’observation et de prise de décision des agriculteurs (Stock and Gardezi 2021). La mise en place de nouvelles infrastructures de données dans ces domaines est annoncée comme fournissant les conditions pour de nouvelles formes de connaissances, de pratiques, de preuves et de valorisation.

De la puissance du langage et des imaginaires

Il est important de comprendre non seulement les dimensions techniques des innovations, mais aussi les types d’imaginaires qu’elles expriment (Duncan et al. 2021). Nos imaginaires ne sortent pas de nulle part. Au contraire, ils s’inspirent plutôt d’histoires profondément ancrées qui dépeignent un monde avec des règles et des normes que nous nous sommes fixées. Et ces imaginaires sont enracinés dans un passé commun. Ce passé partagé et cet avenir imaginé prennent forme à travers les récits dominants autour des technologies. Ces récits dominants – ceux de la pénurie dont on a parlé plus haut par exemple – reviennent dans les thèmes et les discours publics qui font référence à des histoires bien connues, voire même à des légendes. Les récits dominants, chaque fois qu’ils sont utilisés, offrent des références à une tradition partagée, et expriment ainsi une façon collective de penser et, par la suite, un mode de vie (Lajoie-O’Malley et al. 2020). Les récits dominants rassemblent des valeurs sociales, des croyances, ainsi que des connaissances, qui contribuent à normaliser, renforcer, confronter ou encore à contester un état des choses donné (Gras and Cáceres 2020).

Les imaginations d’applications des technologies numériques et les espoirs portés vers le futur sont le moteur de l’innovation. Néanmoins, les futurs ne sont pas inévitables. Ils sont le résultat de la prise de décision et de l’action humaine. Ils façonnent, et sont façonnés par, les projets techniques ainsi que par les prédictions, les rêves et les imaginations existants sur ces projets. Ces imaginaires et ces espoirs sont des moteurs essentiels de l’orientation donnée aux innovations que nous mettons en place, innovations qui peuvent servir ou non à aller dans le sens de modèles agricoles soutenables. Ces cadres et imaginaires visent souvent à susciter des attentes positives et à faire du battage médiatique. Ils affichent souvent une croyance très forte en la technologie, une sorte de techno-solutionnisme qui soignera l’humanité et les systèmes agricoles de tous leurs maux (Fairbairn et Guthman, 2020), au risque de parfois minimiser les effets négatifs ces technologies sur des plans sociaux, culturels, historiques, environnementaux, ou encore politiques encore trop peu considérés (Fleming et al. 2019; Lajoie-O’Malley et al. 2020).

En donnant corps à ces imaginaires, le langage et le simple choix de mots ont des implications très fortes. A tout va dans les médias, les salons, les séminaires, nous entendons parler d’agriculture intelligente, d’agriculture 4.0, d’agriculture connectée, d’agriculture de précision, d’agriculture du futur, ou encore d’agriculture digitale. Quels futurs et quels imaginaires ces champs lexicaux évoquent-ils dans la tête de ceux qui les entendent ? Comment ces mots résonnent-ils dans nos têtes ? Devons-nous penser qu’un agriculteur qui n’utilise pas ces technologies soi-disant innovantes ne serait pas intelligent, travaillerait comme un cochon, ou alors serait terriblement en retard sur son temps ? Il n’est peut-être même pas certain que, dans la bouche des personnes qui utilisent ces expressions-là, il y ait une quelconque volonté d’aspirer à un futur complètement technologique. Malgré tout, l’impact est présent et les imaginaires sont construits.

L’analyse du discours permet de mettre en évidence la force des mots et du langage. Et c’est ce à quoi se sont astreints depuis plusieurs années les disciplines des sciences sociales et humaines. L’analyse du discours peut révéler comment un langage apparemment simple et innocent peut en fait avoir des effets puissants sur les perceptions du bien ou du mal, ou les perceptions d’’inclusion ou d’exclusion. Perceptions qui, si elles n’étaient pas analysées, seraient complètement acceptées par la population et invisibilisées dans le langage commun, et par là-même jamais remises en question. L’analyse du discours remet en question le cadrage fondamental des idées qui pourraient sinon conduire au maintien du statu quo et à la perpétuation des inégalités existantes dans les modèles agricoles existants. L’analyse du discours diffère des approches actuelles car elle s’attaque à la source du problème de l’adoption (conflit de valeurs, chocs culturels, manque de confiance, manque de participation), plutôt qu’aux symptômes (manque de sensibilisation, manque d’information, manque de compétences) (Fleming et al. 2019).

Les discours travaillent à établir des normes et des règles et agissent en opposition à d’autres discours concurrents. Les discours sont donc dynamiques et en constante évolution. En prenant conscience de la manière dont un discours fonctionne, il devient possible de concevoir comment ce discours pourrait être différent, ou de commencer à le rejeter complètement. Tout ce que nous faisons en tant qu’individu s’inscrit dans le cadre d’un discours. Les discours sont donc des constructions sociales influentes qui doivent être examinées, en particulier en ce qui concerne le changement de comportement vers un usage important des outils et solutions technologiques en agriculture.

Des imaginaires à déconstruire

Un discours neo-malthusien centré sur le techno-solutionnisme

Thomas Malthus est un économiste britannique qui s’est fait principalement connaitre pour ses théories – que l’on évoque sous le nom de théories malthusiennes ou néo-malthusiennes – sur les liens entre d’un côté, une augmentation très forte de la population, et de l’autre côté des ressources ou une production qui n’augmenterait pas aussi rapidement. Selon Malthus, en ne contrôlant pas la croissance de la population – notamment au travers d’un contrôle des naissances et en retardant l’âge du mariage – nous ferions face inévitablement à des catastrophes démographiques. Comme nous l’avons discuté plus haut, les récits dominants de l’écosystème numérique, à la fois dans la bouche des acteurs du domaine, mais aussi de textes internationaux (Banque mondiale, FAO, OCDE) présentent le numérique agricole à travers un prisme néo-malthusien et techno-progressiste, comme la solution technique à l’insécurité alimentaire future engendrée par la pression démographique, la demande croissante de nourriture et la vulnérabilité environnementale (Lajoie-O’Malley et al. 2020) (Ravis and Notkin 2020). L’analyse de la littérature scientifique montre également que les thématiques de recherche de l’écosystème Agtech sont de plus orientées vers la technologie. Une cartographie récente de la littérature scientifique en agriculture de précision a par exemple identifié trois principaux groupes de mots clés dont un spécifique à la « technologie », un deuxième sur les « indices » et l’ «analyse d’images, se référant donc indirectement à des outils technologiques pour le suivi de la végétation, et un troisième sur le « sol » et la « variabilité spatiale » (Pallottino et al. 2018). Plus récemment encore, en analysant les mots clefs d’un grand nombre de publications scientifiques sur les mêmes thématiques, un groupe d’auteurs a identifié cinq grands courants de recherche, à savoir l’agriculture intelligente face au climat, la modulation intra-parcellaire, la télédétection, l’internet des objets et l’apprentissage automatique (Bertoglio et al. 2021) – des thématiques encore une fois largement dominées par la technologie.

Les acteurs principaux actuels envisagent les futurs systèmes alimentaires en donnant la priorité à la maximisation de la production alimentaire grâce à la technologie (Klerkx and Rose 2020). Cette vision reflète un discours de longue date sur le rôle de la technologie dans l’innovation des systèmes alimentaires, qui part de l’hypothèse controversée que l’augmentation de la production alimentaire entraîne une amélioration de la sécurité alimentaire (Lajoie-O’Malley et al. 2020). La sécurité alimentaire a toujours figuré en bonne place dans la liste des défis mondiaux auxquels pouvait s’atteler la technologie, mais elle semble aujourd’hui sur le point d’émerger, du moins temporairement, comme la problématique dominante du techno-solutionnisme agricole. Selon Madeleine Fairbairn et Julie Guthman, la primauté actuelle de l’intérêt pour la sécurité alimentaire ne serait pas complètement due au hasard. La sécurité alimentaire serait un cadre plus approprié dans le sens où le productivisme néo-malthusien aurait toujours été un fondement douteux étant donné la prévalence de la surproduction dans l’agriculture (Fairbairn and Guthman 2020).

Il est intéressant de se rendre compte que les statistiques et chiffres classiquement mis en avant dans le cadre des récits dominants sont un outil discursif clé utilisé par les institutions dominantes, individus et acteurs ayant des façons très à eux d’envisager la question de la sécurité alimentaire. Isobel Tomlinson met en avant que les documents de référence, particulièrement celui de la FAO de 2006 (World Agriculture: Towards 2030/2050), seraient mal interprétés (Tomlinson 2013). L’auteure insiste sur le fait que le rapport de la FAO n’affirme pas, explicitement ou implicitement, que la production alimentaire mondiale doit très largement augmenter d’ici à 2050. Le travail de modélisation sur lequel le rapport est basé n’aurait pas d’agenda normatif, et les hypothèses et projection de l’auteur du rapport reflèterait en réalité l’avenir le plus probable ou le plus susceptible d’être, mais pas nécessairement le plus souhaitable ou celui tel qu’il devrait être (Tomlinson 2013).

Un thème fréquent dans les textes de la Banque mondiale, la FAO, et de l’OCDE est celui des mutations agricoles inévitables, avec l’imaginaire sous-jascent que les technologies numériques entraîneraient des transformations positives dans le secteur agricole. Le message, à la fois implicite et explicite dans ces textes, est que les sociétés risquent de ne pas assurer la durabilité et la sécurité du système alimentaire si elles n’adoptent pas les technologies numériques agricoles (Lajoie-O’Malley et al. 2020). La plupart des textes véhiculent également l’idée que les outils numériques transformeront inévitablement les petites exploitations agricoles. Cette transformation, décrite comme inévitable et portée par l’innovation technologique, est surtout présentée comme nécessaire (Lajoie-O’Malley et al. 2020). Toujours sur ces mêmes documents d’instituts internationaux, Alana Lajoie-O’Malley et son équipe notent également que lorsqu’il est fait état des avantages des outils numériques en agriculture, cela va toujours au-delà de la simple production alimentaire. On y retrouverait notamment beaucoup d’allégations en faveur de « l’augmentation de l’emploi dans les zones rurales », « l’augmentation des revenus des populations rurales », « l’augmentation du niveau de vie », ou encore « l’augmentation du revenu disponible » (Lajoie-O’Malley et al. 2020). De cette façon, la soi-disante révolution numérique en agriculture pourrait être opposée à la révolution verte, cette dernière étant dépeinte comme étant principalement technologique.

La ruée pour rendre tout intelligent (« smart » en anglais, en référence à la smart agriculture ou encore aux smart cities) se manifeste dans le monde entier (Fraser 2021). L’optimisme technologique pousse à croire que les nouvelles technologies conduisent non seulement à un progrès technique, mais aussi à des progrès sociaux, politiques et même moraux. L’optimisme technologique remonterait même à la vision de progrès du siècle des Lumières avec l’idée que le progrès serait étroitement lié à l’accélération du rythme des innovations scientifiques et mécaniques (Lajoie-O’Malley et al. 2020). Dans leur analyse des textes de la Banque mondiale, de la FAO, et de l’OCDE, les auteurs soulignent que l’optimisme technologique se manifeste dans les visions de paysans dans des régions reculées d’Afrique qui utiliseraient des applications smartphones pour gérer leurs exploitations agricoles, mettre en place des services écosystémiques et répondre aux besoins des communautés locales. Encore une fois, ces rapports montreraient que les technologies sont nécessairement intégrées dans les contextes sociaux. Dans les textes, la priorité est donnée à l’argument selon lequel les paysans font partie des systèmes alimentaires mondiaux existants grâce à l’utilisation de ces technologies numériques, en accédant aux outils et aux infrastructures numériques et en produisant davantage de nourriture (Lajoie-O’Malley et al. 2020). Ces organisations ont des visions de l’avenir agricole numérique très positives et qui, par conséquent, approuvent des transformations numériques majeures dans le système agricole (Lajoie-O’Malley et al. 2020)

Ces récits techno-centrés doivent être acceptés avec prudence (Tomlinson, 2013). Notez d’ailleurs que certains acteurs feront tout pour protéger les récits dominants, allant jusqu’à dire qu’il ne faudrait pas ignorer les préjudices associés à une utilisation manquée des outils technologiques – les occasions manquées d’utiliser ces technologies pour atteindre les objectifs de développement durable étant probablement responsables d’au moins autant de dommages que les fuites et les atteintes à la vie privée (Espinoza et Aronczyk 2021). La montée en puissance de la pensée dominante de l’écosystème Agtech ne fera probablement qu’étendre ce discours vers l’extrémité high-tech du spectre de l’innovation, en mettant de côté d’autres réponses aux défis de la sécurité alimentaire qui ne sont pas basées sur la technologie. Il s’agit notamment des réponses sociales aux défis de la sécurité alimentaire qui ont montré que le manque d’accès à la nourriture est rarement causé par un manque de production alimentaire, mais au contraire lié une distribution et à un droit inégal à la nourriture produite en raison d’inégalités sociétales. Pour atteindre les objectifs du Millénaire pour le développement (OMD) en matière de sécurité alimentaire, il faudrait non seulement produire plus de nourriture, mais aussi s’attaquer à la sous-consommation et à la surconsommation. Alistair Fraser s’amuse du fait que certains considèrent les données (la data) comme une culture de rente agricole à part entière, alors que les données ne se mangent pas et que la malnutrition touche actuellement environ un septième de la population mondiale (Fraser 2021). L’optimisme technologique a tendance à réifier les technologies et à obscurcir les causes sociales ou sociotechniques complexes des problèmes complexes. Les approches néo-malthusiennes des systèmes alimentaires contournent les contradictions entre population et ressources en augmentant la production, ce qui sert essentiellement à renforcer la légitimité des institutions en place en fournissant un substitut technologique à la réforme sociale (Lajoie-O’Malley et al. 2020). Rajoutons également qu’un récit techno-centré détourne l’attention d’autres idées telles que le paradigme de la décroissance, qui considère les structures économiques existantes comme la principale raison de l’insécurité alimentaire et de la dégradation de l’environnement. (Klerkx and Rose 2020).

Pour être significatifs, les appels récurrents à une augmentation de la production alimentaire doivent être replacés dans le contexte plus large des systèmes de production et de distribution actuels, qui gaspillent aujourd’hui une part très importante de la nourriture produite. Les questions de la faim, de la nutrition et de la culture normalement regroupées sous le manteau de la sécurité alimentaire ne sont pas des questions de simple pénurie ; elles sont en grande partie des questions de distribution façonnées socialement, politiquement et culturellement – à la fois de la nourriture elle-même et du pouvoir plus généralement. Les questions relatives à la production et au gaspillage sont également des questions de normes culturelles, en particulier celles qui lient l’authenticité, la masculinité, la vitalité et la richesse à l’abattage et à la consommation d’autres espèces (Lajoie-O’Malley et al. 2020) Il suffit par exemple de voir la proportion de terres arables utilisées pour l’alimentation du bétail. L’augmentation de la production alimentaire à l’aide de la technologie, en particulier dans le monde en développement, n’est pas une solution à ce problème en soi. Si la technologie est importante pour stimuler la productivité et a effectivement contribué à améliorer la sécurité alimentaire et la prospérité, le simple fait de produire plus de nourriture ne garantit pas une meilleure sécurité alimentaire pour les groupes marginalisés (Klerkx et Rose 2020). Il est bien évident qu’aucune approche, à elle seule, ne sera pleinement efficace pour lutter contre l’insécurité alimentaire (Garnett et al. 2013) et qu’il serait alors dommageable de ne pas aussi inciter à augmenter la production alimentaire. Mais le contexte général des systèmes de production et de distribution actuels ne peut pas et ne doit pas être oublié.

Une optique très ou trop Agtech peut risquer de focaliser notre attention sur des choses trop spécifiques plutôt que sur le système alimentaire à grande échelle. Une telle optique peut nous faire manquer les compromis environnementaux et sociaux des changements agricoles qui ne sont pas climatiques et, ce faisant, conduire à des solutions inappropriées ou même à des opportunités manquées de développement durable au sein de nos systèmes alimentaires. Des récits impressionnants sur les avantages en termes de rendement, d’amélioration des sols ou d’efficacité de l’utilisation de l’eau peuvent conduire à la mise à l’échelle de technologies et à la fixation d’objectifs d’adoption ambitieux, mais peuvent également masquer une multiplicité de coûts, de compromis ou de risques spécifiques à tel ou tel contexte ou système agricole (Whitfield, Challinor et Rees, 2018). Pour répondre au besoin urgent de construire des systèmes alimentaires résilients, durables et justes, capables de nourrir une population croissante, une approche systémique nous invite à réfléchir, par exemple, à la nature globalement interconnectée de la production, de la consommation et des déchets locaux (par exemple, à travers les marchés et le commerce) ; à la dépendance et aux impacts de l’approvisionnement alimentaire sur les systèmes et services écologiques et climatiques en mutation ; et au rôle et au mouvement des connaissances, des informations et des valeurs à travers les nœuds de prise de décision à diverses échelles (Whitfield, Challinor et Rees 2018).

Le discours contemporain sur l’agriculture de précision tend à privilégier les technologies numériques émergentes plutôt que leur intégration dans des approches de gestion de précision de longue date. Les récits dominants axés sur la nouveauté et l’innovation ignorent le fait que les gains les plus tangibles dans les exploitations agricoles pourraient bien résulter d’une meilleure mise en œuvre d’idées simples dont nous connaissons déjà l’efficacité (Klerkx and Rose 2020). La domination des innovations émergentes associées à aux technologies numériques pourrait détourner l’argent et l’attention des technologies actuellement réalisables (ou de la conception de ces technologies) qui pourraient faire la différence maintenant. Rose et Chilvers (2018) affirment qu’il existe une écologie ou un spectre d’innovations dans l’agriculture, allant de la haute technologie émergente (par exemple, la robotique) à des produits de basse technologie plus banals (par exemple, un ensemble de balances pour peser le bétail) (Klerkx and Rose 2020)

Certains auteurs voient même dans cette vision techno-centrée de l’agriculture, une façon de surmonter la crise de légitimation du modèle mondial hégémonique de production et de consommation agricoles (Gras and Cáceres 2020). En tant que constructions sociopolitiques, les récits sont instables et contestés, et impliquent donc un travail constant de légitimation (Gras and Cáceres 2020). Les récits seraient essentiellement impliqués dans le fonctionnement de l’hégémonie, en occultant les critiques qui remettent en cause l’organisation dominante des systèmes agroalimentaires, tout en montrant qu’avec les réglages appropriés, elle peut dûment traiter les questions environnementales. Emily Duncan et ses co-auteurs ajoutent que plusieurs travaux dans le domaine de l’agriculture de précision s’intéressent à l’étude de l’hétérogénéité spatiale et temporelle des facteurs de production dans les parcelles agricoles, mais d’une manière qui légitime et ré-enracine l’industrialisation de l’agriculture (Duncan et al. 2021).

D’un point de vue environnemental, on peut également observer la tendance, en suivant le langage de l’écosystème Agtech, à adopter un concept de durabilité trop étroit, dans lequel les questions d’eau, de biodiversité, d’équité sociale, de moyens de subsistance deviennent périphériques avec le risque que les compromis dans ces dimensions supplémentaires soient négligés (Whitfield, Challinor et Rees 2018). On peut retrouver également ces phénomènes sur le terrain lorsque des innovations technologiques sont déployées sans tenir compte des conditions sociétales, économiques et écologiques plus larges dans lesquelles les agriculteurs opèrent, établissent leurs priorités et prennent leurs décisions (Whitfield, Challinor, et Rees 2018) (Fraser 2021).

Il est facile d’être séduit par une solution techno-centrée à un problème présenté comme simple (Rose et al. 2021). Stratégiques pour la construction d’une politique environnementale, les récits de pénurie simplifient et occultent les liens entre des éléments hétérogènes liés aux menaces environnementales posées par l’agriculture industrielle, les acteurs qui ont le pouvoir de les résoudre et les types de connaissances qui les soutiennent (Gras and Cáceres 2020). Les défis auxquels font face le système agricole ne sont pas simples – bien au contraire, ils sont extrêmement complexes et entremêlés. H.L. Mencken le présente de manière très explicite : « Pour chaque problème complexe, il y a une réponse qui est claire, simple et fausse ». Il est important de noter que le cadrage néo-malthusien utilisé dans les récits dominants n’est pas inévitable. Il est le produit d’un choix humain. Les cadrages néo-malthusiens des questions alimentaires ont été contestés tout au long de la longue histoire du malthusianisme et du néo-malthusianisme. (Lajoie-O’Malley et al. 2020)

Le risque de prophéties auto-réalisatrices

Les sociologues et les économistes abordent différemment l’explication des événements présents (Carolan 2020b). Les sociologues considèrent les événements présents comme un résultat final émergeant du passé alors que les économistes ont plutôt tendance à raisonner à rebours à partir du futur : les décisions sont expliquées par la valeur actuelle des récompenses futures attendues. Selon Michael Carolan, il serait difficile de contester le fait que la sociologie accorde une importance analytique et conceptuelle considérable au passé contrairement à l’économie dominante qui aurait au contraire un regard très porté vers l’avenir et le futur (Carolan 2020b).

Cette vision anticipatrice, très orientée vers l’avenir, n’est toutefois pas surprenante pour le secteur agricole. L’agriculture est par essence une activité d’avenir, conditionnée par des activités animées par des visions de la faim imminente et d’autres besoins fondamentaux, par des saisons anticipées et ou encore par sa propre mortalité – par exemple lorsqu’il s’agit de trouver un successeur à l’exploitation (Carolan 2020b). Mais il est des façons différentes d’imaginer ces futurs avec, d’un côté du spectre, la mise en réserve, qui consiste à soustraire une partie des biens directs pour la réserver à une consommation future et qui implique prévoyance et abstention de consommation et, de l’autre côté du spectre, l’accumulation capitaliste, qui conduit à mettre en réserve les biens indirects en vue de leur utilisation productive. Le premier imaginaire fondé sur la solidarité, la réciprocité et la simple reproduction, est très largement différent du deuxième, beaucoup plus capitaliste, distant et calculable, qui se base sur une logique de calcul, de profits et de marchés, avec des exemples tels que l’assurance récolte ou les marchés à terme (Carolan 2020b).

Ces actes d’anticipation sont loin d’être innocents. Ils présupposent des futurs et des imaginaires capitalistiques. Il serait par exemple absurde d’acheter des équipements agricoles ou numériques de plusieurs milliers d’euros ou d’apporter des améliorations coûteuses au capital (par exemple, des systèmes d’irrigation, des bâtiments, des clôtures) sans aucune plus-value et/ou profit derrière. Sans compter que la capacité même d’acheter ces équipements coûteux ne serait pas possible sans le crédit, qui n’existerait pas sans des attentes fictives de ce que sera le futur. Ces actes d’anticipation tendent à mettre en avant qu’il faut anticiper les vies à valoriser et donc valoriser ces vies, poussant alors à mettre en œuvre les fins mêmes initialement utilisées pour justifier des actions particulières dans le présent (Carolan 2017). Avec cette vision anticipatrice, il semble bien y avoir un risque réel d’abandonner certaines formes de vie afin d’en protéger d’autres. Lorsque ce qui est valorisé inclut une production et une demande alimentaire croissante, on semble en réalité valoriser des modèles de consommation actuels et tout ce qui les met en œuvre. (Carolan 2017).

Les prévisions économiques rendent la valeur économique future spéculative très palpable (Duncan et al. 2021). Certains auteurs vont même jusqu’à expliquer que l’économie est une discipline qui vise à générer et créer des mondes, plutôt qu’à simplement les décrire (Carolan 2020b). Michael Carolan en donne un exemple parlant avec le besoin en main d’œuvre du secteur agricole. Lorsque les agriculteurs imaginent une campagne future dépourvue de main-d’œuvre disponible, que ce soit en raison des lois sur l’immigration ou d’une économie florissante, et qu’ils réalisent des investissements en prévision de cet avenir, ces agriculteurs contribuent à concrétiser la campagne dans l’image qu’ils s’en sont faite. Cette vision anticipatrice contribue à rendre réelle une ruralité manquant de main-d’œuvre disponible mais également une campagne qui manque de main-d’œuvre migrante et immigrante (Carolan 2020b). Ces actes d’anticipation peuvent être vus sous le prisme d’une sociologie des attentes dans laquelle les imaginations, les attentes et les visions sont génératives ; les technologies font des promesses, souvent autour de leur capacité à réaliser une valeur monétaire (Duncan et al. 2021).

Nous pouvons alors nous demander jusqu’à quel point les récits dominants pourraient en réalité être considérés comme des prophéties autoréalisatrices et jusqu’à quel point les concepts et les mots clés largement utilisés par les acteurs de l’écosystème Agtech créeraient un imaginaire qui soit le plus susceptible d’arriver. Laurens Klerkx et ses co-auteurs soulèvent notamment la question des dichotomies entre plusieurs champs lexicaux très orientés sur la technologie : l’agriculture intelligente versus l’agriculture idiote, l’agriculture numérique versus l’agriculture analogique, ou encore l’agriculture 4.0 versus l’agriculture 2.0 ? (Klerkx, Jakku, and Labarthe 2019). Il ne s’agit pas de suggérer ici que l’action anticipatrice est intrinsèquement mauvaise. Nous ne pouvons pas éviter d’anticiper le présent. Néanmoins, Michael Carolan nous invite cependant à accroître notre sensibilité critique à la nature autoréalisatrice de ce que signifie l’anticipation (Carolan 2020b). Tout jugement normatif devrait plutôt s’articuler autour de la compréhension de ce qui est protégé, et inversement détruit et abandonné, par qui et avec quels effets (Carolan 2017). Certains arguments d’anticipation peuvent néanmoins paraitre étrange dans le sens où nous parlons en fin de compte de quelque chose qui n’a pas encore eu lieu et qui pourrait ne jamais avoir lieu.

Une normalisation du système actuel

Il ne fait aucun doute qu’une variété de technologies agricoles numériques a vu le jour au cours des 30 dernières années. S’il est vrai que certaines de ces technologies ont conduit à des vrais gains d’efficacité – on pense par exemple aux technologies de géo-positionnement dans l’écosystème numérique – de nombreux auteurs remettent en cause les idées de nouveauté et de révolution généralement attribuées à ces technologies. La rhétorique autour de l’efficacité des technologies numériques (réduction de l’impact environnementale ou encore de l’efficacité des intrants) ne serait pas malhonnête, mais elle serait incomplète dans le sens où elle n’apporterait pas une solution à long terme aux crises imminentes du système alimentaire mondial (Ravis and Notkin 2020). Généralement définies comme intelligentes, ces technologies montrent comment les principes de l’agriculture industrielle sont réarticulés en une manière plus rationnelle et efficace de cultiver qui peut atténuer les problèmes biophysiques et écologiques et s’adapter au changement climatique (Gras et Cáceres 2020) (Bronson and Knezevic 2016).

L’essor des technologies numériques dans l’agriculture est vu par certains comme la poursuite d’un processus qui remonte à la révolution verte, à savoir la reconfiguration de la vie agraire de manière à accroître les profits (Ravis and Notkin 2020) (Stock and Gardezi 2021). L’agriculture de précision notamment, selon ces auteurs, serait mieux comprise comme une intensification et une évolution des modes de relation dominants structurés par l’organisation capitaliste de la production. La figure de l’agriculture de précision et de son penchant algorithmique, présentée comme révolutionnaire, aurait l’effet rhétorique de normaliser la production industrielle intensive et destructrice de produits agricoles qui est en grande partie responsable des problèmes sociaux et environnementaux qu’elle est censée résoudre en premier lieu (Miles 2019). Selon ce dernier auteur, l’agriculture de précision représenterait au présent ce que la gestion agricole, la mécanisation, l’hybridation et les intrants artificiels représentaient au passé : un mouvement visant à transformer davantage les objets (et maintenant les activités) en marchandises discrètes, à étendre la portée du capital et à accumuler de nouvelles géographies entières de possibilités à la logique du marché. Selon Timothy Ravis et Benjamin Notkin, la génération de profits en agriculture dépendrait en partie du maintien d’intrants pour la production et d’une nourriture artificiellement bon marché. Et les technologies numériques, en perpétuant un régime non durable de nourriture bon marché, soutiendraient l’expansion continue d’un système urbain mondial tout aussi non durable (Ravis and Notkin 2020).

La plupart des technologies numériques peuvent être considérées comme des extensions de catégories générales d’outils, plutôt que comme des types entièrement nouveaux (Duncan et al. 2021). La promotion de la nouveauté elle-même contribue à fétichiser les composantes techniques des technologies numériques agricoles, en promettant que des technologies connectées apporteront de la valeur non seulement aux parties prenantes agroalimentaires traditionnelles comme les agriculteurs, mais aussi, au-delà du secteur agroalimentaire, à des secteurs tels que la finance et la technologie. Plus important encore, Emily Duncan et son équipe notent que le mécanisme de base par lequel ces technologies sont censées permettre des gains de rendement et de résilience est resté le même. Ces technologies soi-disant nouvelles sont intégrées dans une philosophie de gestion qui elle, ne l’est pas : la gestion optimisée de zones agricoles précises grâce à l’utilisation de données de terrain (Duncan et al. 2021). L’optimisation des intrants permet de continuer à utiliser des produits chimiques et des pratiques nuisibles pour l’environnement, qui seraient autrement abandonnés si leurs effets n’étaient pas activement atténués. Les externalités produites par l’utilisation de ces intrants sont, selon ces auteurs, les coûts non évalués et sous-évalués de l’agriculture capitaliste industrielle. Si l’optimisation, facilitée par les technologies numériques, limite les dommages à court terme des pratiques non durables, elle rend également ces pratiques plus permises politiquement et financièrement. Ainsi, en faisant passer des pratiques non durables pour des pratiques durables, la nécessité d’adopter des pratiques plus durables et plus justes sur le plan écologique et social est retardée.

En se concentrant sur la gestion des intrants, ces technologies favoriseraient une interprétation limitée de la durabilité, c’est-à-dire une durabilité qui dépendrait toujours des intrants non agricoles, et qui s’ouvrirait pas à un changement plus radical vers des pratiques durables permanentes (Ravis and Notkin 2020). L’uniformisation de l’environnement en se tournant vers la monoculture était historiquement nécessaire pour les grandes machines agricoles, et était autant une condition préalable qu’un produit de l’agriculture industrielle. Une bonne partie des cartes de préconisation construites par les fournisseurs de services Agtech n’ont d’ailleurs de sens que si l’on adhère à une stratégie d’agriculture conventionnelle rigide (Bronson 2019). Malgré l’abondante littérature académique du début du XXIe siècle qui traite des moteurs et du développement de l’agriculture de précision, le discours de l’industrie et de la presse populaire continue à situer les technologies agricoles numériques dans le champ des options radicalement différentes, les éloignant de cette histoire plus longue d’approches de gestion spécifiques au site et au temps en agronomie (Duncan et al. 2021).

Emily Duncan et son équipe pointent du doigt ce qui est absent des problèmes et des obstacles potentiels auxquels les technologies numériques sont censées répondre (Duncan et al. 2021). Les discours dominants éludent principalement la façon dont les méthodes de production alimentaire industrialisée (par exemple, l’utilisation intensive d’engrais et de combustibles fossiles, la monoculture, les énormes quantités de bétail) créent ces défis en premier lieu (Ravis and Notkin 2020). Le discours de l’agriculture de précision, et de manière plus générale du numérique, tendent à ne pas être explicite sur la gestion des changements politiques ou la garantie d’une distribution alimentaire équitable, et ne se préoccupe pas non plus des types d’aliments qui doivent être produits pour garantir des régimes alimentaires durables et nutritifs. Le débat actuel continue de promouvoir le récit d’une intensification durable pour répondre à la demande croissante de nourriture dans un climat changeant (Duncan et al. 2021).

Timothy Ravis et Benjamin Notkin vont même plus loin en ajoutant que les technologies numériques assoient et perpétuent également une urbanisation galopante – les auteurs parlent d’urbanisation « étendue » et « concentrée » (Ravis et Notkin 2020). L’urbanisation concentrée est le moment de l’agglomération où les flux matériels du capitalisme mondial s’accumulent dans les villes, les mégapoles et les méga-régions. De l’autre côté, l’urbanisation étendue est le moment où des territoires éloignés sont enfermés et transformés en paysages opérationnels qui acheminent l’énergie, les matériaux et la nourriture vers les zones d’accumulation. Les deux moments causent et sont causés par l’autre : l’urbain se déploie dans la campagne tout comme la campagne se replie dans la ville. L’urbanisation capitaliste mondiale est un processus de déplacement et de consommation du monde matériel, qui implique à la fois la fragmentation et l’homogénéisation. Selon ces auteurs, les technologies numériques agricoles poursuivent la centralisation du savoir et du pouvoir économique en facilitant la transformation de vastes territoires en paysages opérationnels qui fournissent la matière, l’énergie et la main-d’œuvre pour un système urbain en expansion rapide (Ravis et Notkin 2020). Le numérique agricole déplace la production de la connaissance agricole, et par la suite la prise de décision agricole, hors des fermes, et en réalité, hors des zones agraires entièrement (Ravis and Notkin 2020). Les humains du capital informatique – les programmeurs et les analystes qui développent les outils et les algorithmes numériques – sont regroupés dans les villes. Et c’est donc dans la ville que l’analyse et le traitement des données est réalisé. Néanmoins, les acteurs de l’écosystème Agtech sont urbains non pas en raison de l’emplacement de leurs bureaux, mais en raison de leur rôle dans le processus d’urbanisation. L’urbanisation – la consolidation hors site – des connaissances agricoles par la saisie de données de l’écosystème numérique en agriculture, et la tendance urbaine du capital informatique, urbanisent ensuite les pratiques agricoles et permettent aux entreprises urbaines d’exercer une influence à distance sur la production agricole. Cette transformation de l’arrière-pays s’opère par le biais d’instructions, d’incitations, de contrats et de conformation. Grâce à ces processus directs et indirects, les technologies numériques auraient le potentiel de reconfigurer la culture, la terre et le travail dans l’intérêt de l’accumulation dans les secteurs urbains non agricoles (Ravis and Notkin 2020).

Il est intéressant de se rendre compte que de très nombreuses entreprises du secteur de l’Agtech n’ont pas forcément de connexions avec le monde agricole. Les imaginaires et les promesses de cet écosystème le rendent particulièrement attrayant aux professionnels hors du milieu agricole, à la fois ceux désireux de transférer une de leur technologie à un nouveau secteur, mais aussi à ceux sentent le vent tourner et qui ne veulent pas rater une occasion de faire du profit. C’est ce qui conduit certaines des plus grosses multinationales de la tech comme Amazon, Microsoft, Google, Oracle et Cisco – ainsi que les fonds investis dans ces entreprises et les consultants qu’elles engagent – vers les technologies numériques agricoles (Ravis and Notkin 2020). A noter également que ces technologies n’ont pas non plus échappé aux principaux acteurs des filières agricoles et agro-alimentaires, qui, pour beaucoup cherchent à trouver la prochaine licorne – comprenez ici une entreprise valorisée à la bourse à plus d’un milliard de dollars (Klerkx and Rose 2020). Le développement de nombreuses technologies numériques, présentées comme nouvelles jusqu’à présent, suggère qu’il existe un potentiel terrain de jeu pour un certain nombre de jeunes entreprises, même si les grandes entreprises semblent toujours dominer le secteur. Bien que ces tendances indiquent la possibilité de perturber les modèles historiques de contrôle dans la technologie agricole, il est important de rappeler que les phases initiales de la recherche sur les semences hybrides et la biotechnologie agricole ont également été caractérisées par un nombre élevé de jeunes entreprises, qui ont finalement été acquises par les grands acteurs alors que les fusions et acquisitions se sont poursuivies à un rythme soutenu des années 1970 au début des années 2000 (Clapp and Ruder 2020). Aujourd’hui, de nombreuses start-up gravitant autour de la robotique et de l’intelligence artificielle sont rapidement rachetées par des géants de l’agroalimentaire et de la distribution tels que John Deere, Case IH, ou encore Bayer (Rotz, Gravely, et al. 2019).

Les entreprises ont utilisé leur pouvoir économique pour contrôler l’orientation de l’utilité de la technologie pour l’agriculture et pour façonner le récit afin de se concentrer uniquement sur ses aspects positifs (Clapp and Ruder 2020). Emily Duncan introduit le concept du « consommateur en attente », ici l’agriculteur, qui devrait être disposé à payer pour l’arrivée des technologies numériques, et qui constituerait la future économie agricole intelligente (Duncan et al. 2021). Ces entreprises orientent également la recherche pour l’amélioration de la technologie uniquement vers ses composants les plus rentables, plutôt que vers d’autres modèles agricoles potentiellement plus durables (Clapp and Ruder 2020). Il est effectivement très probable que les projets autour des technologies ayant le plus fort potentiel de maximisation des profits seront financés – on pense notamment à l’énorme engouement autour des outils d’intelligence artificielle. Sans contrôle, on peut s’attendre à ce que la recherche sur l’intelligence artificielle soit orientée vers les applications de où se trouvent les financements et les intérêts commerciaux (Vinuesa et al. 2020).

Les technologies numériques ne sont pas neutres

Nous ne pouvons et ne devons pas dire grand-chose des formes technologiques lorsqu’elles sont abstraites de leurs réseaux, pratiques, affects et discours. Les dispositifs technologiques ne sont jamais de simples objets indépendants ; ils sont toujours relationnels dans leur essence. Le fonctionnement ou le non-fonctionnement d’une technologie est alors le résultat de la manière dont elle est intégrée dans des réseaux socio-techniques hybrides plus larges (Driessen and Heutinck 2014). Dans un de ses travaux, Michael Carolan prend l’exemple de la programmation en expliquant que le fait de coder n’a rien d’intrinsèquement mauvais. Lorsque le code est intégré à des assemblages (non propriétaires), il peut engendrer des effets libérateurs, tandis que dans d’autres assemblages (propriétaires par exemple), il peut évoquer le sentiment d’être dans une camisole de force (Carolan 2017). Dans un autre de ses travaux, Michael Carolan utilise le concept de « dispositif » du philosophe Foucault, en rappelant qu’il faut décentrer les choses (par exemple, une salle de traite robotisée) et considérer les objets comme un ensemble complètement hétérogène composé de discours, d’institutions, de formes architecturales, de décisions réglementaires, de lois, de mesures administratives, d’énoncés scientifiques, et de propositions philosophiques, morales et philanthropiques (Carolan 2020b).

Il faut donc y comprendre que les technologies numériques n’existent pas mais deviennent. Ces technologies ne font pas cavalier seul et ne sortent pas de nulle part, elles sont à la fois un moteur et une conséquence de la politique. Les algorithmes opaques et les outils prédictifs utilisés dans l’agriculture conventionnelle ont reçu un voile distinct de neutralité (Carolan 2017). La gouvernance des technologies numériques s’inscrit dans le cadre de solutions de besoins urgents, visant principalement à améliorer l’accès au marché. Carla Gras et Daniel Caceres rappellent que les liens entre les changements technologiques et ceux induits par le marché sont inscrits dans le pouvoir. Les initiatives de l’écosystème Agtech devant alors être comprises comme un projet politique lié aux entreprises qui dominent la production et la distribution de nourriture et de carburant (Gras and Cáceres 2020). Eléonore Schnebelin et co-auteurs rajoutent que les trajectoires de digitalisation sont impactées par les institutions associées à l’industrialisation de l’agriculture, notamment au travers des structures de conseil, de formation et de travail. Ces trajectoires seraient interdépendantes des mécanismes de transformation associés : expansion, externalisation, main-d’œuvre et intensification (É. Schnebelin, Labarthe, and Touzard 2021).

Jostein Vik et son équipe ont notamment étudié le cas des robots de traite en Norvège pour savoir si le changement structurel observé dans l’utilisation de ces robots pouvait être attribué à l’évolution de la politique agricole de Norvège. Selon ces auteurs, il serait incorrect d’attribuer le changement sociétal aux seuls souhaits et motivations des agriculteurs. Le développement agricole aurait tendance à être hautement politique, et l’élevage laitier norvégien n’y ferait pas exception. Le cadre politique national n’aurait pas poussé les développements structurels observés ; la politique s’y serait plutôt adaptée. Il semble toutefois que les évolutions structurelles résultant de l’introduction de la traite robotisée dans l’agriculture norvégienne soient une série de conséquences imprévues des stratégies des exploitations, des adaptations politiques, des caractéristiques technologiques et des capacités des robots de traite (Vik et al. 2019). Michael Carolan a travaillé de son côté sur des questions de main d’œuvre en agriculture aux Etats-Unis. Les grandes industries de production de fruits et de légumes sont particulièrement dépendantes de la main-d’œuvre immigrée et, en tant que telles, ont historiquement été parmi les voix les plus puissantes du lobby pro-immigration. Dans son panel d’interviews, plusieurs répondants auraient admis que la pression politique exercée historiquement par ce secteur, en faveur de l’immigration, pourrait bien disparaître une fois que la robotique sera devenue un élément incontournable de leurs exploitations. Quelques répondants ont même estimé que la robotique amènerait certaines entreprises, notamment les premières à innover, à changer de position et à commencer à s’opposer à la porosité des frontières et aux visas des travailleurs (Carolan 2020b).

Les technologies numériques pourraient également être vues comme un medium à travers lequel nous percevons et manipulons notre monde. Cette approche est intéressante en ce sens qu’elle évite de prendre des positions fondamentales qui créent soit d’un côté l’illusion que les humains perdent toute autonomie et que la technologie autonome a pris en charge tous les aspects de leur vie, soit de l’autre côté que les humains ont la capacité de conserver un contrôle total sur les structures de pouvoir dominantes dans l’agriculture (Gardezi and Stock 2021)

L’imaginaire du bon agriculteur

Les entreprises de l’Agtech exercent un pouvoir discursif pour créer de nouvelles catégories sociales d’agriculteurs qui influencent les agriculteurs et leurs identités sociales. Les récits dominants mettent sur un piédestal l’agriculteur innovateur et moderne. Cet agriculteur, toujours prêt à adopter des technologies de pointe et à prendre des risques en connaissance de cause (Gras and Cáceres 2020) fait confiance aux connaissances scientifiques et à la technologie pour améliorer ses pratiques agricoles (Gardezi and Stock 2021). Les nouvelles images masculines de l’agriculture seraient d’ailleurs également conçues pour correspondre à une forme d’agriculture plus scientifique (Kuch, Kearnes, and Gulson 2020). Ce « bon » agriculteur suivrait ces données et non pas ses tripes (Shepherd et al. 2018) (Carolan 2017). Selon les récits dominants, il pourrait sembler que le succès de ces agriculteurs réside dans le fait d’avoir changé avec le temps. Les agriculteurs qui sont les premiers à adopter une nouvelle technologie sont d’ailleurs régulièrement célébrés dans les médias pour leurs compétences en matière de nouvelles technologies. Selon Kelly Bronson et Irena Knezevic, il serait d’ailleurs évident que l’utilisateur type des technologies numériques tel qu’imaginé par les principales entreprises de l’agri-business soit un agriculteur qui adopte sans problème les dernières technologies (Bronson and Knezevic 2016).

J’ai toujours été surpris de la façon dont étaient présentés les agriculteurs face aux innovations numériques. Plusieurs études largement relayées dans les médias ont présenté (et présentent toujours) les agriculteurs comme des innovateurs et des férus de technologies tout simplement parce qu’ils utilisent des smartphones ou qu’ils se connectent à internet, un peu comme si, par le fait même d’être agriculteurs, il était très surprenant que ces personnes-là profitent des technologies assez classiques utilisées par une très grande partie de la population. Dans ces imaginaires, les agriculteurs sont ainsi décrits comme une partie marginalisée de la population, qui vivrait dans son monde, et dont le comportement ne pourrait pas être analysé comme celui de la population normale. Ce type de discours très étrange permet également de justifier le développement du secteur numérique en agriculture puisqu’il serait visiblement très attendu par les principaux intéressés, et donc nécessairement adopté dès que des outils et services verraient le jour.

Encore assez récemment en 2016, Goldman Sachs présentait une analyse au titre assez provocateur : « s’assurer que l’humanité trompe à nouveau Malthus au cours des 100 prochaines années” (Goldman Sachs, 2016). Vu à travers cette logique néo-malthusienne, les soi-disant adopteurs précoces de technologies numériques en agriculture sont positionnés pour sauver le monde tandis que les soi-disant retardataires sont vus comme une menace pour la sécurité alimentaire mondiale (Carolan 2020a). Les récits de pénurie dépeindraient ainsi les non utilisateurs d’outils numériques agricoles comme responsables de la baisse des rendements qui affecterait une population humaine en plein essor (Gardezi and Stock 2021). Les méthodes agricoles – et indirectement les agriculteurs – qui renoncent à ces technologies sont alors décrites implicitement comme folkloriques et arriérées (Gardezi and Stock 2021).

L’adoption de technologies façonne l’identité sociale d’un agriculteur et contribue également à la formation d’une confiance généralisée dans ces technologies. La théorie de l’identité sociale repose sur l’idée que les personnes s’évaluent eux-mêmes en fonction de catégories sociales. Ces personnes ont ainsi tendance à se distinguer d’autres groupes, ou d’autres catégories sociales. L’identification à une catégorie sociale nominale, comme les « utilisateurs de technologies numériques » rend les agriculteurs plus disposés à agir en tant que membre de ce groupe et au nom de ce groupe. De telles identités collectives impliquent que la coopération sera orientée vers les membres du groupe et que la confiance des agriculteurs dans ces technologies se formera en fonction des catégories nominales saillantes créées par les entreprises de technologies agricoles, comme les « adopteurs précoces » ou les « retardataires ». Les agriculteurs qui utilisent les technologies en viennent à considérer les technologies numériques comme appartenant à leur communauté morale, commuanuté dans laquelle il existe des ensembles codifiés de valeurs et de normes de comportement. Les technologies numériques peuvent alors être considérées par ces agriculteurs comme une pratique éthique et sociale, non pas par le biais d’une évaluation minutieuse de leurs risques et avantages, mais par la transmission culturelle de valeurs idéalisées de ce que signifie être un bon agriculteur. (Gardezi and Stock 2021)

Carla Gras et Daniel Caceres expliquent que ces récits permettent de masquer les mécanismes qui permettent aux puissants acteurs de l’agrobusiness d’exercer un contrôle sur les parcours d’innovation technologique des agriculteurs. Ces mécanismes auraient une force disciplinaire, faisant de l’acceptation et de l’adoption de technologies spécifiques par les agriculteurs une décision personnelle. Et l’acceptation irait bien au-delà de la matérialité des technologies. Elle véhiculerait la recherche de la productivité et l’amélioration du profit comme objectif, recréant ainsi le rôle idéologique des normes techno-scientifiques (Gras and Cáceres 2020).

Les mythes de la précision, des données et des algorithmes

La rationalité algorithmique

Les pressions en faveur d’une gestion de l’économie, de la culture, de la politique ou de la vie quotidienne davantage axée sur les algorithmes font appel à des imaginaires discursifs désormais bien établis. L’informatique et la technologie sont objectives, les humains sont faillibles, et les données sont la matière première récoltable de la vérité. Le raisonnement est un acte de jugement, et implique donc la sagesse, la délibération et de la subjectivité. Il peut être source de désaccord et d’incertitude. Les règles et la rationalisation, au contraire sont clairement définies, quantitatives, et conçues pour être universelles et concluantes. Là où la raison implique une histoire incarnée, la rationalité aspire à des paramètres abstraits, fonctionnels, liés à des règles (Miles 2019). Christopher Miles introduit ici le concept de « rationalité algorithmique », c’est-à-dire la réorganisation de l’industrie et du raisonnement sur la base de règles et de normes quantifiables. L’auteur ajoute que les récits discursifs autour de cette rationalité algorithmique invoquent aussi souvent les pièges rhétoriques de l’égalitarisme et de la démocratie. D’une part, parce que les données et les ordinateurs sont traités comme impartiaux, et d’autre part, parce que le crowdsourcing des données – ou le fait de mettre à profit la population pour la collecte de la donnée – est souvent mis en avant comme une voie plus égalitaire vers la vérité que de se baser seulement sur des experts du domaine (Miles 2019).

Dans un processus commun au capitalisme des données, les technologies numériques procèdent à ce que certains auteurs appellent une « récolte épistémique » dans laquelle les événements et les actions physiques sont traduits en informations compréhensibles par le calcul (Ravis and Notkin 2020). Les terres et les cultures produites sont en train d’être numérisées et les observations des agriculteurs, en tant que descriptions qualitatives de ce qu’ils voient et ressentent, sont désormais transformées ou augmentées en données composées de 0 et de 1. Pour qualifier cette transformation, certains chercheurs évoquent des images d’humains numérisés ou de machines génératrices de données. Non seulement les agriculteurs seraient reconvertis en objets générateurs de données, mais en générant des données environnementales commercialement viables par le biais de technologies propriétaires, ils pourraient aussi être interprétés comme des marchandises (Gardezi and Stock 2021). (Miles 2019) enchérit en expliquant que dans le domaine de l’agriculture de précision, agir, penser et faire sont eux-mêmes sujets à la marchandisation via la datafication (cette transformation de l’agriculture en « data »), dans le sens où ces phénomènes et réalités indiscrètes peuvent être traduits en fonctions quantifiables et négociables. La numérisation offrant la possibilité de capturer, d’accéder, de gérer et d’échanger ce qui était inaccessible auparavant, qu’est-ce qui empêche alors quelqu’un de considérer un agriculteur comme un simple numéro qui pousse à côté d’un autre numéro ?

Avec cette numérisation, le secteur agricole peut être appréhendé à des échelles de plus en plus grandes, facilitant les flux financiers à tous les niveaux, et à travers tous les acteurs. Comme tous les acteurs politico-économiques, les capitalistes financiers exigent de la lisibilité – et les données calculées, fournies par les technologies numériques en agriculture, peuvent la fournir. (Ravis and Notkin 2020). Christopher Miles donne l’image d’une moissonneuse-batteuse qui dit la vérité en générant de manière fiable des données quantitatives pertinentes pour faciliter les relations entre marchandises et capital. Selon cet auteur, il serait absurde de dire qu’en exprimant la teneur en amidon ou en humidité d’un grain de maïs, la machine dirait la vérité sur ce maïs. La moissonneuse dit la vérité dans la mesure où elle est censée ne pas être engagée dans des jugements délibératifs, contextuels et positionnés. Elle dit la vérité dans la mesure où elle génère avec précision des informations pertinentes pour la conversion du maïs en une marchandise-logique de fonction, de valeurs relationnelles : c’est-à-dire, en une chose lisible pour le capital. (Miles 2019)

Le numérique agricole signifie donc ou, du moins, augmente la probabilité d’exiger que les agriculteurs normalisent l’environnement (Bronson, 2019) (Fraser 2021). Selon ces auteurs, rien de tout cela ne devrait paraître fantaisiste ; les logiques à l’œuvre seraient tout à fait évidentes. Il existe déjà une pression sur les producteurs du monde entier pour qu’ils se conforment aux normes de sécurité alimentaire, ce qui oblige les agriculteurs à adopter (au moins les éléments de base) des architectures numériques afin de rester dans la chaîne d’approvisionnement. Cette standardisation de l’environnement facilite également la quantification des services écosystémiques et ouvre la possibilité de paiements pour services rendus. Même si (Caquet, Gascuel, and Tixier-Boichard 2020) mettent en avant le fait qu’une meilleure caractérisation de l’environnement et que l’identification de grandeurs mesurables simples qui rendent compte de son fonctionnement participent de la durabilité même des agroécosystèmes, on peut se demander si la normalisation et la standardisation de l’environnement peut se justifier entièrement par la mise en place du versement d’aides conditionnelles.

Cette normalisation pourrait avoir d’autres effets pervers. Tout d’abord, la dépendance à des normes d’action fixes pourrait réduire la créativité et l’expérimentation des acteurs, limitant ainsi leur capacité à découvrir et à exploiter – même par erreur – de nouvelles voies (Lioutas et al. 2019). La normalisation et la standardisation allant de pair avec l’homogénéisation, on pourrait s’inquiéter d’un rejet de la diversité et de la variabilité dans les systèmes de production agricoles. Thierry Caquet et ses co-auteurs insistent sur le fait que pour que l’agroécologie tire bénéfice des technologies numériques, il est primordial qu’elle outille la biologie et valorise les hétérogénéités des milieux rencontrées à différentes échelles. Alors que l’agriculture cherchait à masquer les hétérogénéités pour aller vers une standardisation des pratiques culturales, l’agroécologie vise en effet à tirer profit des conditions locales pour mieux les valoriser, pour répartir les risques et les complémentarités entre animaux ou entre cultures (Caquet, Gascuel, and Tixier-Boichard 2020).

Cette traduction en bits ne convertit pas seulement l’information en représentation matérielle. La capacité à déplacer cette information collectée vers des entreprises basées en ville, loin des campagnes, rend de nouveaux espaces lisibles à distance. Dans ce modèle, les connaissances ne sont alors plus apprises par les acteurs agriculteurs dans leur localité, mais sont calculées par des machines et structures informatiques dans les villes, qui ensuite produisent des recommandations et instructions pour les agriculteurs sur la façon de gérer leur exploitation agricole sur ce qu’ils doivent faire (Ravis and Notkin 2020). Les agriculteurs ne sont plus alors vus comme la seule réserve d’intelligence, car la cognition et les décisions sont de plus en plus réparties entre les agriculteurs et ces technologies numériques (Gardezi and Stock 2021). Fraser (2019) qualifie ce déplacement contemporain de l’information loin des acteurs agraires de saisie de données, semblable aux saisies de terres qui ont pu avoir lieu par le passé.

Toujours dans une logique de marché, les informations, les connaissances et les données (par exemple sur les surfaces, les cultures, les rendements) pourraient être vues comme une façon de rendre les terres investissables. Les investisseurs pourraient alors calculer plus efficacement les risques et développer des stratégies pour mettre en place des plans d’investissement. Il s’agit ici de la constitution d’actifs, qui nécessite que les investisseurs puissent faire des évaluations basées sur des données concernant des niveaux de rendement, la qualité du sol ou encore la disponibilité de l’eau. Alistair Fraser fait alors référence aux prises de terres de la période coloniale, basées principalement sur des données cartographiques pour documenter l’altitude, le débit des rivières, la variabilité des sols ou encore l’existence potentielle de gisements minéraux, et suggère que les prises de terres du XXIe siècle pivoteront sur la connaissance numérique (Fraser 2019). Selon cet auteur, l’accaparement de données est devenu un nouveau champ de bataille pour l’avenir de l’agriculture, cet accaparement des données risquant d’amplifier l’accaparement mondial des terres. (Fraser 2019).

Les données numériques agricoles sont donc de plus en plus prêtes à fournir une traçabilité ou une transparence dans la transformation des aliments. À l’ère du marketing vert ou local, les données agricoles sont indissociables d’un phénomène que certains sociologues ont appelé la gouvernance des normes (Miles 2019). Et de noter que le développement des réglementations environnementales et des normes privées (comme la mise en œuvre de la certification HVE3 dans le vin, ou CRC4 dans les céréales) favorise les outils de numérisation cohérents avec la traçabilité (É. Schnebelin, Labarthe, and Touzard 2021). Les acteurs conventionnels mettent davantage l’accent sur la création d’informations grâce aux technologies de traçabilité afin de mieux respecter les normes de la chaîne de valeur et de renforcer la confiance et les connaissances des consommateurs sur les produits. Néanmoins, certains acteurs hors de la logique conventionnelle s’inquiète du risque de normalisation, craignant notamment par exemple que l’industrialisation des produits d’origine biologique ne résulte de normes liées ou imposées par les technologies numériques visant à favoriser la traçabilité (É. Schnebelin, Labarthe, and Touzard 2021).

Sur cette logique de traçabilité, si tout ce que nous faisons et chaque pas que nous faisons dans la vie est suivi, enregistré et introduit dans des systèmes d’évaluation, nous perdons la liberté d’agir indépendamment des attentes en matière de comportement et de performance incarnées par ces systèmes. On peut toutefois s’interroger sur la réelle volonté des acteurs de l’agro-alimentaire à pousser une traçabilité complète des produits du marché – transformés ou non. Seraient-ils prêts à mettre en avant le prix réel auquel la production est achetée aux agriculteurs, laissant alors à voir la marge réalisée par l’ensemble de la chaine du producteur jusqu’au consommateur ? Seraient-ils prêts à mettre en avant l’empreinte carbone de la production, risquant alors de montrer les trajets parfois incohérents et absolument gigantesques de certains produits dans le monde entier avant d’arriver dans l’assiette des consommateurs ?

Christopher Miles considère ainsi que le discours autour des technologies numériques met en œuvre une forme de normativité algorithmique, et habille un certain nombre de valeurs positionnées sous l’apparence de faits techniques simples et quantifiables (Miles 2019)

L’épistémologie algorithmique

En évoquant les changements émergents dans les connotations de l’ «algorithme » au cours de la dernière décennie, notamment au sein de discours sur le Big Data, l’intelligence artificielle et de manière plus générale sur les technologies numériques, Christopher Miles (2019) introduit le concept d’ « épistémologie algorithmique » ou, en d’autres termes, la fétichisation de l’information qui attribue une divination surnaturelle à la technologie numérique.

Les plus grands risques pour la société ne proviennent pas de l’exactitude des outils et technologies numériques, mais de la croyance absolue et presque incontestée en leur exactitude. Cette croyance peut conduire à des décisions fondées sur des preuves peu fiables, potentiellement dangereuses lorsqu’elles sont mises en œuvre à grande échelle, ce qui est permis actuellement par les solutions numériques. Des conceptions erronées de ce que des termes comme « exactitude » et « précision » signifient réellement et des hypothèses de travail incontestées sur ces mêmes terminologies peuvent également empêcher un examen critique des nouvelles technologies (Visser, Sippel et Thiemann 2021). Dans la même veine du concept d’épistémologie algorithmique, certains auteurs évoquent la dimension mythologique des technologies numériques, c’est-à-dire la croyance répandue que les grands ensembles de données offrent une forme supérieure d’intelligence et de connaissances permettant d’entrevoir des phénomènes qui étaient auparavant invisibles (Visser, Sippel et Thiemann, 2021). Tout cela bien évidemment avec l’aura de la vérité, de l’objectivité et de l’exactitude. Oane Visser et son équipe suggèrent l’existence d’un danger de « piège de la précision ». Ces auteurs définissent ce piège comme une croyance exagérée dans la précision des technologies numériques qui, au fil du temps, conduit à une érosion des contrôles et des équilibres dans les exploitations agricoles. Le danger des « pièges de la précision » augmenterait d’ailleurs avec l’opacité des algorithmes, avec l’abandon des mesures et des conseils en temps réel au profit des prévisions, et avec l’éloignement croissant des agriculteurs des opérations sur le terrain (Visser, Sippel et Thiemann, 2021).

La croyance démesurée en ces technologies numériques et aux données générées peut également conduire à ne s’intéresser qu’à des prédictions et à des corrélations plutôt qu’à de la causalité. Ou en d’autres termes de pousser à savoir ce qui se passe dans les exploitations ou les parcelles agricoles, sans chercher vraiment à savoir pourquoi ce qui s’est passé est effectivement arrivé. Plutôt que de tester une théorie en analysant les données pertinentes, les nouvelles analyses de données cherchent à obtenir des informations nées des données. Cependant, quelle que soit la taille des ensembles de données, les spécialistes de l’analyse de données affirment que les données ne peuvent pas parler d’elles-mêmes. Traiter des données reste toujours un acte d’interprétation (Visser, Sippel et Thiemann, 2021). Rajoutons à cela que la vision populaire du big data met l’accent sur la vélocité (l’un des 3 V du big data) avec laquelle les données sont collectées. La génération de données en (quasi) temps réel offre évidemment des avantages évidents, car elle facilite une réponse rapide. Toutefois, l’accent prédominant mis sur le présent peut entraver la réflexion et l’utilisation de séries de données historiques à plus long terme, qui pourrait vraiment servir à comprendre les faits et les phénomènes observés.

Michael Carolan reprend les pensées du philosophe Geertz qui s’inquiétait du fait qu’une fois que nous commencions à laisser la théorie guider ouvertement nos investigations et nommer les événements, nos explorations empiriques deviendraient des questions de prédestination. Dans ces conditions, nous risquons de ne rechercher que des données qui confirment ce que l’on cherche à montrer et de passer à côté des détails qui peuvent nous aider à comprendre ce qui se passe réellement, ce qui est nécessaire si nous voulons éviter de confondre l’abstrait et le concret (Carolan 2020c). D’autres auteurs seraient allés jusqu’à admettre que l’objectif final des technologies numériques serait de découvrir des idées – quelle que soit leur complexité – et ce sans poser de question ; ce que l’on pourrait définir comme une sorte de sérendipité numérique (Carolan 2020c). Il serait pourtant plus profitable de favoriser les travaux qui n’élaborent ni ne confirme ce que nous savons déjà, mais qui au contraire observent, interprètent et cèdent aux connaissances émergentes (Ingram and Maye 2020). Cette distinction et cet ajustement permettrait par exemple de dépasser le stade actuel de l’agriculture de précision, en apportant des données précises sur la base d’une information d’origine biologique (Caquet, Gascuel, and Tixier-Boichard 2020). Une réorientation vers la causalité plutôt que vers la corrélation ouvrirait d’ailleurs surement la voie à une agronomie de précision, plutôt qu’à une simple agriculture de précision (Duncan et al., 2021).

Thierry Caquet et co-auteurs explicitent une distinction entre « mesurer pour connaître » et « mesurer pour piloter ». A titre d’exemple, selon eux, si l’on peut facilement identifier et rendre compte de l’activité biologique d’un sol dans une campagne de mesure pour une expérimentation dédiée, il n’en va pas de même pour imaginer comment cette connaissance peut être mobilisée dans une action de modulation des pratiques, dans l’évaluation du risque de certaines impasses, ou encore dans la manipulation de facteurs correctifs pour accroître ou diminuer la dynamique observée (Caquet, Gascuel, and Tixier-Boichard 2020). Garantir l’articulation entre l’observation interprétée et l’action dépend des métriques employées, les sorties d’une étape devant être les entrées de la suivante. Il est alors nécessaire d’instruire de quelle manière les nouvelles technologies sont en mesure d’offrir des perspectives prometteuses pour contribuer à caractériser l’environnement et ses hétérogénéités, à suivre trajectoires de grands processus biologiques impactant la mise en place des composantes du rendement, le bouclage des cycles, ou encore la régulation de la ressource en eau en quantité et qualité. L’acquisition de données et les corrélations ne sont ici pas suffisantes. La compréhension des phénomènes complexes en place, la causalité et les interactions, sont importantes pour aller dans le sens de pratiques agro-écologiques.

Le marketing autour des systèmes d’agriculture de précision présente stratégiquement les technologies numériques comme des outils d’aide à la décision. Ce statut secondaire par rapport à la prise de décision humaine est comparable à la façon dont la représentation des technologies de la médecine de précision oscille entre une représentation des technologies comme un soutien et un renforcement des pratiques de soins de santé existantes et une représentation alternative qui présente la médecine de précision comme une nouvelle forme de soins de santé à part entière (Kuch, Kearnes, and Gulson 2020). Certains auteurs constatent que, malgré les différentes définitions attribuées à l’agriculture de précision, vue comme un ensemble d’outils ou comme une philosophie et une stratégie de gestion, le discours dominant tend à définir l’agriculture de précision par les outils utilisés par les agriculteurs, plutôt que par les décisions que ces derniers prennent avec ces outils. Même lorsque l’agriculture de précision est décrite comme une stratégie de gestion spécifique, l’accent semble toujours être mis sur les outils qui la permettent (Duncan et al. 2021). Ces auteurs s’étonnent que le discours des médias et de l’industrie soit plus enclin à définir l’agriculture de précision en termes d’outils que de stratégies de gestion, et encore moins en termes de relations sociales impliquant les agriculteurs, leurs conseillers, les détaillants et les fournisseurs d’intrants. En caractérisant l’agriculture de précision de cette manière, en mettant l’accent sur les objets technologiques qui seront utilisés dans un avenir proche, Emily Duncan et co-auteurs concluent que les promoteurs de ces technologies auraient trouvé une manière plus simple de promouvoir l’agriculture de précision (Duncan et al. 2021).

Il semble se tracer une ligne entre le pouvoir perturbateur de ces technologies numériques en agriculture et leur soutien aux connaissances spécifiques à l’exploitation et aux agriculteurs. Au vu des récits mis en avant, on pourrait s’attendre à ce que l’agriculture de précision soit une révolution dans la façon dont les exploitations agricoles fonctionnent. Et pourtant, il ne semble pas que ces technologies aillent jusqu’à bouleverser fondamentalement les décisions des agriculteurs sur leurs opérations, principalement parce qu’une telle affirmation s’avérerait assez impopulaire (Miles 2019). Dans le discours de l’agriculture de précision, il y a une incertitude sous-jacente autour de qui ou quoi sera responsable de la prise de décision et une ambiguïté sur la façon de le caractériser. Il reste important de préciser que jusqu’à présent, l’accent a été mis sur le fait d’appuyer et non de remplacer ou déplacer le rôle des (Duncan et al. 2021). Emily Duncan complète son propos en rajoutant que le débat souvent mis en avant du remplacement de l’expertise des agriculteurs par les technologies numériques serait mal orienté dans le sens où cette question passerait à côté de l’économie politique plus large de la connaissance agronomique dans laquelle l’expertise des agriculteurs se situe déjà. Cette façon assez simpliste de raisonner néglige le fait que le pouvoir de décision des agriculteurs est déjà dispersé. Les auteurs soutiennent qu’il n’a pas fallu attendre l’avènement des outils numériques pour que les agriculteurs ne soient plus totalement maitres de leurs décisions agricoles en matière d’intrants. Cette dernière idée découle d’un imaginaire rural de petites exploitations avec des hommes chefs de famille prenant les décisions. Selon les auteurs, les agriculteurs sont depuis longtemps limités dans leur prise de décision en matière d’intrants, en raison des divers tapis roulants et verrouillages autour des pesticides et de la compression des coûts et prix des intrants (Duncan et al. 2021).

La précision est-elle si précise que ça ?

Les valeurs historiques de la « précision » ont été présentées comme responsables, non émotionnelles, objectives et scientifiques. Pourtant, le paradoxe est que l’accomplissement de la précision a été une réalisation culturelle remarquable établissant des conventions et des normes acceptées par le plus grand nombre (Kuch, Kearnes, and Gulson 2020). L’imaginaire socio-technique de la précision – codé avec des notions d’exactitude, de prédiction et de quantification – fonctionne pour sécuriser le capital, la connaissance et les populations. Declan Kuch et ses co-auteurs estiment que de nombreuses infrastructures centralisées atteignent leurs limites en termes de valeur extraite. La précision permet alors de réimaginer la manière dont une plus-value jusqu’alors inconnue peut être extraite de manière progressive (Kuch, Kearnes, and Gulson 2020).

La précision est, de manière quelque peu ironique, un marqueur de déplacement vers un futur vaguement articulé plutôt qu’un signifiant de l’emplacement actuel. Les partisans de la précision dans de multiples domaines politiques prétendent que sa valeur réside dans sa valeur future, à mesure que de nouvelles associations sont rendues visibles par diverses analyses automatisées. Ce déplacement vers l’avenir est la clé de l’économie politique spéculative des données, dans laquelle l’utilisation et la valeur d’échange futures supposées sont présentées comme la justification de la collecte de données dans le présent. Les données sont présentées comme très mobiles, et leur partage est une condition préalable et une caractéristique des modèles commerciaux et des logiques politiques contemporains de manière à structurer la recherche, le développement et la mise en œuvre des technologies de précision (Kuch, Kearnes et Gulson 2020). La précision ne reposerait donc pas simplement sur l’intégration des technologies numériques dans les pratiques matérielles de l’agriculture. La promesse de la précision serait basée sur l’anticipation que de nouvelles formes de connaissances – et d’opportunités commerciales – émergeront de la compilation de diverses formes de données.

Pour tenir cette promesse d’innovation, la précision doit produire des preuves de sa propre efficacité. Les développements de la précision sont présentés comme un nouveau changement progressif et les technologies numériques sont présentées à la fois comme un bien normatif en soi et comme une question d’importance politique nationale. L’ajout de la précision et l’utilisation de capteurs masquent souvent des engagements politiques non reconnus, tels que la valorisation de processus de production agricole hautement industrialisés et mécanisés, fondés sur l’externalisation des coûts environnementaux. C’est pour cette raison que les politiciens sont susceptibles de surestimer la valeur de la précision tout en participant à la création de structures sociales, économiques et politiques qui permettent à cette promesse d’innovation de se réaliser (Kuch, Kearnes, and Gulson 2020).

Il est toutefois intéressant de noter que les défenseurs des technologies numériques remettent rarement en question la précision supposée de ces technologies. Le fonctionnement inadéquat ou imprécis des technologies, s’il est reconnu, est présenté comme un problème transitoire car les technologies deviendront constamment plus puissantes et précises. Ce point de vue se retrouve également dans la littérature des sciences sociales, où les imprécisions sont qualifiées, par exemple, de problèmes de démarrage (Visser, Sippel et Thiemann, 2021).

Les imaginaires de précision, de qualité, et de véracité exceptionnelle des technologies numériques ont la rhétorique quelque peu dérangeante d’attribuer les erreurs observées dans les données ou les préconisations aux agriculteurs. Les erreurs sont souvent supposées provenir de l’agriculteur, considéré comme insuffisamment compétent en matière de technologie ou comme quelqu’un qui ne s’appuierait pas suffisamment sur les préconisations et conseils de ces technologies (Stock and Gardezi 2021). Clemens Driessen et Leonie Heutink donne en exemple la robotique en élevage (Driessen and Heutinck 2014). Selon eux, l’attention générale se serait principalement portée sur la santé des mamelles, liée à l’hygiène du processus de traite, les mamelles des vaches n’étant pas toujours nettoyées de manière adéquate avant la traite. Il a alors été classiquement accepté que l’augmentation du nombre de cellules somatiques et les infections du pis avaient été réduites en améliorant le nettoyage des trayons par les robots d’élevage. Lorsque les problèmes persistent, ils sont désormais imputés à l’hygiène générale, à la santé des vaches et à la gestion du troupeau, et non au robot en tant que tel. Si une partie de l’explication des résultats décevants dans le domaine des technologies numériques agricoles peut certes effectivement provenir de l’agriculteur, Oane Visser et ses co-auteurs soulignent qu’il n’est pas possible d’ignorer ou de minimiser les limites de la technologie elle-même pour obtenir des résultats optimaux (Visser, Sippel et Thiemann, 2021). Considérer l’opérateur comme le principal problème reflète une vision décontextualisée des technologies, considérées comme des solutions abstraites dont les problèmes de mise en œuvre et d’utilisation sont relégués au facteur humain. (Visser, Sippel, and Thiemann 2021) rappellent qu’une technologie numérique ne peut être appréhendée sans examiner son vaste assemblage socio-technique et son utilisation.

De manière assez surprenante, les acteurs de l’écosystème Agtech semblent également oublier les efforts essentiels des agriculteurs pour rendre les technologies numériques plus précises, par le biais de l’étalonnage, de la validation et de l’interprétation. (Visser, Sippel, and Thiemann 2021). Les caractéristiques des capteurs, et leur interaction avec la matérialité des cultures et de l’environnement, affecteront les données générées, ce qui demande aux utilisateurs de ces technologies d’être aussi pro-actifs pour permettent à ces technologies de fonctionner correctement. Certains auteurs parlent également de l’importance de développer un « sens de l’erreur » pour les utilisateurs de technologies, de manière à ce que ces derniers fonctionnent de pair avec la technologie et construisent une relation entre ce que les technologies collectent et restituent, et ce qu’eux observent réellement (Visser, Sippel et Thiemann, 2021).

Le volume et la granularité importantes des données sont souvent assimilés, à tort, à une précision et une fiabilité élevées. Le volume des données ne dit pas grand-chose sur l’utilité des données pour la tâche algorithmique à accomplir. Et les capteurs qui collectent les données, outre les erreurs directes de mesure, comportent la plupart du temps aussi des limites en termes d’exhaustivité des données collectées (Visser, Sippel, and Thiemann 2021). L’évolution dynamique du contexte agricole, avec d’innombrables changements dans les stades des cultures et des modifications météorologiques au cours de l’année, pose des difficultés supplémentaires pour générer des conseils algorithmiques précis. Un algorithme entraîné à la détection des mauvaises herbes dans les betteraves sucrières à partir d’images des cultures au début de la saison est déjà devenu moins précis une semaine plus tard dans la saison de croissance (Visser, Sippel et Thiemann 2021). Les grandes quantités de données générées par les technologies seraient souvent précisément inexactes car les biais dans les données seraient facilement négligés en raison de l’importance donnée à la taille des données. Les résultats statistiquement très significatifs des masses de données collectées donnent au chercheur un faux sentiment de précision. Oane Visser et ses co-auteurs donnent l’image de bottes de foin toujours plus grandes créées par des données toujours plus volumineuses, bottes de foin dans lesquelles chacun peut sans cesse mener des expéditions qui peuvent se terminer par des corrélations fallacieuses. Et de rajouter que la grande taille d’un ensemble de données peut facilement être confondue avec la notion statistique de population, mais ne représenter en réalité qu’un échantillonnage biaisé de cette population (Visser, Sippel et Thiemann, 2021).

Les problèmes d’imprécision évoqués ci-dessus sont susceptibles de devenir particulièrement pertinents, et potentiellement risqués, lorsque le (mauvais) fonctionnement des technologies numériques n’est pas suffisamment corroboré par d’autres connaissances. Cette corroboration peut être basée sur les observations et les connaissances expérientielles des agriculteurs sur le terrain, ou sur des vérifications via des connaissances scientifiques alternatives, telles que la modélisation et la vérification par des experts dépendants, (Visser, Sippel et Thiemann, 2021).

L’idée n’est pas ici de dire que les technologies agricoles numériques se doivent forcément d’être extrêmement précises pour être utiles. C’est souvent le manque de sensibilisation aux inexactitudes potentielles, et l’incapacité à mettre en place des contrôles et des contrepoids à ces incertitudes, plutôt que les inexactitudes elles-mêmes, qui causent des problèmes. Dans de bonnes conditions, des technologies quelque peu imprécises peuvent générer des données suffisamment bonnes pour que les agriculteurs puissent travailler avec, alors que dans d’autres cas, ces imprécisions peuvent poser des risques beaucoup plus importants. Ces risques ont tendance à se propager de manière inégale, de sorte que – outre un « piège de la précision », Oane Visser et ses co-auteurs identifient également un « fossé de la précision », la précision et les inexactitudes étant inégalement réparties entre les types d’exploitations agricoles ; nous en reparlerons un peu plus tard. Un point important reste d’interpeler régulièrement les utilisateurs de ces technologies sur l’incertitude inhérente à ces outils (C. Eastwood et al. 2019)

En général, les agriculteurs n’ont pas besoin de données précises et à haute fréquence pour chaque décision et ont de plus une capacité limitée à gérer la complexité des données (Lioutas et al., 2019) (Ingram et Maye 2020). Le fait de disposer d’un ensemble (plus ciblé ou élargi) de choix ne clarifie pas nécessairement le choix réel (Rojo-Gimeno et al. 2019). La question se pose de savoir dans quelle mesure une précision supplémentaire apporte plus de valeur. L’étude proposée par (Rojo-Gimeno et al. 2019) met en avant le fait qu’il n’y a pas de réponse unique ; la valeur standard des informations reste très spécifique à chaque exploitation (Klerkx, Jakku, and Labarthe 2019). Cristina Rojo-Gimeno et son équipe donnent l’exemple d’outils d’élevage de précision qui permettraient simplement de détecter des problèmes quelques heures en avance par rapport à une non-utilisation d’outils. Ce court gain de temps de détection pourrait ne pas offrir de réelles opportunités pour affiner les décisions de gestion. Néanmoins, une détection légèrement plus précoce d’un problème dans le troupeau peut parfois donner juste assez de temps à l’éleveur pour réagir au problème, en réagissant par exemple aux premiers signes de morsure de la queue dans un enclos et ainsi empêcher l’escalade du problème. (Rojo-Gimeno et al. 2019). Et les auteurs de rajouter que la disponibilité d’informations plus précises ne se traduit pas nécessairement par un choix plus large en termes d’interventions disponibles, mais elle permet d’intervenir de manière plus ciblée sur des animaux individuels, des lots ou des enclos (Rojo-Gimeno et al. 2019). En production végétale, on peut être capable de mesurer la variabilité à une résolution d’un mètre carré et de l’analyser à cette résolution. Reste alors à questionner si l’agriculteur dispose de l’équipement nécessaire pour contrôler ce processus et gérer son itinéraire cultural à la même résolution. La compréhension de ces implications pratiques autour de la taille de l’unité de gestion est essentielle pour fournir des solutions crédibles (Shepherd et al. 2018).

Concluons cette section en arguant que les données ne sont pas neutres. Les données ne se contentent pas d’exister, elles doivent être générées. (Bronson and Knezevic 2016). Plusieurs auteurs insistent sur le fait que les données ne sont jamais brutes, c’est-à-dire générées et collectées sans édition ni aucun traitement, mais qu’elles sont plutôt cuites, dans le sens où un degré de traitement existe toujours, en raison notamment des conditions de collecte, de stockage et de transmission, de modélisation et d’interprétation de données (Lioutas et al. 2019). La tendance à la cartographie numérique et algorithmique va également de pair avec des connotations de sophistication, de précision et d’exactitude. Cependant, comme l’a largement soutenu la littérature critique dans les domaines de la géographie et la cartographie, les cartes ne sont pas des représentations neutres ou précises de la réalité, mais des constructions sociales. Des techniques d’interpolation de données, telles que le krigeage, créent des gradients lisses et détaillés dans les cartes à partir d’observations ponctuelles dans les parcelles (Visser, Sippel, and Thiemann 2021). Michael Carolan rajoute que nous nous focalisons trop sur les modèles (agronomiques notamment) sans assez tenir compte du fait que, même si nous avons des données qui nous sortent par les oreilles, ces données ont elles-mêmes des angles morts (Carolan 2020c). L’incertitude et les biais potentiels dans les données pourrait fortement affecter notre capacité à interpréter précisément les données et à en tirer des conclusions exploitables, et pourrait par là-même mettre en doute l’exactitude des outils numériques actuels. (Lioutas et al. 2019). Certains auteurs vont un peu plus loin en soulèvent de sérieuses inquiétudes quant au pouvoir de divers acteurs de détourner les données pendant leur traitement afin d’obtenir des avantages concurrentiels (Lioutas et al. 2019).

Le numérique transforme les métiers de l’agriculture

Vers un changement du métier d’agriculteur ?

Le développement et la diffusion de l’agriculture de précision et des technologies numériques reposent sur une appropriation – et une augmentation technologique – de la figure de l’agriculteur en tant que capteur environnemental incarné. Le bon agriculteur, dont nous avons déjà introduit la figure plus haut dans ce post, est imaginé comme un sujet assisté par des algorithmes. (Kuch, Kearnes, and Gulson 2020)

L’introduction de technologies numériques dans les exploitations agricoles ne peut pas être considérée comme un simple ajout d’outils, toute chose étant égale par ailleurs. De nouveaux rôles sont configurés, de nouvelles expériences sont générées et les relations changent de nature (Callum R. Eastwood and Renwick 2020). Et peut-être même la nature des animaux – et des humains – concernés est-elle modifiée dans le processus (Driessen and Heutinck 2014). Ces derniers auteurs ont travaillé sur le cas de la robotique en élevage, et plus particulièrement des robots de traite. Pour ces auteurs, un investissement dans un robot ne vaut la peine que s’il peut fonctionner au maximum de ses capacités. Dans leur cas d’étude, l’introduction d’un robot de traite aurait nécessité un changement profond dans l’organisation du processus de traite. Il ne s’agissait pas simplement d’un robot, mais d’un changement systémique plus important dans l’organisation et la disposition de l’exploitation laitière. Ce serait d’ailleurs la raison pour laquelle le nom de traite robotisée aurait été remplacé par le terme plus global de système de traite automatisé (Driessen and Heutinck 2014).

La numérisation peut modifier la culture de l’agriculture en la faisant passer d’une gestion pratique et axée sur l’expérience à une approche axée sur les données (Ingram and Maye 2020) et peut discipliner les routines de travail des agriculteurs de certaines manières, en suivant le concept de rationalité algorithmique de Christopher Miles évoqué plus haut (voir la section du même nom). La promesse est que, alors que les sources de connaissances antérieures étaient basées sur des connaissances générales souvent dérivées d’expériences de recherche, les technologies numériques seraient en mesure d’offrir aux agriculteurs des informations spécifiques à l’exploitation et au niveau local. En tant que telles, ces technologies numériques reflèteraient une évolution de la gestion généralisée des ressources agricoles vers une gestion hautement optimisée, individualisée, en temps réel, hyperconnectée et fondée sur les données. Les agriculteurs sont appelés à s’adapter à un style de gestion riche en données, ce qui représente un changement par rapport aux systèmes de gestion agricoles classiques (C R Eastwood, Chapman, and Paine 2009). Ces technologies transforment la capacité de connaissance de certains agriculteurs, ou les pratiques sociales quotidiennes, y compris les façons de savoir, de faire et d’être (Carolan 2020a). Les pratiques agricoles s’entremêlent et se transforment grâce ou à cause des interactions avec les infrastructures numériques.

Dans ce modèle, l’agriculteur passe du statut de gestionnaire des intrants et des extrants agricoles à celui d’opérateur et d’interprète des échanges de données agricoles entre la terre et des serveurs distants (Kuch, Kearnes, and Gulson 2020). Une reconfiguration du travail agraire se met en place qui fait des agriculteurs des gestionnaires de bureau, installés derrière un ordinateur et lisant des écrans et des tableaux de bord, plutôt que des cultivateurs (Driessen and Heutinck 2014) (Gardezi and Stock 2021). Leur principale responsabilité pourrait même être de gérer une équipe de spécialistes, qui comprendrait désormais des data scientists – des spécialistes de la donnée (Bronson 2019). La crainte est alors pour certains que les agriculteurs ne deviennent des travailleurs de l’information (« data labourers ») (Klerkx, Jakku, and Labarthe 2019), qui plus est prolétarisés en travailleurs numériques non rémunérés pour leur travail de génération de données par leur engagement dans les technologies numériques agricoles (Rotz et al, 2019). (Lioutas et al. 2019) rajoutent que bien que les données liées à l’exploitation se rapportent à des questions relatives aux réponses des cultures et/ou du bétail à diverses conditions physiques, facteurs de croissance et variables climatiques, les pratiques de gestion de l’agriculteur affectent fortement le contenu informatif de ces données. Dans cette optique, les agriculteurs sont également des co-producteurs de données. Par conséquent, ils construisent simultanément les big data physiquement, par leurs décisions et actions, et socialement, par les différentes significations qu’ils attribuent à ces données pendant leur utilisation.

La distance croissante entre l’agriculteur et ce qui se passe sur le terrain, due à l’augmentation de la taille des exploitations, et le fait que les agriculteurs passent plus de temps dans leur bureau pour gérer (une partie) des processus de l’exploitation à partir de leur ordinateur et de leur téléphone, réduisent les possibilités d’observations humaines quotidiennes, avec par conséquent moins de place pour le contrôle des opérations basées sur les données. L’augmentation de l’échelle des exploitations et de la distance entre l’agriculteur et le champ comporte des risques, car les erreurs et incertitudes ont moins de chances d’être détectées par un agriculteur qui ne passe que rarement devant un certain champ ou capteur (Visser, Sippel, and Thiemann 2021). L’approche tayloriste qui caractérise l’agriculture d’aujourd’hui décompose l’intégralité des processus agricoles en une série de tâches discrètes ou d’étapes productives, telles que les traitements chimiques, la jachère, les semis, la lutte contre les parasites et la récolte. Et l’externalisation d’une partie de ces taches contribue également à séparer les agriculteurs de l’agriculture elle-même. Par conséquent, plutôt que d’être directement impliqués dans les questions de production, les agriculteurs assument de plus en plus un rôle de gestionnaire afin de traiter avec les entrepreneurs agricoles, de développer des stratégies financières et/ou de rechercher de nouvelles opportunités commerciales. La simplification, la standardisation et la mécanisation qu’implique l’agriculture industrielle rendent cette séparation plus réalisable. (Gras and Cáceres 2020)

Il serait néanmoins trop simpliste de voir les outils numériques seulement comme une alinéation du métier d’agriculteur. Plusieurs études sur les systèmes d’aide à la décision révèlent que ces outils soutiennent largement le décideur, plutôt que de le remplacer, et que les agriculteurs utilisent les systèmes d’aide à la décision non pas de manière déterministe pour fournir des réponses spécifiques, mais comme des outils d’apprentissage (Ingram and Maye 2020). Et Emily Duncan de rajouter que le fait que certains agriculteurs possèdent des équipements numériques ne signifie pas nécessairement qu’ils prennent des décisions pour mettre en place un système d’agriculture de précision (Duncan 2018). Clemens Driessen et Leonie Heutink évoquent la co-évolution du métier de l’agriculteur avec les outils numériques. Leur compréhension de cette co-évolution témoigne que les caractéristiques des vaches, des agriculteurs et des robots dépendent de la manière dont ils sont liés les uns aux autres et au tissu plus large du monde. Ces auteurs se sont notamment intéressés aux changements chez les agriculteurs et les vaches eux-mêmes, et la manière dont ils se répercutent sur la conception et la disposition du robot. (Driessen and Heutinck 2014)

Pour certains agriculteurs, l’adoption de ces technologies est considérée comme une pratique incompatible avec leurs convictions fondamentales sur l’agriculture (Rose et al., 2018) (Bronson 2019). Le fait que certains nouveaux venus dans l’agriculture utilisent des capteurs et d’autres systèmes numériques renforcerait encore cette perception (Lioutas and Charatsari 2020). Et il existerait un risque au fait que la technologie détourne l’attention d’autres éléments qui ont poussé les agriculteurs à rentrer dans le domaine de l’agriculture – la biodiversité, la confiance, les communautés fortes (Carolan 2017). La recherche a démontré l’importance du travail physique, des pratiques agricoles traditionnelles et des expériences vécues par les agriculteurs pour leur engagement et leur compréhension de leurs terres et de leur environnement (Carolan, 2008).

Le conseiller et ses relations avec l’agriculteur

Le développement des technologies numériques a été principalement axé sur les besoins des agriculteurs, avec une prise en compte limitée des rôles des autres acteurs qui influencent l’innovation technologique en agriculture (Duncan et al. 2021). Et plusieurs auteurs d’insister sur le fait que simuler électroniquement les décisions sans tenir compte des systèmes agri-sociaux dont font partie les gestionnaires des terres et les services de conseil agricole ne suffira pas (Fielke, Taylor, and Jakku 2020) (Callum Eastwood et al. 2019). Les conseillers agricoles, en tant qu’intermédiaires dans les réseaux de connaissances et de conseils agricoles, sont une composante essentielle de tout système d’innovation agricole. D’une manière générale, la participation de l’ensemble de l’écosystème entourant l’agriculteur – ce que (Higgins and Bryant 2020) appellent la « congruence des cadres » – est considérée comme essentielle à la mise en œuvre réussie de la technologie dans les organisations et les industries, car elle crée un ensemble d’attentes similaires concernant le rôle de la technologie dans les processus commerciaux ou la nature de l’utilisation de la technologie. Au contraire, selon ces auteurs, l’incongruité du cadre (en opposition à la congruence des cadres) peut entraver la mise en œuvre de la technologie en provoquant des difficultés et des conflits autour du développement, de la mise en œuvre et de l’utilisation des technologies.

Les rôles de courtage et de facilitation de connaissances des conseillers sont également pertinents dans le contexte de la numérisation des systèmes agricoles (Eastwood et al., 2019a). Néanmoins, il faut être clair sur le fait que les technologies agricoles représentent un changement substantiel par rapport aux pratiques de routine pour ceux qui occupent des postes de vulgarisation et de conseil agricoles. Ces technologies numériques créent donc de nouveaux défis à ces structures de conseil pour fournir un soutien efficace aux agriculteurs. Ces défis se regroupent autour de ce que certains auteurs appellent les « pratiques symboliques du digiware », ou le fait de gérer la prolifération et la multiplicité des formes et des effets numérisés qui caractérisent l’innovation numérique. (Higgins and Bryant 2020). Ces prestataires de services devront s’adapter pour opérer à l’intersection des systèmes cyber-physiques, car un pouvoir croissant axé sur les données est détenu au sein du monde numérique (Fielke, Taylor, and Jakku 2020). L’utilisation accrue de technologies numériques peut conduire à de nouvelles façons de s’engager avec les clients qui, à leur tour, exigent de nouvelles façons de trouver et de diffuser l’information, de développer de nouvelles compétences, et de tisser de nouveaux réseaux (par exemple avec les fournisseurs d’outils numériques). Et ce travail sera d’autant plus complexe parce que les conseillers, historiquement experts en termes d’amélioration de la productivité agricole, ont maintenant des attributions encore plus larges, que ce soit sur la durabilité environnementale, le bien-être animal, ou encore le changement climatique (C. Eastwood et al. 2019)

Les sciences humaines et sociales ont plutôt tendance à voir le conseiller comme un « faiseur de sens » dans le système d’innovation des technologies numériques, plutôt qu’un promoteur ou un obstacle à l’adoption de la technologie (C. Eastwood et al. 2019). Dans le cadre des technologiques numériques, le rôle du conseiller doit passer d’une activité de front-office de collecte d’informations sur le terrain, à une activité de back-office où les conseillers ajoutent leurs connaissances et compétences à des volumes grandissants et variés d’informations (C. Eastwood et al. 2019). Les conseillers ont la capacité de créer une connaissance hybride où leur connaissance des systèmes agricoles est combinée avec les résultats des outils numériques. Les conseillers peuvent alors jouer également le rôle d’intermédiaire entre l’agriculteur et les technologies numériques. Ce rôle des conseillers, en tant qu’utilisateur expert d’outils numériques agricoles plus avancés, est soutenu par plusieurs études où des conseillers exploitaient des outils de modélisation de systèmes agricoles pour leurs clients (Callum Eastwood et al. 2019).

L’incertitude associée à la mise en œuvre d’une innovation en matière de numérique agricole peut avoir une incidence sur son adoption éventuelle. Si cette adoption est considérée pertinente et profitable, les conseillers ont un rôle important à jouer dans la gestion de cette incertitude en aidant les agriculteurs à se familiariser avec la nature des données numériques et leur interprétation (C. Eastwood et al. 2019). Ces auteurs rajoutent que, au sein de leur cas d’étude, l’utilisation de logiciels de gestion par les conseillers s’est avérée accroître le besoin de données de qualité chez certains conseillers, ce qui les a amenés à encourager leurs clients à adapter leurs pratiques pour augmenter leurs efforts autour de la saisie des données (Callum Eastwood et al. 2019).

Néanmoins, on peut en venir également à imaginer qu’avec l’utilisation croissante des technologies agricoles, la nature de la relation de conseil pourrait évoluer vers moins de visites physiques sur les exploitations agricoles, et plus de suivi à distance des données des indicateurs clés de performance via des logiciels en ligne, au risque d’accroître le sentiment d’isolement que connaissent déjà de nombreux agriculteurs (Fraser 2021). Les agriculteurs apprécient toujours les interactions en tête à tête avec leurs conseillers et agronomes, et les préfèrent à une utilisation exclusive et froide de technologies numériques, en raison de la connaissance que l’agronome a de leur ferme, et de son expérience avec les changements que la ferme a pu connaitre par le passé (C. Eastwood et al. 2019).

Les changements déstabilisants au sein de l’industrie agricole ont un impact sur la capacité des conseillers à fournir des conseils, sur leurs ressources disponibles, sur leur légitimité par rapport à leur rôle, et même sur la pertinence de leurs connaissances, pouvant ainsi créer une crise identitaire du métier de conseiller en tant qu’agent de changement, voire même d’augmenter les sentiments d’insécurité de la profession. La capacité des conseillers à donner un sens au changement dépend de l’établissement d’un sentiment de routine et de prévisibilité. Le fait que les technologies numériques s’écartent considérablement des pratiques habituelles et génèrent des incertitudes dans la tête des conseillers déstabilise ou désécurise les rôles et les routines quotidiennes des acteurs, créant alors un impact sur ce qu’ils sont et ce qu’ils font. Ces risques et dangers créent ce que (Bryant and Higgins 2021) appellent de l’ «insécurité ontologique » en déstabilisant les normes et pratiques sociales existantes (Bryant and Higgins 2021). Mélanie Bryant et Vaughan Higgins démontrent que les conseillers s’appuient sur deux scripts culturels principaux pour resécuriser leur incertitude et refléter des routines établies et un sentiment de stabilité sur les technologies numériques en agriculture.

Le premier script est une ligne d’argumentation couramment utilisée dans laquelle les parties prenantes se réfèrent de manière répétée aux attitudes et à l’âge des agriculteurs comme étant le principal obstacle ou facilitateur de l’adoption des outils numériques. Ce premier type de discours peut donner aux parties prenantes le sentiment que certains aspects du changement technologique sont contrôlables, et les rassurer quant à la manière et aux personnes qui, selon elles, répondront au changement de manière particulière – en recherchant par exemple les agriculteurs qu’elles identifient comme étant susceptibles de promouvoir le changement en les positionnant comme des innovateurs, tout en minimisant le rôle des autres qu’elles supposent être peu susceptibles d’adopter, lents à adopter, ou ne pas adopter du tout. Dans le deuxième script utilisé, l’accent est mis sur la technologie facile – en donnant la priorité aux technologies qui sont connues pour être plus facilement adoptables par les agriculteurs et qui ont des avantages clairs à court terme. Ce type de scénario permet aux parties prenantes de s’atteler à la tâche de ce qu’elles savent déjà être en mesure de fonctionner, et de maintenir une routine autour de la recherche et du développement technologique qui évite les incertitudes perçues. Un des principaux corolaires étant que ces acteurs soient peu susceptibles de prioriser les technologies numériques dans leur prestation de services agricole – d’autres types de technologie étant plus facile à mettre en œuvre pour eux – et donc moins enclin d’encourager les producteurs à les adopter.

Selon les auteurs, les deux scripts culturels discutés seraient contre-productifs pour gérer l’incertitude de l’innovation vécue par les agriculteurs (Eastwood et al., 2019). L’accent mis sur les agriculteurs en tant qu’obstacles ou facilitateurs de l’adoption, et l’accent mis sur la technologie facile, sont à la fois repliés sur eux-mêmes et centrés sur l’industrie, avec des possibilités de collaboration apparemment limitées. Les scripts culturels limitent la gamme d’options que les individus peuvent percevoir comme étant à leur disposition dans des situations spécifiques et agissent comme une barrière à la collaboration et à la poursuite de la mise en œuvre de la technologie numérique agricole, en faisant porter aux producteurs la responsabilité de l’adoption ou de la non-adoption, et en donnant la priorité aux technologies perçues comme étant plus faciles à adopter (Bryant and Higgins 2021). Bien que les scripts ne reflètent pas les complexités du changement institutionnel et technologique, Mélanie Bryant et Vaughan Higgins soutiennent que ces discours fournissent aux acteurs entourant les agriculteurs des outils pour rétablir leur sens de soi et de leur rôle et, ainsi, leur légitimité en tant qu’agents de changement (Bryant et Higgins 2021).

D’une manière générale, (Higgins and Bryant 2020) relèvent que chacun des cadres technologiques utilisés par leur panel d’interview reflète des hypothèses, des attentes et des connaissances particulières sur les technologies numériques et ses utilisateurs, ainsi que des compréhensions locales des facteurs susceptibles d’influencer des utilisations spécifiques de la technologie. L’identification de ces cadres, selon ces auteurs, fournit une preuve supplémentaire des défis rencontrés par les acteurs entourant les agriculteurs dans la gestion de la diversité, de la complexité et de l’incertitude associée aux technologies numériques. En prenant l’exemple de travaux en Nouvelle Zélande, (Higgins and Bryant 2020) détaillent en quoi les actions de numérisation des structures de conseil en réponse au numérique agricole sont souvent ad hoc, commençant par adapter les capacités, les pratiques et les services en fonction des besoins de leurs clients et partenaires. Ces actions contrastant avec une approche plus stratégique, qui impliquerait de changer fondamentalement les valeurs organisationnelles, de permettre une plus grande flexibilité des rôles et des processus et de modifier les modèles d’entreprise afin de faire face à l’incertitude des technologies numériques. Les auteurs donnent également l’exemple de l’industrie du riz australienne en mettant en avant toute la diversité des façons de penser le numérique agricole. Dans leurs travaux, les auteurs montrent par exemple que les agronomes commerciaux et les conseillers sont interprétés d’une part comme étant au cœur de la mise en œuvre des technologies numériques agricoles à l’échelle régionale, alors que d’autre part ils sont considérés comme ayant un rôle limité et dans certains cas contre-productif dans la promotion du changement technologique (ce que les auteurs appellent « frame incongruence »). Les parties prenantes semblaient également très divisées sur la mesure dans laquelle le secteur devait se concentrer sur les technologies – telles que les variétés – qui sont adoptées rapidement par les producteurs plutôt que d’investir davantage dans la promotion de l’adoption de technologies numériques agricoles (Higgins and Bryant 2020). Les auteurs pensent que la communauté gagnerait à recadrer la question de savoir qui ou quoi est (ou devrait être) responsable de l’adoption des technologies numériques par les agriculteurs, et notamment ne pas considérer simplement l’agriculteur comme seul responsable de l’adoption ou non des outils, mais plutôt d’envisager un cadre plus large où des facteurs structurels et climatiques de l’exploitation agricole sont aussi envisagés.

Un besoin de formation et de montée en compétences

Les technologies numériques, si elles continuent à se déployer, vont nécessiter de nouvelles connaissances et compétences de l’ensemble de l’écosystème agricole (C. Eastwood et al. 2019). Bien qu’il existe déjà des preuves de l’adoption de certaines technologies, par exemple les technologies de géo-positionnement, Julie Ingram et Damian Maye notent qu’il s’agit essentiellement de technologies du savoir incorporé qui ne requièrent pas vraiment de compétences supplémentaires pour être valorisées. Ces technologies s’appuient sur les connaissances que les agriculteurs possèdent déjà sur la façon d’utiliser leurs machines. Ces technologies se distinguent par contre des technologies à plus forte intensité d’information qui vont générer des données ou des préconisations agronomiques qui, elles, demanderont des compétences plus spécifiques pour comprendre les résultats obtenus (Ingram and Maye 2020). (Lioutas et al. 2019) prennent eux aussi l’exemple de la machine agricole en partageant que la façon dont un agriculteur utilise son tracteur n’affecte ce dernier qu’à long terme, de sorte que la qualité du tracteur reste relativement stable lorsque l’analyse est limitée dans le temps. Ces tracteurs s’opposeraient aux technologies numériques au sens large, qui elles au contraire sont en constante évolution, dans le sens où chaque nouvelle action sur l’exploitation agricole génèrerait de nouvelles données, modifiant ainsi la nature de la technologie numérique. Les agriculteurs sont alors appelés à continuellement s’adapter à la nature en constante évolution des technologies numériques et à développer de nouvelles connaissances et compétences (outils internes) afin de transformer efficacement les données issues des technologies numériques en décisions exploitables. Des auteurs ont d’ailleurs mis en avant une orientation croissante des agriculteurs vers l’externalisation de services d’agriculture de précision (Nguyen, Brailly, and Purseigle 2020), une façon peut-être pour certains de pallier à un manque de compétences en interne sur le sujet.

(C. Eastwood et al. 2019) soutiennent que l’innovation en matière de numérique agricole a la capacité de perturber la pratique et les services de conseil en exigeant une capacité de connaissance hybride qui met au défi la capacité d’analyse des données des conseillers. Il devient effectivement nécessaire d’établir des liens entre les prédictions et les paramètres à l’échelle de l’exploitation, de gérer la prolifération d’attributs numériques des systèmes agricoles, et de comprendre la façon dont les données numériques peuvent être intégrées dans le processus décisionnel actuel de gestion de l’exploitation. L’écosystème de conseil entourant l’agriculture est ainsi lui aussi appelé à améliorer continuellement son niveau de compréhension et sa participation à l’innovation en matière de numérique agricole (Ebrahimi, Sandra Schillo, and Bronson 2021). Cette montée en compétence de ces acteurs de conseil serait d’autant plus importante que certains agriculteurs admettraient avoir changé de conseiller agricole parce que leur précédent conseiller n’était pas familier avec le traitement des données d’agriculture de précision (Duncan 2018). D’autres auteurs ont mis en avant le manque de disponibilité d’aide et de conseils pour la mise en mise en œuvre de technologies numériques avancées (Higgins and Bryant 2020). Il est néanmoins important de noter que le besoin de formation n’est pas simplement technique. Le conseil et l’accompagnement autour des outils numériques demande de changer de paradigme dans le sens où les données et préconisations sont de l’ordre de l’immatériel, contrairement aux intrants et équipements agricoles historiquement mis en avant par ces acteurs.

Des modèles d’apprentissage novateurs peuvent être nécessaires pour permettre aux conseillers d’expérimenter (par exemple, en testant différentes technologies ou processus d’interprétation des données), de s’engager dans un apprentissage collaboratif avec des acteurs tels que les agriculteurs et les fournisseurs de technologie, et de rechercher des formations pointues et spécifiques – par exemple, en analyse de données (C. Eastwood et al. 2019). Ces auteurs insistent sur la nécessité de sortir des cadres classiques de formation – souvent sous la forme de transfert de technologie – et de privilégier plutôt des approches de formation plus réflexives, associées à un apprentissage entre pairs. Ce type de perfectionnement pourrait être particulièrement pertinent dans des contextes dynamiques comme le numérique agricole (C. Eastwood et al. 2019).

Plusieurs auteurs soulignent les risques associés à la montée en compétences de ces structures d’accompagnement et de conseil. Les réponses des conseillers, et le fait qu’ils changent ou non pour jouer un rôle plus important dans les systèmes d’innovation des technologies numériques agricoles, dépendront du désir des conseillers eux-mêmes de changer, ainsi que de leurs contextes organisationnels, et du soutien interne/externe qu’ils reçoivent (C. Eastwood et al. 2019). Le processus de changement pour un conseiller nécessite de prendre en compte un certain nombre de facteurs (C. Eastwood et al. 2019) dont notamment :

l’identité professionnelle du conseiller qui peut être menacée si les nouvelles pratiques ne correspondent pas à l’identité perçue du conseiller,
le contexte organisationnel du conseiller dans le sens où le conseiller pourrait ne pas soutenir la pratique d’outils numériques dans ses services de conseil,
l’évolution de l’identité professionnelle,
des changements dans la pratique établie comme par exemple la fréquence des visites des conseillers à la ferme d’un client, l’utilisation accrue de la technologie et des données, et la nature modifiée de l’interaction avec d’autres personnes telles que les agriculteurs et les autres conseillers.

Les organisations de conseil peuvent avoir du mal à mettre en œuvre de nouvelles connaissances dans leurs offres de services. On peut s’attendre également à ce que les conseillers fournissent un service basé sur les connaissances scientifiques actuelles, ce qui peut devenir de plus en plus difficile dans un secteur du conseil fragmenté et concurrentiel. Rajoutons un dernier point, assez peu étudié dans la littérature des sciences humaines et sociales, sur le besoin d’autres acteurs à monter en compétence sur l’utilisation de technologies numériques, à savoir les concessionnaires de machines agricoles et les revendeurs et distributeurs d’outils numériques. Le numérique, en s’introduisant activement dans ses sphères – un de mes derniers sujets de blog concernait d’ailleurs les standards et l’intéropérabilité agricole, demande à ces acteurs de monter également en compétence. La fragmentation ne doit pas être trop forte entre à la fois les concepteurs d’outils, les revendeurs et distributeurs de ces technologies, et les structures qui organisent le conseil autour de ces technologies. Dans son étude, Emily Duncan avait commencé à relever des écarts de compréhension entre ceux qui vendent les outils pour recueillir les données et ceux qui les interprètent (Duncan 2018)

Un modèle agricole fragile et le risque d’une agriculture à deux vitesses

Des technologies numériques adaptés à des systèmes agricoles encore trop peu diversifiés

La majorité des outils et services numériques actuels se concentre sur un nombre assez restreint de cultures, principalement industrielles et destinées aux marchés d’exportation et dont les produits dérivés sont couramment négociés. Ces cultures, très souvent installées en monocultures là où les diversités inter et intra d’espèces et de variétés sont très faibles voire inexistantes, sont généralement installées dans des rotations culturales assez simples. Les risques potentiels que comporte le passage à la spécialisation (et à l’intensification) des exploitations agricoles sont maintenant bien identifiés, et concernent notamment la réduction de la biodiversité, la perte des variétés de cultures traditionnelles, ou encore la dégradation des sols et de la qualité de l’eau (Lioutas, Charatsari, and De Rosa 2021).

La concentration des technologies numériques sur ces productions agricoles peut se comprendre assez facilement. Ces écosystèmes agricoles simplifiés permettent de récupérer des données qui peuvent être standardisées et contextualisées plus facilement. Les algorithmes peuvent ainsi être étalonnés plus efficacement et apprendre plus rapidement – sans avoir besoin de considérer des interactions complexes entre sol et plantes. Si les acteurs du numérique se félicitent de récupérer des flux de données importants, ce sont en réalité des données assez limitées qui sont récoltées. Limitées dans la diversité des écosystèmes considérés (les parcelles et systèmes agricoles sont assez similaires), dans la pertinence agronomique des données récoltées (ce ne sont au final pas tant des données agronomiques que réglementaires qui sont récupérées), et dans la temporalité des évènements considérés (par exemple, pour certaines têtes de rotation qui ne reviennent pas très souvent dans les rotations culturales, il faut alors en réalité de nombreuses années de données pour imaginer en ressortir quelque chose d’intéressant).

Le numérique considère encore trop l’agriculture comme un écosystème simplifié. Des pratiques agricoles plus complexes et systémiques – cultures intermédiaires et couverts végétaux, rotations culturales complexes, ou encore la permaculture – sont susceptibles de poser des défis extrêmement compliqués à ces outils numériques. Dans un système de monoculture, il est bien plus judicieux, d’un point de vue économique, de maintenir un champ entier uniforme que de conduire une énorme moissonneuse-batteuse autour de plusieurs petites parcelles. Le problème n’est pas tant qu’un agriculteur individuel ne soit pas suffisamment écologiste (Miles 2019). Le problème est lié à un système conventionnel dont la logique sous-jacente rend inévitable un choix basé sur le marché plus viable qu’un choix écologique (Miles 2019). L’énorme variété des stades de croissance des plantes et les variations météorologiques posent actuellement des défis considérables aux technologies. Le changement climatique va d’ailleurs fortement accroître cette imprévisibilité, avec des conditions météorologiques plus extrêmes, de nouvelles maladies végétales et de nouveaux parasites. Pour éviter de s’attaquer à cette complexité, on pourrait craindre une concentration et une innovation d’autant plus accrue des outils et services autour d’une variabilité très faible de cultures et de styles d’exploitation. Ce phénomène serait auto-renforcé par le fait que les algorithmes, en apprenant continuellement sur ces écosystèmes simplifiés, seraient susceptibles de rendre des analyses de plus en plus précises sur ces mêmes écosystèmes. Par conséquent, les agriculteurs cultivant les quelques cultures sélectionnées principalement ciblées par l’ensemble des outils et services du secteur pourraient tirer le plus grand profit des progrès de cette numérisation galopante. Pour bénéficier des nombreuses technologies existantes, les agriculteurs devraient alors simplifier leur production pour qu’elle entre dans le cadre strict de ce que les nouvelles technologies peuvent observer et optimiser. En d’autres termes, les outils numériques ne semblent pour l’instant pas encore très orientés vers les agriculteurs travaillant en dehors du modèle industriel dominant (Bronson, 2019).

Une agriculture à plusieurs vitesses, fracturée de toute part

On pourrait ainsi craindre le risque d’une agriculture à plusieurs vitesses avec des fractures variées mais toutes plus ou moins entremêlées. Revenons-ici sur les possibles fractures engendrées, soutenues ou encore facilitées par l’utilisation de technologies numériques en agriculture.

Une fracture de « précision » (« precision divide ») où l’on trouverait d’un côté, des cultures industrielles dans un écosystème simplifié très largement suivies et accompagnées par les outils numériques, recevant des conseils suffisamment bons et précis et, de l’autre côté, des cultures plus diversifiées, pour lesquelles les outils et conseils seraient de moins bonne qualité et mal adaptés à leurs opérations, et qui ne tireraient que peu de bénéfices de la numérisation en cours. Sur ces dernières cultures, les conseils pourraient même aller jusqu’à rendre des décisions erronées voire totalement contre-productives si les algorithmes – ayant appris sur des cultures classiques – sont brutalement transférés sur ces cultures-ci. Indirectement, le numérique aurait en quelque sorte un droit de regard ou un droit de véto sur les cultures en place, une sorte de droit à faire fleurir certaines monocultures et à laisser dépérir d’autres espèces végétales (Stock and Gardezi 2021). Une bonne partie des agriculteurs en production biologique du panel d’ (E. Schnebelin 2021) soulignent d’ailleurs que les outils technologiques actuels ne sont pas adaptés à leurs systèmes de production, voire qu’ils peuvent être contre-productifs. Cette fracture de précision est en réalité très liée à une « fracture algorithmique » définie par (Yu 2020) par les avantages inégaux des algorithmes et de l’intelligence artificielle. Cette fracture de précision est susceptible de s’approfondir et de devenir multicouche également au sein du groupe d’agriculteurs produisant les cultures de base ciblées par les outils numériques car il est probable que les options premium payantes fourniront à certains utilisateurs des conseils plus précis et plus fins, tandis que d’autres devront se contenter de conseils algorithmiques basiques. Ainsi, même les agriculteurs qui auraient réussi à accéder aux nouvelles technologies et à les utiliser pourraient encore subir des désavantages importants en fonction de leurs cultures et de leur capacité à payer les services numériques. Sans mauvais jeu de mots, ces agriculteurs pourraient avoir l’impression d’être dans un système d’agriculture d’imprécision (Visser, Sippel, and Thiemann 2021).

Une fracture « numérique », qui se réfère principalement à l’inégalité d’accès et d’utilisation de l’internet (ou des technologies numériques plus généralement), par exemple lorsque les agriculteurs ont une faible connectivité internet. Les problèmes d’accès à l’infrastructure préexistante peuvent être associés à un manque d’aisance avec les technologies émergentes, à des problèmes de confiance dans la technologie, ou encore à un manque perçu de l’utilisation des technologies pour l’agriculture (Rotz, Gravely, et al. 2019). Un certain scepticisme subsiste quant à l’amélioration de l’infrastructure numérique rurale et régionale dans un avenir proche, que certains auteurs ont associé à l’élargissement du fossé ville-campagne. On pourrait d’ailleurs se demander si l’arrivée de la 5G n’ira pas encore exacerber ces différences-là, certaines zones rurales ne disposant pas encore de la 3G ni de la 4G. La rhétorique de la fracture numérique fait apparaître cette division entre les utilisateurs d’outils civilisés et les non-utilisateurs non civilisés, amplifié par le fait que les changements technologiques sont très rapides et pas vraiment bien régulés.

Une fracture « Big Data », c’est-à-dire le fossé entre d’un côté les entreprises qui décident des données qu’elles collectent et qui possèdent les technologies et l’expertise pour les interpréter, et de l’autre côté, celles qui n’ont pas accès aux données ou qui n’ont pas de rôle dans la décision des données collectées ni dans leur interprétation. La nécessité de collecter, de combiner et d’interpréter les données modifie la répartition du pouvoir dans l’ensemble du réseau de parties prenantes autour des exploitations agricoles (van der Burg, Bogaardt, and Wolfert 2019). Les acteurs qui ont la capacité de développer un haut niveau de compétence en matière de big data sont les plus privilégiés (Lioutas et al. 2019). Si les agriculteurs peuvent percevoir et appliquer le big data de différentes manières, les entreprises agricoles qui ont un niveau d’intégration de la chaîne de valeur plus élevé et des informations de meilleure qualité peuvent en tirer davantage de bénéfices, tandis que les entreprises qui ont moins accès aux informations (en raison de réseaux de conseil moins denses) et qui sont moins intégrées dans la chaîne de valeur, peuvent être plus exposées aux risques (Fleming et al. 2019)

Une fracture « d’exactitude » : à savoir une dénonciation de tous les facteurs qui ne peuvent pas (encore) être mesurés avec une grande précision. Une préoccupation des agriculteurs pour des paramètres agronomiques (ou non) qui peuvent être mesurés avec précision pourrait par exemple les détourner de l’approfondissement d’une compréhension systémique des déterminants clés de la culture, tels que le sol, et des effets environnementaux plus difficiles à mesurer.

Une fracture « Nord – Sud » : (Vinuesa et al. 2020) mettent en avant que les applications de l’intelligence artificielle sont actuellement orientées vers les questions relatives aux objectifs de développement durable qui concernent principalement les nations où la plupart des chercheurs en intelligence artificielle vivent et travaillent. Ces auteurs considèrent également que si les technologies d’intelligence artificielle sont conçues et développées pour des environnements technologiquement avancés, elles risquent d’exacerber les problèmes des nations moins riches (par exemple, en matière de production alimentaire). Dans la même veine en agriculture, (Sparrow and Howard 2020) sous-entendent que les technologies numériques pourraient conduire à l’autonomisation de certains groupes (par exemple, les agriculteurs des pays riches du Nord) par rapport à d’autres. Les constatations précédentes sur l’intelligence artificielle suscitent une vive inquiétude quant au fait que les développements de ces technologies pourraient accroître les inégalités entre les pays et au sein de ceux-ci, ce qui irait à l’encontre de l’idée générale des objectifs de développement durable. Les structures qui entreprennent de tels travaux doivent s’assurer que les solutions ne sont pas simplement transférées des nations à forte intensité technologique. Au contraire, elles doivent être développées sur la base d’une compréhension approfondie de la région ou de la culture concernée afin d’augmenter les chances d’adoption et de succès. (Ravis and Notkin 2020) rajoutent que les technologies numériques en agriculture se manifestent différemment dans le Sud et dans le Nord, et que jusqu’à présent, la plupart des publications sur le sujet ne se seraient concentrées que sur la manifestation des outils dans le Nord, qui implique principalement des équipements d’agriculture de précision.

La plus grande lacune dans l’adoption des outils d’agriculture de précision concerne les moyennes et petites exploitations du monde en développement qui n’utilisent pas de mécanisation motorisée (Ravis and Notkin 2020). Ces exploitations n’utilisent pas ce type de technologies pour améliorer leurs systèmes de production agricole parce que la recherche a développé très peu de technologies qui pourraient être rentables pour les moyennes et petites exploitations non mécanisées, et parce que les entrepreneurs n’ont pas commercialisé les quelques technologies développées pour ces utilisations. La stratégie commerciale encore à l’œuvre des grandes entreprises consiste à essayer de vendre des versions simplifiées et moins chères des technologies des pays industrialisés dans les pays en développement. L’histoire des technologies suggère pourtant que cette stratégie est rarement couronnée de succès. (Ravis and Notkin 2020) s’inquiètent même de ce que les technologies numériques, en faisant baisser le prix de vente des cultures, n’exacerbent encore plus les inégalités d’agriculteurs qui n’auraient pas accès à ces technologies numériques et donc ne pourraient pas potentiellement diminuer leurs charges ou augmenter leur rendement.

La sagesse conventionnelle veut que l’agriculture des pays en développement ait besoin de mécanisation motorisée, mais les technologies numériques actuelles sont plus efficaces lorsqu’elles peuvent être utilisées dans le contexte de grands champs rectangulaires. La création de grands champs rectangulaires dans un paysage précédemment dominé par l’agriculture de petites exploitations – notamment dans un contexte d’agriculture du sud – est très perturbatrice sur le plan social, économique et environnemental. Certains auteurs préconisent que le développement de technologies spécifiques, notamment de petits robots agricoles sur mesure pourrait être un moyen de sauter l’étape de la mécanisation motorisée (Lowenberg-DeBoer et al. 2019). On pourrait néanmoins s’inquiéter d’un risque de saut technologique sur ce type d’exploitations.

Pour aller encore plus loin dans la critique, (Ravis and Notkin 2020) en appellent à une analyse des fonctions néocoloniales des technologies numériques en agriculture. Les auteurs soutiennent les origines coloniales et néocoloniales de certains technologies numériques utilisées en agriculture et le rôle des organisations de développement dans leur promotion dans l’agriculture du Sud. Selon eux, encore trop peu – voire même pas – d’études auraient été proposées sur le fonctionnement néocolonial du numérique agricole en tant qu’industrie.

Une fracture « Grosses exploitations – Petites exploitations » : c’est à dire le fait que les technologies numériques, considérées comme chères et soutenant un modèle de production agricole intensive, seraient plus utiles aux grandes exploitations – qui pourraient par exemple bénéficier d’économies d’échelle plus importantes – qu’aux petites exploitations familiales (van der Burg, Bogaardt, and Wolfert 2019). Cette fracture pourrait être vue comme une sorte de barrière à l’entrée dans l’agriculture et/ou la production alimentaire (Sparrow and Howard 2020). Selon (Bronson 2019), les technologies numériques favorisent les exploitations les plus riches qui cultivent selon des méthodes propices à la collecte de données – en ayant des informations potentiellement plus précises et plus régulièrement – et qui réalisent des bénéfices suffisants pour s’offrir cette technologie ; ce privilège commençant par l’installation de ces technologies sur les exploitations. La mise en place de ces technologies nécessite un investissement en capital dans des capteurs pour acquérir des données, une infrastructure de connectivité pour connecter les données, et des machines avancées pour utiliser les données. Le coût de ces équipements limiterait une grande partie de leur application aux exploitations agricoles plus riches ou plus financiarisées (Bronson 2019). Il est clair que la taille économique d’une exploitation influence la capacité à investir dans tel ou tel type de technologie numérique. Cette capacité peut être atteinte par l’augmentation de la taille des exploitations, par l’investissement collectif ou par l’expansion par l’externalisation (E. Schnebelin 2021). Nguyen et al (2020) ont d’ailleurs montré que l’externalisation était un moyen de pouvoir accéder à l’utilisation de ce type de dispositif sans y investir.

Les économies d’échelle sont très importantes en ce qui concerne les robots qui, à court terme du moins, peuvent n’offrir que des améliorations marginales par rapport aux méthodes agricoles qu’ils remplacent (Sparrow and Howard 2020). Comme les robots sont actuellement peu performants dans des environnements non structurés, un moyen standard d’améliorer leurs performances est d’imposer plus de structure aux environnements dans lesquels ils sont utilisés. Cela favorise les entreprises qui ont accès à un capital suffisant pour modifier les paysages et les plantations de leurs exploitations ou pour modifier ou reconstruire les installations de traite, de tonte ou de manutention des aliments afin de tirer parti de l’automatisation. Il est possible que l’invention de robots mobiles plus petits et plus sophistiqués puisse changer cette façon de penser, s’ils peuvent par exemple être fabriqués et vendus à un prix suffisamment bas pour être accessibles aux petites exploitations. Pour l’instant, cependant, les principaux fabricants d’équipements agricoles se concentrent, pour la plupart, sur l’automatisation de leurs produits les plus grands et les plus chers. Si les grands producteurs agricoles parviennent à faire baisser les prix des petits producteurs parce qu’ils sont mieux à même de réaliser les économies de coûts et/ou les gains de productivité offerts par les robots, cela pourrait entraîner la faillite des petites entreprises et, en fin de compte, la consolidation et la concentration de la propriété dans l’agriculture (Sparrow and Howard 2020). Étant donné qu’à l’échelle mondiale, seuls 6 % des agriculteurs cultivent des superficies supérieures à 5 ha, l’exclusion – ou, du moins, la non-inclusion – des petits exploitants dans la course à la numérisation soulève des questions sur l’inclusivité numérique et des inquiétudes quant à leur capacité à être compétitifs sur les marchés et, par conséquent, à la sécurité de leurs moyens de subsistance (Lioutas, Charatsari, and De Rosa 2021).

Une fracture sociale à plusieurs dimensions (« Ville – campagne », « Main d’œuvre qualifiée – Main d’oeubre non qualifée », « Main d’œuvre locale – Main d’œuvre immigrante ») : La croissance attendue des emplois dans les domaines des sciences agricoles, de l’ingénierie et d’autres postes de haut niveau présente une préoccupation pour les employés agricoles ruraux en particulier. Bien qu’il ait été noté que la numérisation, telle que le déploiement du haut débit, peut apporter des emplois du secteur des services à l’économie rurale, la manière dont les emplois dans la production agricole primaire seront impactés n’est pas claire. L’évolution technologique axée sur les compétences peut contribuer à l’inégalité des salaires, car la demande de travailleurs hautement qualifiés et férus de technologie – avec une demande croissante d’ingénieurs en sortie d’écoles – entraîne une stagnation des salaires des travailleurs moins qualifiés (Rotz, Gravely, et al. 2019). Certains auteurs considèrent que l’impact de la technologie, et en particulier de l’automatisation, sur l’agriculture au cours du siècle dernier a été de réduire radicalement le nombre de personnes employées et qu’il y aurait peu de raisons de penser que les outils numériques, notamment la robotique, fasse exception à cette tendance. (Ofori and El-Gayar 2021) insistent quant à eux sur le fait que les technologies numériques entraîneront une création nette d’emplois, en particulier pour la jeune génération, en raison de l’importance accrue accordée à l’enseignement technologique dans les écoles. Néanmoins, (Sparrow and Howard 2020) soulignent que la question est bien plus complexe qu’une simple augmentation ou diminution d’emplois dans le sens où même si de nouveaux emplois apparaissent pour la construction et l’entretien des robots agricoles, il est peu probable que ces emplois existent aux mêmes endroits que les emplois éliminés par les robots. Et plusieurs auteurs d’évoquer la possibilité d’un marché du travail radicalement bifurqué augmentant les asymétries sociales (Rotz, Gravely, et al. 2019) (Rolandi et al. 2021).

Les technologies numériques pourraient en effet être à l’origine de la création d’une nouvelle forme de connaissance, à la fois sophistiquée et inaccessible pour les agriculteurs, à laquelle il serait de plus en plus difficile de donner un sens. Alors que la véracité et la pertinence des connaissances et de l’expertise des agriculteurs sont remises en question et que de nouvelles connaissances sont organisées par le biais des technologies, il semble y avoir une inquiétude généralisée que les agriculteurs ne sachent pas quoi faire avec les données générées par l’écosystème Agtech.

Dans le cadre de l’avancée des technologies numériques, il semble peu probable que les entreprises agro-techniques produisent des technologies visant à améliorer les conditions de travail et la formation des agriculteurs migrants, surtout si les agriculteurs peuvent être convaincus de capitaliser davantage en adoptant des technologies qui déplacent la main-d’œuvre (Rotz, Gravely, et al. 2019). En d’autres termes, les conditions économiques actuelles enferment les employeurs (qui sont, dans ce cas, les agriculteurs) dans une décision entre conserver les travailleurs manuels ou les remplacer par la technologie. Dans ces conditions, une entreprise ne serait pas obligée de développer des technologies qui améliorent les conditions de travail des migrants ou qui soutiennent l’intégration – juste et efficace – de la main-d’œuvre dans des systèmes agricoles de plus en plus automatisés. Ainsi, bien que les agriculteurs aient exprimé le désir de s’engager dans le perfectionnement de la main-d’œuvre, le mentorat, la mise en commun de la main-d’œuvre coopérative et l’automatisation collectivisée/coopérative, ces pratiques vont largement à l’encontre des objectifs économiques de l’industrie agro-technique (Rotz, Gravely, et al. 2019). D’un côté, la réduction du besoin structurel de main-d’œuvre hautement exploitable par l’automatisation peut sembler socialement souhaitable. De l’autre, cela soulève des questions sur les types d’obligations des agriculteurs – et des nations – envers les personnes dont le travail a subventionné l’agriculture pendant des décennies (Rotz, Gravely, et al. 2019)

Sur la robotique agricole plus spécifiquement, (Sparrow and Howard 2020) réfléchissent au fait queles compétences requises pour construire et entretenir les robots seront probablement très différentes de celles que possèdent généralement les habitants des zones rurales et que, par conséquent, bon nombre des emplois créés par les progrès de la robotique seront probablement localisés ailleurs à plus long terme. L’utilisation de robots dans l’agriculture pourrait alors entraîner des changements démographiques importants. En éliminant le besoin d’une quantité importante de main-d’œuvre agricole, il pourrait y avoir à l’avenir moins de possibilités économiques pour ceux qui vivent dans les zones rurales (Sparrow and Howard 2020). Les auteurs vont même plus loin en imaginant des répercussions politiques, dans le sens où, avec une potentielle réduction de la main d’œuvre agricole et du nombre de personnes vivant dans les zones rurales, il pourrait devenir plus difficile de mobiliser le soutien électoral pour des politiques répondant aux besoins du secteur agricole. Une question clé sera alors de savoir ce qui remplacera l’emploi rémunéré dans le secteur agricole pour les personnes dont les emplois ont été pris par les robots, et notamment de faire en sorte de donner à ces personnes un travail significatif (Sparrow and Howard 2020). En suivant, (Rotz, Gravely, et al. 2019) se demandent d’ailleurs à quel point nous avons l’obligation morale de restituer une partie de ces revenus aux travailleurs migrants et à leurs communautés ou, au minimum, de leur fournir une formation appropriée si la technologie numérique signifie que nous échangeons des emplois ex-travailleurs migrants contre des emplois mieux rémunérés dans le domaine des technologies.

Rajoutons le concept de fracture « algorithmique » (Yu 2020), né de l’existence même des algorithmes et des outils technologiques. Les attributs clefs de cette fracture ne sont pas spécifiques à l’agriculture mais sont intéressantes à garder en tête. Certains de ces attributs peuvent être mis en parallèle de ceux décrits précédemment. On y retrouve notamment :

la « sensibilisation », ou le fait de savoir que l’on est inclus ou exclus de certains types de technologies ou de résultats issus de ces technologies.
l’ « accès » : (à rapprocher des fractures numériques, Nord-Sud, et Grandes Exploitation-Petites Exploitations) dans le sens où tout le monde n’a pas nécessairement accès aux produits et services technologiques améliorés par des algorithmes
l’ « abordabilité » : si le manque de ressources économiques et technologiques peut conduire à l’inaccessibilité, il peut également déterminer le type de produit et de service auquel une personne peut avoir accès et la fréquence à laquelle cette personne peut utiliser le produit ou le service sélectionné.
La « disponibilité » (à rapprocher de la fracture de précision). Il n’est pas rare que le type spécifique de produit ou de service dont un individu ait besoin n’existe pas. Même s’il existe, ce produit ou service peut comporter des algorithmes conçus par des personnes qui ne saisissent pas pleinement les besoins, les intérêts, les conditions et les priorités spécifiques de l’utilisateur, en particulier dans les pays en développement.
L’ « adaptabilité » qui exige à la fois la connaissance et la compréhension (en plus de la sensibilisation) aux technologies. À l’ère de l’intelligence artificielle, l’auteur souligne que l’alphabétisation algorithmique est tout aussi importante que la sensibilisation algorithmique.

Toutes ces fractures ont de nombreuses dimensions et couvrent de nombreux domaines différents. Ni l’accent mis sur l’égalité absolue ni la focalisation sur des fractures binaires n’aideront la société à élaborer les lois, les politiques et les mécanismes institutionnels nécessaires pour relever un défi aussi crucial à l’ère de l’intelligence artificielle (Yu 2020). L’auteur, grâce à ses lectures, observe que malgré les espoirs les plus exagérés de certains cyber-optimistes, les technologies numériques ne vont pas soudainement éradiquer les problèmes fondamentaux et insolubles de maladie, de dette et de désavantage auxquels sont confrontés les pays en développement. L’auteur nous invite à réfléchir plutôt de façon relative en se demandant si certaines technologies numérique permettraient d’améliorer ces fractures par rapport à un niveau de référence fixé (Yu 2020).

Dans une certaine mesure, ces expressions de fracture impliquent une division sociétale bipolaire. Néanmoins, aussi séduisantes que soient les expressions de fracture sur le plan rhétorique, il convient de rappeler que l’accent mis sur un clivage binaire brouille souvent la distinction entre les différents niveaux d’inclusion de ces technologies (Fleming et al. 2018). En effet, pour rendre les choses encore plus compliquées, un individu peut se trouver d’un côté d’une fracture en fonction de certaines catégories, mais de l’autre côté en fonction d’autres catégories (Yu 2020). Plutôt que de se concentrer sur l’objet censé effectuer l’automatisation ou sur les humains qualifiés ou non qualifiés concernés, il semblerait plus utile d’adopter une position décentrée. Cela permettrait de mettre en lumière une multitude d’artefacts, de pratiques et d’affectivités qui ne sont pas pris en compte lorsque les arguments se limitent à une position binaire – robot de traite/pas de robot de traite, bon/mauvais, travail qualifié/non qualifié. On oublie, par exemple, que ces transitions sont également biaisées par les qualifications. Par exemple, de nombreuses personnes ayant les compétences nécessaires pour réparer des équipements numériques sont exclues du marché du travail parce qu’elles n’ont pas les qualifications requises pour réparer ces technologies en vertu du droit de la propriété intellectuelle et des accords d’utilisation des technologies, étant donné que la plupart des réparations ne peuvent être effectuées que par des techniciens et des revendeurs certifiés.

Comme dans toute période de transition technologique, il y aura des gagnants et des perdants. Si les possibilités offertes aux travailleurs flexibles et férus de technologie sont particulièrement prometteuses, il est essentiel de se demander qui exactement est en mesure d’accéder à ces possibilités, et qui ne l’est pas (Bronson 2019).

Tout au long de la chaîne d’approvisionnement, plusieurs auteurs soutiennent que ce sont les agriculteurs qui supportent les coûts et les risques les plus élevés liés à l’adoption de technologies numériques, car un mauvais investissement peut facilement leur coûter leur gagne-pain. Il s’ensuit alors que ce sont eux qui devraient recevoir la plus grande part des bénéfices des données et préconisations générées (Rotz, Duncan, et al. 2019). Ces derniers auteurs parlent de nouveau « métayage des données agricoles ». Pour eux, nombre des technologies numériques existantes sont liées à des plateformes spécifiques de gestion des données, ce qui impliquerait que, si les agriculteurs sont toujours propriétaires de leurs champs, ils continuent à louer leurs données. En ce sens, les agriculteurs et les travailleurs agricoles continueraient de supporter les risques matériels et les impacts de l’agriculture sur leurs moyens de subsistance, tandis que les gains en capital de la numérisation seraient, en grande partie, extraits par les sociétés de gestion des données. Selon d’autres auteurs, les coûts de passage à des stratégie de gestion comme l’agriculture de précision seraient des coûts irrécupérables (Fraser 2019). Les agriculteurs absorberaient donc les coûts de démarrage au risque de ne pas voir les bénéfices attendus. Même si les outils d’agriculture de précision peuvent apporter des gains, Alistair Fraser considère que ceux-ci peuvent être annulés à long terme si l’amélioration des rendements se traduit par une augmentation de la production, mais aussi par une baisse des prix à laquelle cette production sera vendue.

Tapis roulants et verrouillages

Des connaissances mises en avant plutôt que d’autres

Tous les agriculteurs interrogés par Michael Carolan pensaient être plus compétents en matière de technologie que les générations précédentes ; des sentiments qui, s’ils sont vrais, témoignent des connaissances acquises par les agriculteurs (Carolan 2020a). Néanmoins, en creusant un peu plus, cet auteur s’est rendu compte que les agriculteurs connaissaient en réalité leur parcelle de façon différente, et avaient tendance à avoir perdu ou oublié des connaissances locales. L’écosystème Agtech remet en question la véracité des connaissances des agriculteurs en générant des recommandations agricoles précises, mises en avant comme quantifiables, distribuables et consultables. Les connaissances produites au niveau de l’exploitation agricole par les technologies numériques sont commercialisées comme étant supérieures aux connaissances tacites des agriculteurs sur leurs propres systèmes agricoles, et donc plus fiables (Gardezi et Stock 2021). La rationalité algorithmique dont nous avons parlé dans une section précédente induit alors une sorte de processus qui décide discursivement de certaines formes légitimes de connaissance et qui exclut les autres. Les agriculteurs deviendraient ainsi les architectes de leur propre aliénation (Gardezi and Stock 2021).

L’utilisation répétée de ces technologies pourrait engendrer une dépendance sociale des agriculteurs qui obtiendraient quelque chose en retour – de nouvelles connaissances – pour leur génération de données (Fraser 2019) (Ingram and Maye 2020). Grâce à la production de connaissances et d’équipements de confiance, les systèmes numériques agricoles médiatisent de plus en plus un ordre social dans lequel les agriculteurs deviennent dépendants des informations et des intrants commerciaux fournis par ces entreprises (Stock and Gardezi 2021). Et en participant à éloigner les agriculteurs de leurs parcelles, ou en d’autres termes en libérant l’agriculteur de la surveillance quotidienne de ses champs, les technologies suppriment également la possibilité d’acquérir des connaissances par l’observation ; connaissances qui contribuent à l’apprentissage par l’expérience (Ingram and Maye 2020). Un agriculteur qui commence à prendre des décisions sur la base de modèles de prévision devient donc fortement dépendant de la fiabilité des modèles sous-jacents, car il n’est peut-être pas (encore) possible de corroborer les conseils automatisés par des observations humaines sur le terrain (Visser, Sippel, and Thiemann 2021). Et cette dépendance aux nouvelles technologies peut se traduire par une autre forme de perte d’autonomie, si une partie d’un outil numérique tombe en panne et/ou qu’aucun spécialiste de l’outil ne se trouve à proximité de l’exploitation.

Dans la tête de Michael Carolan, apprendre à voir comme un algorithme repose également sur le fait que ceux qui créent les algorithmes mettent en œuvre des futurs à l’image de leurs hypothèses, limitant ainsi encore plus ce que les (futurs) agriculteurs voient et donc savent. Ces technologies numériques prennent alors aussi indirectement une décision sur le niveau de connaissance que les agriculteurs doivent avoir dans leur quête pour pratiquer une agriculture soi-disant intelligente (Carolan 2020a)

Les auteurs en anthropologie et dans des domaines connexes ont longtemps souligné le pouvoir de l’apprentissage environnemental ; le paysan expérimentateur, innovateur et adaptatif étant généralement considéré comme la norme (Stone and Flachs 2018). Néanmoins, l’apprentissage expérimental devient d’autant plus difficile que les technologies numériques évoluent rapidement et se complexifient. Un rythme de développement trop rapide empêche les communautés de réellement produire les connaissances nécessaires et locales pour savoir comment utiliser des données, des outils numériques, ou des modèles agronomiques. Une mécanique trop complexe empêche les agriculteurs de remettre en question les préconisations et les données générées. Dans leur travail, (Stone and Flachs 2018) discutent de la forte augmentation de l’utilisation de la pulvérisation en Inde, comme une réponse des agriculteurs à leur manque de connaissances des caractéristiques de performance de leurs semences et de l’efficacité de leurs produits phytosanitaires. Ces agriculteurs finissant ainsi par rechercher continuellement (et souvent désespérément) de nouvelles semences et de nouveaux produits phytosanitaires avec lesquels ils n’ont aucune expérience et pour lesquels il existe peu de connaissances locales accumulée

Clemens Driessen et Léonie Heutinck tentent de prendre un peu de recul sur la question de la perte de compétences des agriculteurs (Driessen and Heutinck 2014). A la question « Un robot de traite déqualifie-t-il l’agriculteur ? », les auteurs expliquent qu’il n’est pas possible de répondre à cette question sans tenir compte de la nouvelle compréhension des compétences des agriculteurs robotisés. A la question « Le robot aliène-t-il l’agriculteur ? », les auteurs invitent à s’ouvrir à d’autres variables : « aliéné de quoi – des vaches ? ». Selon les auteurs, les vaches robotisées seraient devenues dans une certaine mesure des individus, et devraient être laissées à elles-mêmes dans le cadre de processus sociaux au sein du troupeau, tandis qu’elles changeraient de caractère au cours du processus d’adaptation au robot. « Y a-t-il une aliénation des rythmes de la vie communautaire ? », les auteurs répondent que les villages dans lesquels vivent les agriculteurs étaient de toute façon en train de changer, faisant du robot un dispositif permettant de retrouver la possibilité de maintenir des liens communautaires. Dans cette perspective de pratique plus dynamique, décider d’installer un robot de traite revient à décider du type d’agriculteur à être, du comportement des vaches à promouvoir et de la relation entre les humains et les animaux à faire émerger. (Driessen and Heutinck 2014)

Vers un verrouillage technologique

Les nouvelles technologies de précision sont aussi profondément enracinées dans la prédominance des systèmes technologiques numériques dans la société en général. La prévalence et la familiarité des technologies numériques dans la société pour des activités non agricoles, comme l’obtention de nouvelles et de prévisions météorologiques ou les médias sociaux, contribuent à verrouiller l’adoption de l’agriculture numérique par les agriculteurs. Au fur et à mesure que les agriculteurs adoptent ces nouvelles technologies agricoles liées au numérique, leur ancrage dans le système agricole industriel auquel la plupart de ces technologies sont liées ne fait que s’approfondir (Clapp and Ruder 2020) (Stone and Flachs 2018). Michael Carolan revient sur cette logique du tapis roulant. Les adopteurs « précoces » des technologies numériques réalisent des bénéfices pendant une courte période en raison de leurs coûts de production unitaires plus faibles. Cependant, à mesure que d’autres agriculteurs adoptent la technologie, la production augmente, les prix baissent et il n’est plus possible de réaliser des bénéfices, même avec des coûts de production plus faibles. Les agriculteurs moyens sont néanmoins contraints par la baisse des prix des produits à adopter la technologie et à réduire leurs coûts de production s’ils veulent survivre. Les agriculteurs « retardataires » qui n’adoptent pas les nouvelles technologies sont perdus dans la compression des prix et laissent la place à leurs voisins plus prospères pour se développer (Carolan 2020b).

(Kuch, Kearnes, and Gulson 2020) expliquent que Les systèmes d’agriculture de précision sont une forme de commande sociale dans laquelle les agriculteurs, pour rester viables, doivent devenir de plus en plus dépendants des intrants commerciaux fournis par ces entreprises. (E. Schnebelin 2021) rajoutent que les acteurs économiques œuvrant pour l’industrialisation de l’agriculture peuvent favoriser l’utilisation de technologies numériques. En particulier, les entreprises d’aval telles que les coopératives, les négociants et les producteurs de semences peuvent encourager voire exiger l’utilisation de ces technologies par le biais de contrats afin de standardiser et de mieux contrôler leur approvisionnement. En ce sens, les contrats de culture et de commerce de semences, associés à un modèle spécifique d’échange et de conseil, peuvent favoriser, voire imposer, le recours à ces technologies numériques (E. Schnebelin 2021). L’inscription de normes techniques à vocation commerciale dans les technologies numériques risque d’enfermer les agriculteurs dans des relations asymétriques dans lesquelles ces derniers peuvent être privés de la capacité d’agir de certaines manières (Higgins et al. 2017).

Et à mesure que les agriculteurs deviennent de plus en plus dépendants et compétents dans l’utilisation des technologies numériques pour guider leurs décisions agricoles, le verrouillage s’auto-renforce car les agriculteurs perdent la capacité d’évaluer les compromis et de prendre des décisions en l’absence d’assistance numérique, ainsi que la capacité de réparer leurs propres équipements et machines numériques (Clapp and Ruder 2020). Sur ce dernier point, d’une part, les systèmes numériques peuvent être en effet trop complexes pour être utilisés sans appui extérieur – les agriculteurs n’ont donc pas les compétences pour utiliser ou réparer leurs technologies. Mais d’autre part également, des systèmes de licence d’exploitation peuvent être mis en place pour limiter le droit de réparer ou modifier les technologies en place (Lowenberg-DeBoer et al. 2019). En raison de leur besoin d’accéder à des équipements de haute technologie, les agriculteurs, en concluant des accords contractuels avec les fournisseurs de services agricoles, pourraient se voir restreindre considérablement leur liberté de déterminer comment ils utilisent ces services (Sparrow and Howard 2020)

Cette nature temporelle du tapis roulant signifie que le verrouillage peut s’auto-renforcer au fil du temps et peut finalement évincer d’autres systèmes technologiques potentiels qui pourraient offrir plus d’avantages à long terme. (E. Schnebelin 2021) ont d’ailleurs observé que l’utilisation des outils numériques pour la production agricole facilitait la trajectoire d’industrialisation des exploitations, qui elle-même favorisait l’utilisation de ces technologies en retour. Ce verrouillage permettrait d’expliquer pourquoi les partisans de l’écosystème numérique en agriculture ont maintenu leur discours axé sur les avantages immédiats de l’adoption dans le cadre de l’agriculture industrielle dominante (Clapp and Ruder 2020). Dans les cas de verrouillage, le coût de la non-adoption d’une nouvelle technologie qui s’intègre dans un système technologique dominant peut souvent être plus élevé que les avantages de l’utilisation effective de cette technologie, même s’il existe de meilleures façons de résoudre le problème. Dans de telles situations, les adoptants potentiels prennent généralement des décisions sur les coûts d’adoption (ou de non-adoption) de nouvelles technologies à court terme, même dans les cas où les avantages du passage à un système différent peuvent être plus élevés à long terme. Cette dynamique tend à donner l’impulsion dans les débats sur l’adoption de nouvelles technologies aux voix qui renforcent le système technologique dominant tout en affaiblissant l’influence de celles qui promeuvent des systèmes alternatifs (Clapp and Ruder 2020).

Donnée, Donnée-moi

Règlements et codes de conduite de l’utilisation des données agricoles

En réponse aux préoccupations relatives à la confidentialité des données et aux cyber-sécurités, l’Union Européenne (UE) a promulgué la directive de 1996 sur les bases de données afin de renforcer la protection des bases de données dans tous les États membres de l’UE. Cette directive a renforcé la protection des bases de données ultérieures créées à partir de la synthèse de diverses données personnelles et non personnelles. Plus précisément, cette directive empêchait l’utilisation non autorisée des informations contenues dans les bases de données. Les données devenant plus susceptibles de faire l’objet de violations de la vie privée, l’UE a mis en œuvre en 2018 le Règlement général sur la protection des données (RGPD) pour compléter la directive en matière de protection des données. Le RGPD protège la manière dont les agrégateurs de données traitent les données personnelles des résidents de l’UE. Avant le RGPD, la protection de la confidentialité des données était régie par les différentes réglementations nationales de chaque État membre de l’UE. À l’instar de la directive, les règlements relatifs à la protection des données n’étaient pas appliqués de manière uniforme dans l’UE. Alors que la directive européenne sur les bases de données couvrait à la fois les données personnelles et non personnelles, le RGPD visait uniquement à réglementer les données personnelles. Par conséquent, l’UE a suivi le RGPD avec l’introduction du Règlement sur la libre circulation des données non personnelles, la libre circulation faisant référence à la circulation illimitée des données non personnelles au sein de l’UE. Ce règlement a été conçu pour compléter le GDPR et stimuler la libre circulation de toutes les catégories de données au sein du marché de l’UE (van der Burg, Wiseman, and Krkeljas 2020)

Dans différentes parties du monde, des principes de confidentialité et de sécurité agricoles et des codes de conduite sur les données ont été élaborés. Ont été notamment lancés :

En 2014, aux États-Unis, les principes de confidentialité et de sécurité des données agricoles de l’American Farm Bureau,
En 2019, le code de pratique des données agricoles de la Nouvelle-Zélande,
En 2019, le code de conduite de l’UE sur le partage des données agricoles,
En 2020, le code des données agricoles australien (National Farmers Federation 2020).

L’objectif principal de ces règlements et codes de pratique de partage des données agricoles est d’établir la confiance entre les agriculteurs et les entreprises, par le biais d’un accord contractuel. Bien qu’entièrement volontaires, ces principes et codes encouragent les entreprises à fournir à l’agriculteur des informations sur ce qu’elles font avec les données de celui-ci, afin de le rassurer et de l’aider à faire un choix éclairé quant au partage (ou non) de ses données avec les entreprises qui développent et fournissent des services technologiques (van der Burg, Wiseman, and Krkeljas 2020).

De manière générale, les codes de données visent à orienter les pratiques sur le consentement, la divulgation et la transparence du partage des données, avec l’idée intime qu’une plus grande transparence des conditions d’accès et d’utilisation des données permettra aux agriculteurs d’avoir confiance dans la manière dont leurs données sont gérées (van der Burg, Wiseman, and Krkeljas 2020). La Commission européenne elle-même a renforcé son positionnement sur le développement de ces règlements en soulignant qu’avec les codes, les citoyens de l’UE et les prestataires de services s’engageront dans des pratiques claires et sans ambiguïté lors du transfert de données entre prestataires de services. Les données agricoles étant considérées comme des données non personnelles aux fins du règlement sur la libre circulation, l’élaboration de codes est devenue très intéressante pour le secteur agroalimentaire européen. En conséquence, les principales parties prenantes de l’UE au sein du secteur agroalimentaire ont été à l’origine de la rédaction rapide du code de l’UE pour le partage des données agricoles (van der Burg, Wiseman, and Krkeljas 2020).

Alors que les préoccupations relatives à l’utilisation abusive des données personnelles ont suscité une réponse assez rapide et étendue de la part de la loi, sous la forme d’une myriade de nouvelles lois sur la protection de la vie privée introduites dans le monde entier, la question même de savoir si toutes les données agricoles ou certaines d’entre elles entrent dans le champ des données personnelles reste à débattre. Alors que de nombreux agriculteurs soutiendraient que toutes les données découlant de leurs activités agricoles leur sont personnelles (c’est-à-dire la taille de leur exploitation, les variétés cultivées, la productivité et donc les revenus dérivés), la loi sur la protection de la vie privée n’est pas nécessairement de cet avis-là. (Wiseman et al. 2019)

Le règlement récemment adopté sur un cadre pour la libre circulation des données non personnelles dans l’UE est potentiellement plus important que l’impact du RGPD sur le flux de certaines données agricoles. Ce règlement complète le RGPD en ce sens qu’il vise à supprimer les obstacles à la libre circulation des données non personnelles au sein de l’UE. À son tour, la libre circulation des données permettra le développement rapide de l’économie des données et des technologies émergentes telles que l’Internet des objets, l’intelligence artificielle et les systèmes autonomes. On craint généralement qu’une fois les données agricoles publiées et partagées, elles ne tombent entre de mauvaises mains. Bien que toutes les données agricoles ne soient pas considérées comme des données à caractère personnel (par exemple, les données relatives aux machines), le fait qu’une grande partie des données collectées dans les exploitations agricoles soient liées à la localisation GPS permet d’affirmer que certaines des données collectées dans les exploitations agricoles, en particulier celles qui peuvent être liées pour révéler l’arrivée et la rentabilité potentielle, on peut soutenir que ces données sont des données personnelles méritant d’être protégées par la loi sur la protection de la vie privée. L’article 4 du règlement fait spécifiquement référence au traitement des données agricoles issues des technologies numériques et interdit leur stockage exclusif dans une zone géographique. La localisation est interdite, car elle peut freiner l’innovation et limiter le flux d’informations utiles au sein des économies de données mondiales (van der Burg, Wiseman, and Krkeljas 2020). Il est important de noter que le règlement de bonnes pratiques de l’UE fait explicitement référence aux les données sur l’agriculture de précision et, ce faisant, les classe dans la catégorie des données non personnelles (van der Burg, Wiseman, and Krkeljas 2020)

Si les complexités des données agricoles ont été reconnues, il convient de souligner qu’il n’y a pas qu’un seul type de données, mais que les données peuvent souvent contenir une combinaison d’informations personnelles et non personnelles (Wiseman et al. 2018). La Commission européenne a reconnu que des orientations devront être données sur la manière de traiter les ensembles de données qui contiennent à la fois des données personnelles et non personnelles afin de permettre aux entreprises de mieux comprendre l’interaction entre le RGPD et le nouveau règlement. Toutefois, c’est la distinction entre les données d’exploitation qui sont personnelles et celles qui ne le sont pas qui nécessite une analyse plus approfondie. Il est intéressant de noter que la proposition de règlement encourage l’autorégulation par l’élaboration de codes de conduite qui permettront aux utilisateurs de passer d’un fournisseur de services à l’autre sans entrave (comme le droit à la mobilité prévu par le RGPD) et se concentre sur les pratiques de verrouillage des fournisseurs dans le secteur privé. (Wiseman et al. 2019)

À ce jour, l’une des principales initiatives visant à améliorer la clarté autour de la propriété et du partage des données a été l’émergence de codes de pratique ag-data. Les objectifs ultimes des codes de pratique ag-data sont inextricablement liés au consentement, à la divulgation, à la transparence et, en fin de compte, à l’établissement de la confiance. L’une des caractéristiques les plus positives du Code de l’UE est qu’il a permis de sensibiliser à un large éventail de questions soulevées par le partage des données agricoles en tentant d’ouvrir la conversation entre les entreprises qui produisent des technologies pour les exploitations agricoles et les agriculteurs sur les termes de leur relation de partage des données (Wiseman et al. 2019). Cependant, si ces dispositifs visent à assurer une grande transparence en encourageant les meilleures pratiques de gestion des données par les fournisseurs de technologies ainsi qu’en éduquant les agriculteurs à demander des éclaircissements sur le contrôle, l’accès et le partage de leurs données agricoles par les agro-industries, leur succès et leur impact restent à voir. (Wiseman et al. 2019)

Dans le futur, il sera primordial de s’assurer que les données agricoles seront utilisées pour ce pour quoi elles ont été demandées, un peu comme ce que fait la RGPD actuellement (van der Burg, Wiseman, and Krkeljas 2020). Il y aura également pas mal à attendre du « Data Governance Act » de la Commission Européenne sur l’échange de données voté d’ici à la fin 2022. La Commission parle même d’agriculture de précision dans les bénéfices associés à l’échange de données en agriculture. Cette loi sera le penchant du RGPD pour les données non-personnelles, qui représentent une grande partie des données du monde agricole.

Contrat et consentement

Le consentement éclairé est particulièrement important dans les contextes sociaux où il existe une différence de pouvoir entre les personnes, par exemple entre les experts (ceux qui possèdent des connaissances et des compétences numériques, comme les entreprises de l’Agtech) et les personnes qui ne sont pas des experts numériques (comme les agriculteurs). Dans ces relations, le consentement éclairé sert de mécanisme pour faire face à la vulnérabilité du profane dans cette relation de pouvoir, car il a pour rôle de rendre la coercition, la manipulation et la tromperie beaucoup plus difficiles à réaliser et beaucoup plus faciles à détecter. De cette façon, il aide à établir, maintenir et restaurer les relations de confiance. Bien qu’il existe de nombreux modèles de consentement éclairé, le consentement éclairé implique à la base une relation de communication entre deux parties qui ont des connaissances et une expertise inégales. L’une des parties de cette relation (qui possède les connaissances et qui est donc le fournisseur d’informations) se voit attribuer la responsabilité de donner des informations exactes à l’autre partie au sujet d’une action, d’un service, d’une procédure, d’une intervention ou d’une mesure, y compris les avantages, les inconvénients et les risques possibles qu’elle implique. Sur la base de ces informations, l’autre partie (le consentant) décide de l’action à entreprendre ou d’accepter ou non le service, la procédure, l’intervention ou la mesure.

Le consentement éclairé, tout comme un contrat dans les approches contractuelles-individualistes de la confiance, peut prendre des formes informelles dans la pratique, mais aussi des formes plus formelles qui sont comme des contrats signés. Ce consentement éclairé, ou contrat, n’aurait pas un rôle primordial dans l’établissement ou la fondation de relations de confiance. Il ne serait utilisé que dans des situations dans lesquelles des personnes qui se font déjà confiance envisagent de faire quelque chose qui pourrait potentiellement nuire à la confiance entre elles. Tout consentement ou contrat éclairé présuppose un monde social dans lequel la confiance existe déjà. Le consentement n’est demandé que pour des actions qui, d’une manière ou d’une autre, se démarquent et pourraient potentiellement ébranler cette confiance. Le contrat joue donc seulement le rôle de mainteneur de confiance dans des contextes sociaux dans lesquels les relations de confiance sont déjà là et sont soutenues par des normes, des obligations, des droits et des principes qui organisent les interactions sociales (van der Burg, Wiseman, and Krkeljas 2020). Dans le cadre des relations de confiance déjà établies, le consentement éclairé a une fonction spécifique : le consentement n’est demandé que pour les actions qui se distinguent d’une manière ou d’une autre et qui pourraient nuire à la confiance, car elles ne respectent pas certains principes, codes ou obligations qui s’appliquent habituellement dans la société. Le consentement éclairé fonctionne alors comme une renonciation (temporaire) aux obligations, idéaux, principes et droits qui s’appliqueraient normalement. Les personnes qui donnent leur consentement choisissent de mettre temporairement de côté ces interdictions et valeurs sociales, dont dépend généralement la confiance sociale. Un exemple d’une telle renonciation à un interdit social accepté est une situation dans laquelle une personne demande le consentement avant de prendre quelque chose dans le sac d’une autre personne : cette action cesse d’être qualifiée de vol parce que le consentement a été demandé en premier (van der Burg, Wiseman, and Krkeljas 2020).

Selon les auteurs, ceux qui attribuent au consentement un rôle fondamental ne favorisent généralement pas la confiance mais créent des relations de responsabilité. Dans ces relations de responsabilité, les professionnels utilisent le consentement éclairé pour justifier leur action. Les professionnels qui possèdent des connaissances et une expertise donnent des informations complètes aux clients pour leur permettre de donner leur consentement, mais ils ne se soucient pas particulièrement de leur relation avec les clients et ne vérifient donc pas s’ils ont compris ces informations. Les procédures de consentement éclairé fonctionneraient alors principalement comme une protection pour le professionnel, qui est déjà la partie la plus puissante dans la relation. Elle conduit à des situations dans lesquelles le profane, qui est déjà la partie la plus vulnérable de la relation, doit digérer des informations volumineuses et complexes avant de donner son consentement. Le consentement protège principalement le professionnel qui, de ce fait, assume la responsabilité des risques liés au service fourni au profane. (van der Burg, Wiseman, and Krkeljas 2020)

Si nous voulons que les contrats favorisent la confiance – comme ce qui a été décrit plus haut en matière de consentement éclairé – les auteurs préconisent trois éléments importants. Tout d’abord, les informations fournies doivent être compréhensibles pour la partie la plus vulnérable de la relation (comme l’agriculteur) avant qu’elle ne donne son consentement. Ensuite, les parties les plus puissantes doivent assumer la responsabilité de fournir des informations. Enfin, les informations doivent être adaptées aux besoins d’information de l’utilisateur, même lorsque les données sont réutilisées sur une longue période. Selon les auteurs, les contrats de données des entreprises doivent rendre transparents et compréhensibles un certain nombre d’informations à savoir :

Les conditions les plus importantes
l’objectif de la collecte, du partage et du traitement des données
les droits et obligations des parties en matière de données, les règles et processus de partage des données, la sécurité des données et le cadre juridique dans lequel les données sont conservées et dans lequel les copies de sauvegarde sont stockées
Le logiciel ou l’application pertinente et le stockage des informations et l’utilisation des données agricoles
des mécanismes de vérification de l’auteur des données – des mécanismes transparents pour l’ajout d’utilisations nouvelles et/ou futures.

S’il semble bon de demander un consentement éclairé et de donner aux agriculteurs la possibilité de faire un choix, il est également important d’être clair sur les limites de ce consentement. S’il incombe aux entreprises de prendre la responsabilité d’informer les agriculteurs sur ce qu’elles font de leurs données, il convient de choisir avec soin la quantité d’informations qui peut raisonnablement être fournie et comprise par les agriculteurs concernant la réutilisation des données. Si les agriculteurs sont recontactés régulièrement et qu’ils sont appelés à lire des piles d’informations pour juger si chaque nouvelle utilisation de leurs données est acceptable ou non, on peut s’attendre à ce que les agriculteurs soient surchargés de travail. La numérisation du processus de fourniture d’informations (qui est parfois suggérée comme une solution à ce problème) ne résoudra pas vraiment ces problèmes, car il est impossible de voir si les informations fournies répondent aux besoins d’information des agriculteurs qui se trouvent dans des situations différentes. Pour limiter ces informations, on pourrait proposer aux agriculteurs un menu par choix. Par exemple, en leur donnant le choix entre différents utilisateurs possibles de leurs données (par exemple, des entreprises, des gouvernements, des chercheurs), ou entre différents types d’objectifs pour lesquels leurs données pourraient être utilisées (par exemple, pour la recherche par des chercheurs financés par des fonds publics, pour informer les politiques, pour informer les banques et les compagnies d’assurance, pour développer des applications innovantes par les entreprises, etc.). Par ailleurs, s’il est difficile pour les agriculteurs de faire de tels choix, les agriculteurs pourraient choisir de stocker leurs données dans un dépôt plus important, géré par un groupe de représentants d’agriculteurs, spécialisé dans les questions de gouvernance des données, et qui pourrait établir des principes généraux (par exemple, des principes fiduciaires ou d’intérêt public) régissant la prise de décision concernant la réutilisation des données. De cette manière, les agriculteurs individuels délégueraient leur décision à ces représentants, qui définiraient la politique du dépôt de données et élaboreraient des directives régissant la manière dont elles peuvent être utilisées et à qui les utilisateurs de données peuvent s’adresser pour en demander l’accès. La discussion sur ces alternatives n’aurait toutefois pas encore commencé (van der Burg, Wiseman, and Krkeljas 2020).

L’UE a fourni une liste de « contrôle », sous forme de questions, pour accompagner les agriculteurs à contrôler si leurs données sont correctement utilisées. Si les questions de la liste de contrôle du Code de l’UE peuvent aider l’agriculteur à être curieux, (van der Burg, Wiseman, and Krkeljas 2020) jugent que ces questions ne fournissent pas de conseils sur la manière de déterminer si l’accord contractuel proposé par un fournisseur de services ou une entreprise agroalimentaire est acceptable ou non. La liste de contrôle semble faire peser sur les épaules des agriculteurs la charge injuste de rechercher les conditions d’utilisation de leurs partenaires agroalimentaires. La liste de contrôle pose par exemple une série de questions comme « Un accord a-t-il été mis en place ? », « Quelles sont les obligations en vigueur ? », « Mes données seront-elles utilisées à d’autres fins que celle de me fournir un service à moi, l’auteur des données (c’est-à-dire l’agriculteur) ? », « Serai-je informé(e) des violations de la sécurité ? », ou encore « Puis-je récupérer mon ensemble de données du système dans un format utilisable ? ». Compte tenu de la manière dont les questions sont formulées, la plupart des questions de la liste de contrôle sont conçues pour inciter les agriculteurs à se renseigner eux-mêmes. (van der Burg, Wiseman, and Krkeljas 2020)

Dans le domaine de l’écosystème Agtech, les relations de confiance ne sont pas nécessairement déjà existantes. Dans de nombreux contextes, les technologies numériques vont entraîner un changement assez fondamental dans le réseau social autour des exploitations agricoles (nous en avons discuté plus haut). Les agriculteurs ont traditionnellement entretenu des relations de confiance avec de nombreux acteurs tels que les conseillers, les coopératives, les associations d’agriculteurs et les fournisseurs d’intrants. Dans ces relations, les agriculteurs savaient à quoi s’attendre. Avec l’introduction d’acteurs de l’industrie du logiciel, les agriculteurs sont invités à s’engager dans des relations nouvelles et fréquemment plus abstraites que celles auxquelles ils sont habitués. Les accords contractuels entre acteurs humains ne peuvent jouer qu’un rôle limité pour favoriser des relations de confiance qui restent largement virtuelles (van der Burg, Wiseman, and Krkeljas 2020). Alors que les start-ups et les entreprises technologiques relativement petites s’engagent souvent avec les agriculteurs dans la vie réelle par le biais d’accords de collaboration en face à face, on s’attend à ce que ces relations deviennent de plus en plus numérisées et donc abstraites, à mesure que ces entreprises et le nombre de leurs clients augmentent. Les accords contractuels avec les grandes entreprises technologiques ne seront probablement pas scellés par une poignée de main traditionnelle et se feront rarement en face à face. Selon les auteurs, l’augmentation du nombre de personnes qui partageront des données dans le réseau, ainsi que la distance géographique croissante entre elles, conduiront au développement d’outils qui numériseront le processus de consentement éclairé. Cependant, la théorie du consentement éclairé donne des raisons importantes de douter que ces efforts conduisent par eux-mêmes à la confiance. Cette numérisation peut également servir de protection aux entreprises qui fabriquent les technologies numériques, ces dernières pouvant toujours se référer au consentement de l’agriculteur pour justifier ce qu’elles font avec les données. La confiance dans la technologie numérique a plus de chances de s’instaurer si elle est introduite dans des contextes où les relations et les collaborations sont déjà établies, ou si les innovateurs investissent beaucoup de temps et d’efforts pour favoriser des relations sociales de confiance avant d’introduire leurs technologies. Ces relations exigeront une attention et un entretien continus. Si ces relations sont inexistantes au départ, on peut se demander si un contrat seul peut créer la confiance. Dans des relations plus abstraites, il pourrait être judicieux d’élargir le code de conduite et de donner aux partenaires de cette relation de pouvoir inégale un éventail plus riche de sujets de réflexion et de discussion, afin de développer des conditions plus larges pour leur engagement mutuel.

De nombreuses licences de données impliquent l’utilisation d’un accord « click wrap » (où le clic sur une icône « J’accepte » signifie le consentement aux termes d’une licence logicielle), et c’est souvent de cette manière que les agriculteurs concluent et acceptent des licences de données pour la technologie agricole. Les licences de données intégrées dans les technologies agricoles numériques sont généralement des contrats de licence complexes et standardisés, généralement non négociables et présentés sur la base du principe « à prendre ou à laisser » lors de l’adoption de la technologie. Les conditions d’utilisation de la technologie sont donc convenues au moment du téléchargement d’une application ou de la mise en marche d’une machine. Souvent, une licence de données fournit également des liens vers d’autres documents de politique générale, tels que la politique de confidentialité du fournisseur de technologie agricole. Dans certains cas, c’est la politique de confidentialité, plutôt que les conditions d’utilisation de la licence de données, qui détermine qui peut avoir accès aux données générées dans le cadre de l’accord (Wiseman et al. 2019). Rajoutons à cela que Souvent, les contrats de licence qui régissent le partage et l’utilisation de leurs données agricoles seront régis par la loi du pays où cette société est enregistrée, ce qui crée une incertitude quant au niveau de protection offert aux agriculteurs. (Wiseman et al. 2019)

Le RGPD donne plus de pouvoir aux contributeurs de la donnée avec des nouveaux droits d’accès aux données et introduit la notion plus large de consentement (qui doit être donné gratuitement et être explicite sur ce pourquoi les données sont demandées, avec un démonstration claire d’agreement. Lorsque le consentement a été obtenu pour le traitement de données à caractère personnel, le responsable du traitement doit être en mesure de démontrer que le consentement est librement donné, spécifique et éclairé. Le consentement sera limité à la finalité, c’est-à-dire qu’il ne permettra le traitement que pour des finalités explicitement spécifiées. Le consentement obtenu doit être intelligible, facilement accessible et rédigé dans un langage clair et simple. Il s’agit d’éliminer toute confusion quant à la question de savoir si le consentement a été donné ou non, et s’il peut être impliqué par une action (ou une inaction) particulière. Les personnes concernées doivent également avoir le droit de révoquer leur consentement à tout moment et il doit être aussi facile de retirer son consentement que de le donner. À la notion élargie de consentement s’ajoute le droit des personnes de transférer leurs données d’un responsable du traitement à un autre (droit à la portabilité) et de faire supprimer leurs données (droit à l’oubli). En résumé, le GDPR impose de nouvelles responsabilités aux responsables du traitement et aux sous-traitants, qui doivent faire preuve d’une plus grande transparence dans leurs relations avec les personnes lorsque leurs données sont collectées et gérées. (Wiseman et al. 2019). Ces changements sur l’intérêt pour les contributeurs montrent l’éloignement de l’intérêt vers les aggrégateurs de données, et beaucoup plus vers les contributeurs. (Wiseman, 2018). On ne peut qu’espérer que ces changements auront également lieu pour les données à caractère non personnelles, et ce d’autant plus pour les données agricoles.

Contrôle et propriété des données

Les questions qui suscitent la méfiance autour des données dans le domaine du numérique agricole sont parfois comprises comme un problème de protection de la vie privée, car les exploitations agricoles sont des entreprises privées et les agriculteurs devraient donc avoir le contrôle des données qui contiennent des informations sur leurs exploitations. Ces questions sont également parfois expliquées en termes de propriété des données – les agriculteurs se demandant qui est le propriétaire des données et donc qui a le droit de monétiser et de tirer profit de la valeur des données. (van der Burg, Wiseman, and Krkeljas 2020).

Les technologies numériques rendent la propriété des données agricoles assez floue. Souvent, les agriculteurs présupposent qu’ils sont propriétaires des données primaires puisqu’ils les collectent dans leurs exploitations, alors que des intermédiaires créent les algorithmes qui permettent de combiner et d’interpréter les données de nombreuses exploitations et de les utiliser pour générer des recommandations agricoles utiles. Ces intermédiaires sont considérés comme les propriétaires des données calculées. Lorsque l’on pense aux données, il est important de noter que, si beaucoup pensent que les données attirent une forme de propriété relevant généralement du régime de la propriété intellectuelle, la réalité est que les droits de propriété sur les données n’apparaîtront que si la loi sur le droit d’auteur peut protéger les données (ou si la base de données est protégée en vertu de la directive européenne sur les bases de données). Toutes les données ou collections de données ne bénéficieront pas de la protection du droit d’auteur. Malgré cela, de nombreux débats portent encore sur la propriété des données agricoles. La législation sur le droit d’auteur peut protéger les tableaux de données ou les compilations de données lorsque la sélection et la disposition des données résultent d’un travail, d’une compétence ou d’un effort humain. Il est toutefois important de noter qu’il est reconnu depuis longtemps que les données brutes, les informations ou les simples faits ne sont pas des objets protégeables au titre du droit d’auteur (Wiseman et al. 2019). A l’heure actuelle, il est plus facile de protéger les inventeurs des technologies et des bases de données sur la base des lois actuelles, que de protéger les droits de propriété des agriculteurs. (van der Burg, Bogaardt, and Wolfert 2019)

En Australie, là où les chercheurs travaillent, (Wiseman, 2018) expliquent que les deux domaines de la loi auxquels les personnes se réfèrent principalement sur la propriété des données sont la loi sur la vie privée et celle de la loi de la propriété intellectuelle ; notamment celle sur les droits d’auteur. Bien que les agriculteurs considèrent que leurs données agricoles sont des données personnelles, la loi sur la vie privée en Australie ne voit pas les choses de la même manière. Là-bas, la loi sur la vie privée ne donne par la propriété des données à ceux qui collectent ou ceux sur qui sont collectées les données. Cette loi régule la façon dont les données personnelles sont collectées, utilisées, et divulguées. Est considérée comme une donnée personnelle une information ou une opinion à propos d’une personne identifiable, ou raisonnablement identifiable, que l’information ou l’opinion soit vraie ou pas, ou que l’information ou l’opinion soit collectée sous une forme matérielle ou non (Wiseman, 2018)

Au contraire, les informations non personnelles, comme les informations commerciales et les données agricoles sont gérées par la loi des contrats. La distinction entre les données personnelles et non personnelles est très importante pour les industriels de l’agriculture et leurs parties prenantes, parce que la loi sur la vie privée en Australie ne s’étend pas aux données non personnelles. Comme la loi sur la vie privée ne donne actuellement aucune protection sur la façon dont les données agricoles sont collectées, stockées ou échangées, il faut alors passer dans la cadre de la propriété intellectuelle, notamment au travers de la loi sur les droits d’auteur. La propriété des droits d’auteur sur les données agrégées ou sur les bases de données offre à ceux qui la possède le droit d’exploiter et de commercialiser la donnée. Alors que la loi sur les droits d’auteur ne protège pas les informations, idées ou les simples faits, la collection de données qui est le résultat d’une contribution originale de l’agrégateur de données peut être protégée par la loi sur les droits d’auteur. Déterminer ce qui est protégeable par la loi sur les droits d’auteur est compliqué. Mais il est d’autant plus important de s’y intéresser que la loi est très claire sur le fait que le contributeur de la donnée n’est pas nécessairement celui qui possède la donnée. En appliquant ça aux données agricoles, il est clair que l’agriculteur, en tant que contributeur de données, n’aura pas nécessairement les droits sur les données produites. (Wiseman, 2018)

Une discussion sur qui est propriétaire des données soulève toutefois plus de questions qu’elle n’apporte de réponses. Il est important de noter que, même lorsque les données sont protégées par la loi sur le droit d’auteur, la propriété du droit d’auteur peut souvent être modifiée par contrat. Ainsi, lorsqu’un arrangement contractuel qui traite de la propriété des données collectées est conclu entre un agriculteur et un tiers (tel qu’un conseiller, un fournisseur de services ou une entreprise agroalimentaire), ce sont les dispositions relatives à la propriété dans le contrat de données qui l’emporteront souvent sur la position de la loi sur le droit d’auteur. Compte tenu du fait que la loi sur le droit d’auteur permet aux contrats de prévaloir sur ses dispositions relatives à la propriété, il est utile d’examiner de plus près la nature des relations nombreuses et variées en matière de données agricoles et les contrats de données conclus entre les fournisseurs de données (c’est-à-dire les agriculteurs) et les fournisseurs de technologies numériques agricoles (c’est-à-dire les agrégateurs de données). Ce sont ces contrats, plutôt que les lois qui ont été évoquées plus haut, qui régiront les relations en matière de données agricoles, car ces contrats constituent le principal moyen de contrôler, de gérer et de partager les données agricoles (Wiseman et al. 2019).

En outre, certains auteurs font remarquer que l’utilisation du terme « propriété » est étrange et inhabituel en ce qui concerne les données, car les objets physiques possédés peuvent être utilisés par une seule personne à la fois, ce qui n’est pas le cas pour les données. L’utilisation des données par une personne ou une entité n’empêche pas les autres de les utiliser également. Selon certains auteurs, les brevets, les droits de propriété intellectuelle et les lois sur le droit d’auteur n’offriraient pas un bon point de départ pour identifier ce que signifient les droits de propriété des agriculteurs et pourquoi ils doivent être protégés. Les brevets ne couvrent en effet que la création ou la découverte d’un processus ou d’une machine, mais les données ne sont pas inventées par les agriculteurs et ne constituent pas un nouveau processus ou une nouvelle machine en soi. Les données agricoles ne sont pas qualifiées d’œuvres originales d’auteur qui pourraient relever du droit d’auteur. Il serait cependant possible de considérer les données agricoles comme des secrets commerciaux et de s’en servir pour attribuer la propriété aux agriculteurs (Wiseman et al. 2019).

Pour certains auteurs, le langage autour de la propriété des données détourne tout le monde de questions plus importantes telles que la collecte, le contrôle et l’accès à ces données. En termes plus simples, il est possible de posséder des données – d’en être propriétaire – mais en réalité d’avoir peu de contrôle sur qui et comment ces données sont utilisées. (Wiseman et al. 2019). Une question bien plus intéressante et pertinente est donc de savoir ce que ceux qui collectent les données agricoles en font lorsqu’ils les ont récupérées (Jakku et al. 2019). On peut effectivement s’inquiéter de ce que des approches de plateforme propriétaire, ou des grosses entreprises du secteur, en contrôlant les données numériques collectées, risquent de concentrer davantage la propriété et le contrôle des systèmes alimentaires, la production, le commerce et la consommation, et de menacer la souveraineté alimentaire. (Klerkx and Rose 2020) (Klerkx, Jakku, and Labarthe 2019) (van der Burg, Bogaardt, and Wolfert 2019). Lorsque les entreprises sont les principaux acteurs contrôlant l’orientation du développement technologique, elles ont tendance à prendre des décisions basées sur leurs propres intérêts, ce qui peut renforcer leur pouvoir (Clapp and Ruder 2020). C’est ce que nous avons défini plus haut comme la fracture Big Data (voir partie sur l’agriculture à plusieurs vitesses), ou ce que d’autres définissent comme le fossé des données numériques – un fossé entre ceux qui fournissent les données et ceux qui les contrôlent, les agrègent et les partagent (Wiseman et al. 2019). Les entreprises agroalimentaires peuvent effectivement utiliser les données agricoles pour influencer ou éclairer les décisions sur le marché boursier, établir le profil des agriculteurs et vendre ces profils à des tiers – fournisseurs d’intrants, chercheurs, gouvernements, ONG, banques, ou encore compagnies d’assurance (van der Burg, Wiseman, and Krkeljas 2020). Les agro-équipementiers ou les structures qui récupèrent des données de récolte peuvent les utiliser pour jouer sur les marchés à terme internationaux (Duncan et al. 2021). Lorsque le logiciel qui fait fonctionner le semoir d’un agriculteur ou que les semences plantées sont soumises à des protections de la propriété intellectuelle, on peut en venir à questionner si l’agriculteur est vraiment encore le propriétaire de l’équipement qu’il aurait acheter. L’agriculteur obtient en réalité essentiellement une licence pour des pièces essentielles, qu’il ne peut même pas parfois réparer de lui-même. Les agriculteurs manquent clairement de connaissance sur les droits étendus accordés aux aggrégateurs de données dans les relations de contrats dans lesquelles ils se trouvent. Cette situation conduit à ce que les producteurs pensent à l’abus de pouvoir que peuvent avoir ces aggrégateurs de données sur eux à propos de leurs données agricoles. (Wiseman, 2018)

Une autre préoccupation générale des agriculteurs est le fait que leurs données soient régulièrement échangées ou divulguées à des tiers, ce qui les empêche de savoir qui connaît les détails de leurs entreprises commerciales (Wiseman et al. 2019). Théoriquement, le droit d’usage de la donnée peut être accordé à plein de parties prenantes différentes. Néanmoins, à cause de la nature non-physique des données, il est relativement difficile de suivre qui est autorisé à partager la donnée et quelle donnée est partagée (EU, Code of Conduct, 2018). Dans son panel, Emily Duncan a observé que les agriculteurs interrogés étaient plus disposées à partager leurs données avec d’autres agriculteurs et des institutions de recherche, et moins disposées à les partager avec des fournisseurs de technologies et de services (Duncan 2018). Les agriculteurs semblaient généralement avoir une attitude positive à l’égard du partage des données tant qu’ils en tiraient un avantage pour eux-mêmes, mais certains agriculteurs trouvaient problématique le fait que d’autres acteurs ou entreprises profitent des données qu’ils génèrent, sans que les avantages pour eux-mêmes soient clairs. (Duncan 2018). Le malaise des agriculteurs à propos du partage des données est conceptualisé comme une réponse à l’évolution des relations de pouvoir que les technologies numériques (et les entreprises qui les fabriquent) affectent dans le réseau social entourant les exploitations agricoles, ce qui soulève des questions sur la distribution juste et équitable des avantages et des responsabilités au sein de ce réseau (van der Burg, Wiseman, and Krkeljas 2020). Cela soulève la question plus large de savoir quelles données les utilisateurs sont susceptibles ou ont envie de partager, et avec qui ils ont envie de le faire, ou de choisir les structures qui ont le droit d’accéder aux données et ceux qui ne l’ont pas. Certains auteurs des sciences humaines et sociales ont par exemple distingué différents flux de données. Les données « localisées » sont générées sur une exploitation et utilisées sur place, les données « importées » sont générées en dehors de l’exploitation pour être utilisées sur l’exploitation, les données « exportées » sont générées sur l’exploitation pour être utilisées en dehors de l’exploitation, et les données « auxiliaires » sont générées et rassemblées sur l’exploitation et en dehors, principalement pour être utilisées en dehors de l’exploitation (van der Burg, Bogaardt, and Wolfert 2019).

Il convient toutefois de noter que la possibilité de réutiliser les données peut ouvrir toute une série de questions concernant les informations qui doivent être données avant de conclure un contrat. Il est conforme à l’esprit du consentement éclairé de retourner vers les auteurs des données pour leur demander leur consentement concernant la réutilisation des données. Toutefois, on peut également se demander s’il est possible et souhaitable, d’un point de vue pratique, de le faire pour chaque nouvelle utilisation des données. (van der Burg, Wiseman, and Krkeljas 2020).

Les technologies numériques en agriculture diffèrent radicalement des technologies conventionnelles, comme la machine agricole ou le tracteur, car elles sont en constante évolution et se caractérisent par une taille et une complexité toujours plus grandes. L’idée que les agriculteurs, bien que contribuant au développement de l’outil, n’y ont pas pleinement accès, semble paradoxale si l’on se réfère aux technologies conventionnelles (Lioutas et al. 2019). Étant donné que les agriculteurs fournissent leurs données à des technologies et plateformes tierces, il semble logique de leur attribuer le droit de demander une justification de ce qui est fait avec ces données. Des questions comme : « Comment sont-elles interprétées ? » ou encore « Pourquoi ces algorithmes sont-ils utilisés et pas d’autres ? » paraissent assez naturelles à poser et devraient être répondues facilement. Mais il est tout aussi judicieux de se demander comment les données, et la manière dont elles sont interprétées, peuvent contribuer à la réalisation d’objectifs communs, et quels sont les moyens utiles de coopérer entre les partenaires d’un réseau de partage de données pour atteindre ces objectifs (van der Burg, Bogaardt, and Wolfert 2019)

Même si nos vies sont liées à l’informatique, la signification des données que nous produisons peut apparaître comme une dynamique marginale dans un monde violent et oppressant. Bien que l’offre de services logiciels gratuits soit trop belle pour être vraie, en tant qu’offre, elle reste néanmoins bonne, du moins pour un grand nombre de personnes. Pourtant, tant que les utilisateurs de services technologiques contemporains participent et restent dépossédés de la valeur émergeant des données que nos activités quotidiennes génèrent, nous ne risquons pas seulement de nouvelles formes de contrôle de la société par les entreprises, nous acquiesçons également, selon Alistair Fraser, à une perte de toute notion de souveraineté (Fraser 2019).

Bien que les codes et règlements produits aient essayé de donner de la confiance aux outils et services numériques – et qu’ils aient soulevé certains enjeux et problèmes liés à l’utilisation des données, ils n’ont pas apporté beaucoup de clarifications sur la position légale de la propriété des données agricoles issues des exploitations. La loi et la compréhension autour de la propriété du contrôle et de l’accès aux données agricoles est toujours incertain. (Wiseman, 2018)

Le fait que beaucoup d’entreprises de la distribution et de la production acquièrent des technologies numériques montre qu’il est très important de s’intéresser à la façon dont les données agricoles peuvent être, et sont actuellement utilisées. Il faut regarder les relations de contrats, parce que les licences sur les données fixent les droits sur le type de données collectées dans les exploitations, et comment elles sont contrôlées, échangées et accédées. Les gens sont concernés non seulement par le droit des parties tierces à accéder aux données, mais aussi le fait que les agriculteurs – les contributeurs – puissent eux aussi accéder et déplacer les données auxquelles ils ont contribué (Wiseman, 2018)

Qui récupérera la part du lion ?

Les agriculteurs deviennent d’importants détenteurs de données. Les données sont en fait, du moins pour certains acteurs du secteur, la nouvelle culture de rente, car une fois agrégées, elles ont de la valeur pour les entreprises de semences et de produits chimiques, les agronomes, les coopératives, les fournisseurs d’assurance agricole et les équipementiers. Les données au niveau de l’exploitation individuelle ont une valeur limitée pour l’exploitation en question, mais les données agrégées mises en commun dans de nombreuses exploitations ont le potentiel de révéler des modèles et des idées non encore découverts, impossibles à déterminer si l’on se contente d’examiner les données de l’exploitation individuelle (Zhang et al. 2021). Le fait que la donnée brute n’ait pas de valeur intrinsèque, car non aggrégée ni remise dans son contexte est un argument régulièrement brandi par les acteurs de l’écosystème Agtech. On pourrait d’ailleurs se demander si ce discours n’est pas également une façon détournée de récupérer toujours plus de données tout en se donnant bonne conscience ?

(Zhang et al. 2021) suggèrent que les agriculteurs sont en mesure d’apprécier la valeur potentielle de l’ensemble des données du numérique agricole, mais qu’ils seraient préoccupés par la question de savoir qui en bénéficierait et si l’utilisation de leurs données pourrait les désavantager par rapport aux entreprises avec lesquelles ils pourraient partager leurs données. Et (Jakku et al. 2019) de rajouter que pour la majorité des agriculteurs de leur panel, les avantages de ces technologies numériques sont susceptibles d’être réalisés plutôt à long terme ou en aval et que, dans de nombreux cas, ces avantages semblent incertains. La réalisation de la valeur révolutionnaire promise par les technologies du big data peut ainsi dépendre de la volonté des agriculteurs de mettre en commun leurs données de production agricole. (Zhang et al. 2021)

D’une certaine manière, étant donné qu’un grand nombre de services générant des données sont aujourd’hui gratuits, il est tacitement entendu que l’utilisation gratuite a lieu précisément parce que les données sont collectées et, éventuellement, vendues. De ce point de vue, les utilisateurs sont simplement impliqués dans une forme d’échange simple : ils peuvent utiliser les derniers logiciels et rester en contact avec d’autres personnes en échange d’un certain degré de protection de leur vie privée au profit d’entreprises qui ne cessent de clamer leur innocence – ou, si ce n’est pas le cas, au moins leur engagement à utiliser les informations des clients dans le but d’améliorer leurs services ou de proposer des publicités meilleures ou plus pertinentes. Alistair Fraser explique qu’avec cette collecte de données, il n’y aurait pas seulement une dépossession du contrôle de ces données (Fraser 2019). L’accaparement des données serait plutôt une étape cruciale dans un processus plus large, persistant et omniprésent, par lequel les activités de tous les utilisateurs dans les réseaux de relations sociales génèrent des données dont la valeur d’échange possible est supérieure à la somme de leurs parties individuelles, sans jamais recevoir leur part de cette valeur. Prendre le contrôle des données peut – mais ne le fera pas nécessairement (comme le démontrent les nombreuses histoires de start-ups qui échouent) – générer des profits (Fraser 2019).

La question centrale dans la discussion sur l’accès aux données n’est peut-être pas tant de savoir qui possède les données, mais plutôt qui possède la valeur de celles-ci (Lioutas et al. 2019). Le déséquilibre de pouvoir observé au sein d’une communauté serait donc peut-être plutôt lié à l’accès inégal non pas aux big data mais à la valeur qui en émerge. Qu’elle soit présentée comme une question de capitalisme de surveillance ou de colonialisme des données, une dynamique importante de la vie numérique concerne la mauvaise répartition des possibilités de convertir la curation des données en profits. Les asymétries de la vie numérique signifient que des entreprises du secteur sont en mesure de tirer le maximum de profit de ces données-là (Fraser 2021).

Emily Duncan explique que, du fait que les technologies d’agriculture de précision continuent de devenir de plus en plus détaillées et spécialisées, les agriculteurs ont l’impression que ceux qui vendent les technologies d’agriculture de précision en profitent beaucoup plus qu’eux (Duncan 2018). En filligrane, il y a en effet l’idée que cette complexité offre des opportunités aux entreprises du secteur, à savoir vendre des technologies mais aussi fournir des services d’interprétation des données. Même si les données agricoles sont présentées comme ouvertes, les agriculteurs ne sont pas nécessairement équipés pour effectuer le bon type d’analyse susceptible d’apporter une quelconque valeur ajoutée à leurs données. Une série de points sur un graphique est une chose, mais savoir comment analyser ou créer de nouveaux modèles (et disposer de la puissance de calcul et du temps nécessaires pour le faire) en est une autre.

Une tâche essentielle pour les chercheurs est de clarifier ce que signifie la « valeur » pour les agriculteurs et les autres membres de la communauté, puis d’examiner comment la dynamique du pouvoir affecte l’accès à cette valeur. Une première étape à cette fin devrait être l’identification des acteurs qui produisent conjointement les big data et la valeur qui en est extraite (Lioutas et al. 2019). Le flux constant des données au travers des technologies numériques et la nature complexe des interactions entre les acteurs qui le partagent compliquent la traduction des données en valeur.

De l’importance des relations de confiance

Pour (Gardezi and Stock 2021), la conceptualisation de la confiance dans les sciences sociales peut être classée en deux grandes dimensions : la confiance stratégique et la confiance moraliste. La confiance stratégique est une confiance basée sur la connaissance et dépend des expériences passées et de l’exactitude des connaissances ou des outils partagés. La confiance moraliste, en revanche, ne dépend pas d’attentes rationnelles, d’expériences personnelles ou de la perception de la fiabilité des autres (que ce soient des personnes ou des objets), mais dépend des valeurs morales de leur culture. La confiance moraliste est héritée par la transmission culturelle et devient une forme d’action rationnelle par les valeurs, où les acteurs en viennent à croire que la plupart des gens partagent leurs valeurs morales fondamentales. Selon (Gardezi and Stock 2021), les études et rapports examinant l’engagement des agriculteurs dans les technologies numériques ont principalement conceptualisé la confiance des agriculteurs dans ces technologies comme étant basée sur la confiance stratégique, où les agriculteurs pèsent consciemment les risques et les avantages de l’utilisation de systèmes technologiques et décident ensuite de les adopter en conséquence. Les conclusions de leurs travaux révèleraient que contrairement à cette vision stratégique de la confiance, les agriculteurs ne feraient pas confiance à ces technologies par le biais d’une évaluation stratégique de ses risques et avantages pour leur exploitation agricole, mais par la transmission culturelle de valeurs morales défendues comme supérieures par les entreprises de l’écosystème Agtech. Les auteurs en appellent à ce que les directives existantes et à venir pour les technologies numériques éthiques cherchent à examiner l’intérêt de ces technologies au travers du prisme de la confiance moraliste. Par exemple, les recherches futures pourraient souligner les impacts intentionnels et non intentionnels de la rationalité algorithmique des technologies numériques qui crée un sentiment de confiance non pas dans l’efficacité de ces technologies mais dans les valeurs morales de la communauté de ceux qui utilisent ces technologies (Gardezi and Stock 2021).

L’utilisation et le partage des données ne sont pas neutres (Carolan, 2017). Cela signifie que l’instauration de la confiance est un exercice subjectif qui exige que les plateformes et les collecteurs de données reconnaissent leurs propres biais et limites. Un autre aspect crucial de l’instauration de la confiance chez les agriculteurs est la reconnaissance du fait que ce n’est pas parce que les données sont accessibles qu’il est éthique de les récupérer et de les utiliser. Pour agir de manière éthique avec les données, il est nécessaire de rendre des comptes, même lorsque la vie privée n’est pas en cause (Zhang et al. 2021). Un agriculteur interrogé par (Jakku et al. 2019) apporte un complément intéressant en ce sens que l’industrie aurait été particulièrement mauvaise pour expliquer en quoi l’accès aux données agricoles était important pour elle. Pour cet agriculteur interrogé, cette situation est étrange puisque que comme l’industrie n’est pas claire sur les raisons intimes qui la poussent à collecter et utiliser les données, il n’y aurait pas de raison pour lui d’avoir confiance en ces industriels. Il faudrait alors croire sur parole les industriels (Jakku et al. 2019). La perte attendue de l’autonomie de l’agriculteur, ainsi que la vulnérabilité à une éventuelle utilisation secondaire des données par les experts en algorithmes à leur propre avantage, seraient toutefois beaucoup moins effrayantes si les fournisseurs et analystes de données étaient transparents sur leurs choix et les négociaient avec les agriculteurs (van der Burg, Bogaardt, and Wolfert 2019).

Pour (Wiseman et al. 2019), la volonté de partager les données pourrait être intrinsèquement liée à des valeurs de confiance envers ceux avec qui les données sont partagées, la confiance étant définie comme une volonté d’accepter un certain risque et une certaine vulnérabilité envers les autres, et l’attente raisonnable concernant les actions et les intentions des autres. Pour les auteurs, une compréhension plus approfondie du cadre juridique autour des technologies numériques, en particulier des termes et conditions des licences de données agricoles, et dans le fait que les fournisseurs de services et de technologies préservent la confidentialité des données et ne les partagent pas avec des tiers, peut accroître la confiance des agriculteurs dans le partage des données (Jakku et al. 2019) (Wiseman et al. 2019). Les fournisseurs de technologies agricoles, dont beaucoup viennent désormais d’industries extérieures à la communauté agricole, ont introduit des accords de licence de logiciel longs et complexes qui régissent la manière dont les données des agriculteurs seront collectées, gérées et partagées avec leurs fournisseurs de technologies numériques agricoles. La portée et l’étendue des termes des licences logicielles intégrées dans les équipements agricoles (par exemple, les capteurs, la robotique, les drones, les tracteurs et les machines agricoles) sont rarement discutées ou même mentionnées au moment de la vente. (Wiseman et al. 2019) note que de nombreux agriculteurs ont été surpris par le fait que le simple fait de mettre en marche leurs machines ou de télécharger la technologie signifiait qu’ils avaient accepté un large éventail de conditions qui réglementent l’accès et l’utilisation des données générées dans leurs exploitations. On peut en effet craindre une dissonance cognitive, c’est-à-dire un décalage entre ce que disent les contrats et ce que les agriculteurs pensent qu’ils disent. Cela étant dit, les auteurs mettent en garde contre la nécessité d’éviter un modèle unique de partage des données agricoles. Une approche unique du partage des données dans le contexte agricole sera au mieux inappropriée, et au pire, préjudiciable à ceux qui fournissent les données (Wiseman et al. 2019).

Repenser l’adoption et l’évaluation des outils numériques en agriculture

Un suivi du processus d’adoption des outils numérique encore lacunaire

Suivre l’adoption de technologies émergentes est fondamental pour comprendre et prendre du recul sur les dynamiques en cours. On peut y détecter des grandes tendances, percevoir des signaux faibles, mettre en avant des facteurs facilitant ou au contraire limitant telle ou telle adoption. Les études d’adoption en Agtech ont bon train. A l’heure où j’écris cet article de blog, de nombreuses études techniques et scientifiques ont vu le jour dans la littérature mais très peu de travail a été fait pour essayer de synthétiser et d’harmoniser cette connaissance. On peut néanmoins citer un récent travail assez conséquent d’agrégation de la connaissance scientifique (Lowenberg-Deboer and Erickson 2019). Dans leur synthèse, ces auteurs soulignent que, de la masse confuse de données collectées à partir d’enquêtes qui ont utilisé plusieurs méthodes d’échantillonnage différentes et qui ont été analysées de diverses manières, il ressort une image d’adoption rapide des technologies de géo-positionnement et des technologies associées, et une adoption plus lente de toutes les technologies de modulation intra-parcellaire. L’adoption des technologies de collecte de données comme la cartographie des rendements et des sols et la télédétection, a également été relativement lente.

Pour faire suite à ce manque d’harmonisation des connaissances, nous avons récemment concaténé les résultats de nombreux rapports d’adoption, issus à la fois de littératures techniques et scientifiques dans une interface dynamique et interactive sur notre annuaire des outils numériques pour l’agriculture. Ce travail de synthèse a permis de dégager des limites assez fortes. Tout d’abord, force est de constater que malgré le nombre important d’études, il n’est pas évident de dégager des tendances. Et ce principalement du fait que toutes ces études abordent l’adoption des outils numériques de manière différente. Les publics cibles, le cadre d’étude, les caractéristiques d’adoption étudiées, les technologies suivies ; quasiment rien n’est harmonisé (Tey and Brindal, 2021). On se retrouve alors face à des études très ponctuelles dans le temps et l’espace, et trouver du lien entre ces travaux reste une tâche assez difficile et soumise à interprétation. (Lowenberg-Deboer and Erickson 2019) en appellent même à une standardisation des études d’adoption. Des données comparables sur l’adoption des outils d’agriculture de précision dans les principaux pays agricoles permettraient d’en diagnostiquer beaucoup plus facilement les principaux problèmes et contraintes. Pour la plupart des autres technologies, l’Organisation des Nations Unies pour l’alimentation et l’agriculture (FAO) fournit des lignes directrices sur la manière de collecter des données par le biais du programme de recensement mondial de l’agriculture (WCA). (Lowenberg-Deboer and Erickson 2019) se demandent s’il ne serait pas tant le WCA d’ajouter les technologies d’agriculture de précision.

Deuxième limite importante, les principales études d’adoption s’intéressent presque exclusivement au phénomène d’adoption de façon assez étriquée, et en considérant les facteurs d’adoption étudiés de manière indépendante. Il est maintenant bien reconnu que l’engagement d’un agriculteur envers une nouvelle technologie n’est pas une simple question technique. Au contraire, l’adoption d’une technologie implique une prise en compte active des valeurs, des croyances, des identités, des objectifs et des réseaux sociaux. Pour connaître ce contexte social, il faut également connaître les institutions qui interagissent avec les agriculteurs et les communautés agricoles, notamment les concepteurs et les producteurs de technologies, les organismes industriels, les courtiers et les spécialistes du marketing, les partenaires de la chaîne d’approvisionnement, les supermarchés et les consommateurs (Fleming et al. 2019). L’agriculteur peut avoir des degrés variables d’aversion au risque (d’utiliser des technologies numériques) mais la structure financière de l’entreprise peut imposer une source supplémentaire de risque – un risque financier par exemple. De même, les composantes telles que l’innovation, l’adoption, les liens et l’assimilation interagissent dans la mesure où les technologies complexes (par exemple, la modulation intra-parcellaire) peuvent nécessiter une expertise dépassant celle de l’équipe de l’exploitation (Pathak, Brown, and Best 2019).

En s’intéressant seulement à des facteurs d’adoption trop étroits comme l’âge, la taille de l’exploitation ou encore le coût des outils numériques, il n’est pas possible de rendre compte de toute la nuance des tendances qui influencent l’adoption des technologies numériques. Un exemple sur l’âge des agriculteurs. De nombreuses études mettent en avant l’âge de l’agriculteur comme un obstacle à l’adoption et soutiennent que certaines technologies seraient plus difficiles à apprendre pour les agriculteurs plus âgés. Pourtant, il a parfois été constaté que les technologies aidaient les agriculteurs plus âgés à continuer à travailler sur la ferme plus longtemps grâce à l’amélioration de l’environnement. (Vik et al. 2019) rajoutent d’ailleurs que pour la plupart des agriculteurs, le fait de savoir qu’il existe un successeur qui souhaite maintenir la production contribue positivement à leur qualité de vie et à leur satisfaction professionnelle. Étant donné que les exploitations agricoles sont des entreprises, de nombreuses études sur l’adoption des technologies numériques ont supposé, explicitement ou implicitement, que l’adoption de ces technologies serait fortement influencée par la rentabilité, ainsi que par le risque, la disponibilité des ressources et d’autres avantages économiques, manquant alors à voir la bien plus grande complexité se cachant derrière l’adoption des outils numériques. Une des hypothèses souvent faite de façon implicite est que les innovations sont économiquement bénéfiques et que les agriculteurs sont des acteurs économiquement rationnels (Bryant and Higgins 2021). Des critiques voient néanmoins le jour sur la façon très linéaire de voir l’adoption des outils numériques (Bryant and Higgins 2021).

Plutôt qu’une adoption et des impacts uniformes de la technologie, il est alors fondamental de se rendre compte de l’importance du contexte et de la diversité de l’adoption de la technologie et de ses impacts associés (Schewe and Stuart 2015). Sur l’utilisation des robots par exemple, (Lowenberg-DeBoer et al. 2019) proposent de réfléchir à déterminer la taille optimale du robot pour un type d’exploitation et un ensemble de tâches donnés, considérant par là-même que chaque exploitation est différente. (Vik et al. 2019). Étant donné la complexité et la nature multidimensionnelle des processus d’adoption, il n’est pas surprenant que les études sur l’adoption des technologies d’agriculture de précision qui n’examinent que certains des nombreux facteurs d’interaction aient eu tendance à produire des résultats variables et souvent contradictoires (Pathak, Brown, and Best 2019). Ces derniers auteurs en appellent d’ailleurs à une nouvelle revue de la littérature pour synthétiser l’ensemble de la littérature publiée sur le processus d’adoption des technologies d’agriculture de précision dans un cadre théorique de diffusion de l’innovation (Pathak, Brown, and Best 2019).

Il est nécessaire d’accorder plus d’attention à d’autres facteurs d’adoption et à la nature changeante des relations dans l’industrie agricole suite à l’utilisation des technologies numériques agricoles afin de comprendre la portée plus large des tendances d’adoption (Duncan 2018). L’adoption d’outils numériques représente souvent plus qu’un processus « plug and play » pour les agriculteurs. L’utilisation réussie de ces nouveaux outils dépend de nombreux aspects comme l’adéquation de la technologie à l’usage, de l’adaptation de l’outil à la ferme, de l’apprentissage de la prise de décision basée sur les données et de l’apprentissage social au sein du réseau de pratiques de l’agriculteur (Callum R. Eastwood and Renwick 2020). L’adoption d’une technologie est un processus qui se déroule dans le temps. Les facteurs qui expliquent une étape de ce processus peuvent ne pas expliquer toutes les étapes du processus. Les technologies numériques sont vécues et utilisées différemment non seulement par différents acteurs, mais aussi par le même acteur à différents moments (Lioutas et al. 2019).

Le rôle des agriculteurs qui utilisent les technologies numériques ne doit pas être sous-estimé ou ignoré. Dans l’état d’esprit actuel encore très techno-centré, l’accent est mis sur la création de technologies, plutôt que sur le développement d’un système impliquant l’apprentissage et le développement des connaissances parmi les utilisateurs (C R Eastwood, Chapman, and Paine 2009). Le développement de technologies numériques pertinentes repose sur la reconnaissance des agriculteurs en tant que co-développeurs des connaissances en matière d’outils numériques, et sur le fait qu’une adoption réussie des outils numériques nécessite une approche systémique plutôt qu’une focalisation sur les outils technologiques en eux-mêmes. Les agriculteurs doivent être reconnus comme des expérimentateurs et des innovateurs, et le statut de « paysan chercheur » préconisé par plusieurs acteurs, pourrait s’avérer particulièrement pertinent ici.

Ne pas adopter une technologie n’est pas nécessairement le signe d’une résistance au changement, ou d’un processus d’adoption plus lent que suivraient les agriculteurs retardataires. Il peut s’agir, pour les agriculteurs, d’un choix cohérent qui correspond à leurs pratiques et objectifs, vers une trajectoire technologique différente. L’adoption et l’utilisation d’une technologie peuvent également ne pas être le résultat d’un comportement individuel pionnier, mais le résultat d’un modèle de production en interaction avec un système socio-économique qui encourage, voire impose, ces technologies (E. Schnebelin 2021).

Pour qui sont réellement les outils numériques en agriculture ?

Si la rhétorique autour des technologies numériques met l’accent sur les outils en eux-mêmes plutôt que sur la gestion de l’exploitation, sur le nouveau plutôt que sur l’ancien, sur le rendement plutôt que sur la stabilité de l’exploitation, sur l’innovation plutôt que sur l’adoption, sur les utilisations prévues plutôt que sur les contextes réels, et sur l’évolution des agriculteurs en technologues agricoles, alors à qui s’adresse l’agro-technologie (Duncan et al. 2021) ? Dans leur analyse du discours, ces auteurs mettent en avant que ce sont les experts de l’industrie et les fournisseurs d’outils qui définissent l’utilisation appropriée de la technologie, et non les agriculteurs. Si l’écosystème Agtech se réinvente pour attirer des investissements vers de nouvelles technologies qui promettent des avancées révolutionnaires dans l’agriculture, tout en négligeant la façon dont les agriculteurs sont intégrés dans des structures économiques qui limitent déjà leurs choix, (Duncan et al. 2021) en appellent à réfléchir à la façon dont les outils numériques s’alignent sur les intérêts financiers et technologiques des entreprises. Emily Duncan et ses co-auteurs suggèrent qu’en positionnant les agriculteurs comme des personnes utilisant les outils numériques de manière inappropriée ou inattendue, le contexte de l’utilisation de l’agriculture de précision ne correspond pas réellement aux besoins des agriculteurs. L’opprobre est effectivement généralement rejetée sur l’agriculteur (Bryant and Higgins 2021). Le manque d’adoption des outils numériques étant expliqué par un manque de volonté des producteurs de changer leurs attitudes, leurs comportements et leurs pratiques. On y retrouve au final assez peu de remise en question des technologues et des fournisseurs d’outils numériques. En n’acceptant pas que les outils développés puissent ne pas être utiles aux agriculteurs, on ne peut que repenser à une des assertions du travail d’Emily Duncan et de son équipe : A qui s’adressent vraiment les technologies numériques en agriculture ?

La question de savoir qui adopte est également ouverte. Si les outils numériques étaient destinés aux agriculteurs, les taux limités d’adoption par les agriculteurs devraient être au premier plan des préoccupations. Pourtant, ce n’est visiblement pas ce que (Duncan et al. 2021) ont pu observer dans leurs analyses. Les consultants, négociants, fournisseurs et autres conseillers pourraient être la catégorie d’adoptants la plus appropriée. Cette affirmation selon laquelle ceux qui sont impliqués dans le travail autour de l’agriculteur pourraient être les adopteurs les plus appropriés des technologies de l’agriculture de précision suggère que les agriculteurs individuels se méfient du risque d’investissement dans une technologie à forte intensité de capital sans un retour sur investissement clair. En positionnant les taux d’adoption limités comme un challenge à surmonter en se tournant vers d’autres types d’utilisateurs, ou en impliquant directement les agriculteurs comme ne comprenant pas les avantages de ces technologies, les auteurs se demandent si ces outils ne seraient pas plutôt un gros avantage pour les fournisseurs et les diverses parties prenantes qui en font la promotion (Duncan et al. 2021). Ceci est renforcé par le positionnement du défi de l’utilisation de l’agriculture de précision comme une question technique de normalisation des données et de l’équipement à régler par les fabricants, plutôt que comme une question législative ou de gouvernance permettant aux agriculteurs de faire fonctionner leurs technologies pour eux (Duncan et al. 2021).

De manière assez surprenante, l’écosystème Agtech est composé d’une foule de jeunes entreprises ayant peu de liens préalables avec le monde agricole (Duncan et al. 2021). Et même en interne, dans la composition des employés, on peut être surpris de la faible composante d’agronomes en poste. L’écosystème Agtech facilite l’entrée des entreprises technologiques dans le domaine agricole. Plusieurs auteurs tendent à voir les technologies de l’écosystème Agtech comme des technologies expérimentales pour les industries de la technologie et de la finance. Les terres agricoles seraient en effet considérées comme un modèle en raison de leur hétérogénéité, de leur variabilité et de leur capacité à générer de véritables données volumineuses, et pourraient ainsi être vues comme un beau terrain de jeu pour continuer à développer la recherche sur les outils d’intelligence artificielle (Duncan et al. 2021). Bien que cette vision des choses soit intéressante à réfléchir, j’aurais plutôt tendance à penser que nombreuses entreprises de l’écosystème Agtech croient vraiment aider les filières agricoles en développant ces technologies. Néanmoins, je pense que ces acteurs, souvent issu d’un cursus ingénieur et ayant suivi un parcours scolaire assez long, ont un réel besoin de justifier leur éducation et leurs compétences, chose qu’ils semblent trouver en participant à créer les innovations et à construire quelque chose de nouveau pour le secteur agricole. Pour ces entreprises, l’orientation donnée à leurs technologies vers le secteur de l’agriculture répondrait également à un besoin plus profond de recherche et de quête de sens dans leur travail au quotidien.

L’Agtech : Un écosytème très large et foisonnant

L’écosystème des outils numériques en agriculture est extrêmement foisonnant. Force et faiblesse à la fois, ce large écosystème donne à voir une très grande variabilité d’outils et services mais rend son appréhension particulièrement compliquée. Comment se retrouver dans ce dédale d’outils ? Comment choisir un outil ou service quand plus d’une dizaine d’acteurs proposent des solutions très similaires ? En tant que conseiller ou technicien, comment synthétiser et vulgariser un écosystème aussi large pour des agriculteurs qui pourraient être en demande ? Selon moi, cette complexité est très largement responsable du manque d’intérêt que peuvent avoir les outils numériques pour les professionnels agricoles. A la mi-2020, j’avais essayé d’aggréger et de synthétiser la connaissance au travers d’infographies très visuelles. Je montrais alors un panorama simplifié, très visuel, mais me rendais compte assez vite que les infographies n’étaient pas très informatives sur le fond. Il n’y avait pas de lien entre les outils, très peu d’explication sur les outils en tant quel tels, excepté peut être une classification très macroscopique du secteur de l’Agtech. Après qu’une deuxième tentative – cherchant à rendre ces infographies interactives sous format d’arborescence – s’était révélée également infructueuse pour partager la connaissance de l’écosystème Agtech, nous nous sommes alors orientés vers un annuaire en ligne, sous la forme d’un site e-commerce (nous ne vendons pas les outils et ne faisons pas d’affiliation), qui permettrait de donner l’architecture et l’infrastructure suffisantes pour encapsuler et embarquer l’ensemble des outils et services numériques du domaine. La plateforme des outils numériques en agriculture que nous avons lancée à la mi-2021 :

a été développée avec une technologie open-source,
est libre et gratuite d’accès,
collaborative et participative,
et pérenne dans le temps.

Chaque utilisateur de la plateforme peut ainsi avoir accès, au travers d’un jeu de filtres métiers et technologiques, à une large référence d’outils et services numériques. En se connectant sur la plateforme, les utilisateurs se voient alors rentrer dans une communauté, pouvant tour à tour donner leur avis et commentaires sur les outils présentés, ajouter un outil numérique dans la base de données, ou proposer des modifications sur des outils déjà référencés.

Vers une meilleure évaluation des outils numériques

Aujourd’hui, la science doit prouver que la numérisation a bien des effets positifs sur la société. La contribution de la numérisation à la lutte contre l’insécurité alimentaire reste un espoir plutôt qu’un acquis. En outre, l’hypothèse selon laquelle le problème alimentaire peut être résolu en augmentant simplement la production alimentaire est plutôt légère pour suggérer que les investissements réalisés dans les technologies numériques auront les résultats escomptés (Lioutas, Charatsari, and De Rosa 2021). Le manque de données pertinentes ne permet pas aux décideurs d’évaluer l’ampleur des différents impacts négatifs attendus de la numérisation. Il existe donc de nombreux espaces vides concernant les effets collatéraux que peut avoir la pénétration des technologies numériques dans les systèmes agroalimentaires.

Le modèle de l’écosystème Agtech reste encore trop orienté sur une présomption d’innovation et de croissance du marché, sans articulation de la manière dont cela se produira. (Duncan et al. 2021) (van der Burg, Bogaardt, and Wolfert 2019). Aujourd’hui, un nombre croissant de travaux universitaires confirme le potentiel positif des outils numériques pour l’agriculture. Néanmoins, la recherche technologique se concentre traditionnellement sur les aspects techniques de la mise en œuvre de la technologie, sans tenir compte de ses externalités sociales potentielles (Lioutas, Charatsari, and De Rosa 2021). La numérisation n’est pourtant pas isolée des autres changements sociétaux, politiques et comportementaux autour de l’agriculture. Plus spécifiquement, la numérisation agricole, en transformant les acteurs et les secteurs, affecte et est affectée par ces changements. Cette intercorrélation opacifie notre capacité à prévoir les trajectoires futures des outils numériques appliqués à l’agriculture. Il est donc nécessaire de disposer de méthodes robustes pour évaluer les bénéfices à long terme des technologies numériques pour les systèmes agroalimentaires dans des conditions de complexité (Lioutas, Charatsari, and De Rosa 2021). Nous manquons encore cruellement de mesures claires de réussite. (Whitfield, Challinor, and Rees 2018) explicitent cette complexité ainsi : « une augmentation du rendement qui contribue peu à l’atténuation des gaz à effet de serre, ou une réduction globale des émissions qui réduit l’efficacité de l’utilisation de l’eau peuvent-elles être considérées comme intelligentes sur le plan climatique ? ». Une question cruciale est de savoir si ces outils numériques peuvent réellement conduire l’agriculture vers un avenir durable. Malgré la quantité considérable de littérature traitant de cette question, notre compréhension actuelle de la manière d’utiliser les outils numériques pour assurer la durabilité de la production agroalimentaire est encore à un stade embryonnaire (Lioutas et al. 2019).

Sur les technologies numériques de manière générale, (Vinuesa et al. 2020) discutent le fait que bien que de nombreuses études suggèrent que l’intelligence artificielle peut potentiellement servir de catalyseur pour de nombreux objectifs et indicateurs de développement durables, une fraction importante de ces études a été menée dans des environnements de laboratoire contrôlés, sur la base d’ensembles de données limités ou en utilisant des prototypes. L’extrapolation des résultats expérimentaux aux impacts à l’échelle de la société est assez précaire, car des différences considérables peuvent exister entre les contextes expérimentaux et réels. (Lioutas, Charatsari, and De Rosa 2021). James Lowenberg-DeBoer donne un exemple similaire sur la robotique agricole. Avec l’équipement autonome, la motivation pour les gros équipements est beaucoup plus faible et la taille optimale des exploitations est probablement affectée. Diverses méthodologies de recherche ont été utilisées pour étudier les économies d’échelle et la taille optimale des exploitations agricoles, mais étant donné le manque d’expérience réelle sur les exploitations agricoles avec l’équipement autonome, les premières études sont susceptibles d’utiliser des modèles de programmation mathématique pour l’ensemble de l’exploitation (Lowenberg-DeBoer et al. 2019).

(Vinuesa et al. 2020) rajoutent que bien que l’intelligence artificielle leur semble plutôt du côté d’un catalyseur que d’un inhibiteur des objectifs de développement durable, il y a au moins deux aspects importants à prendre en compte. Premièrement, on peut s’attendre à ce que l’intérêt personnel pousse la communauté des chercheurs et l’industrie de l’intelligence artificielle à publier des résultats positifs. Deuxièmement, la découverte des aspects préjudiciables de l’intelligence artificielle peut nécessiter des études à plus long terme et, pour l’instant, nous n’avons pas encore beaucoup de méthodologies d’évaluation établies disponibles pour le faire. Même si les solutions sont optimales d’un point de vue mathématique (compte tenu d’une certaine gamme de paramètres sélectionnés), des recherches supplémentaires seraient nécessaires pour évaluer l’impact à long terme de ces algorithmes sur l’équité et la justice, précisément en raison des facteurs inconnus qui peuvent entrer en jeu (Vinuesa et al. 2020).

La numérisation pourrait également remettre en question la façon dont nous analysons la littérature et entreprenons des expériences. Le volume de connaissances produites est désormais impossible à suivre pour les scientifiques d’un domaine, ce qui conduit à une concentration disciplinaire plus étroite, qui risque à son tour de passer à côté de solutions potentielles en dehors d’une discipline. La technologie numérique se développe plus rapidement que la validation scientifique, ce qui compromet la capacité de la science à conseiller l’industrie sur la validité ou l’utilité de ces technologies dans la chaîne de valeur (Shepherd et al. 2018).

Plusieurs auteurs insistent sur la nécessité d’études plus conséquentes sur de la rentabilité des outils numériques – notamment pour les petites et moyennes exploitations – pour aider les agriculteurs à comprendre le véritable retour sur investissement des technologies d’AP (Duncan 2018) (Vasconez, Kantor, and Auat Cheein 2019). Ce type d’analyse peut aider les agriculteurs à décider quand investir dans une technologie numérique, avec la possibilité notamment d’investir maintenant ou d’attendre quelques années (Rojo-Gimeno et al. 2019). Ces analyses sont d’autant plus importantes que le sujet est complexe et multi-factoriel. Dans le domaine de la robotique agricole par exemple, l’étude économique peut être critique car certaines activités ne peuvent être réalisées qu’à certaines saisons, et l’équipement robotique ne doit ainsi pas être inoccupé le reste du temps, au risque de ne plus être rentable sur le temps long. Et de rajouter à cela un contexte général d’utilisation et une législation mouvante à prendre en compte pour envisager la rentabilité de façon globale. Certains pays de l’Union européenne exigent par exemple qu’un opérateur humain soit physiquement présent dans le champ où travaille un robot de récolte. Une telle réglementation réduirait considérablement l’avantage économique de la robotique agricole (Lowenberg-DeBoer et al. 2019). Certaines réglementations de sécurité alimentaire en Europe exigent la présence d’une personne lors de la traite, ce qui n’est pas possible avec le cycle de 24 heures des robots de traite (Callum R. Eastwood and Renwick 2020)

Le numérique et nos relations avec le vivant

Culture et Nature : un risque d’anthropomorphisme

La célèbre efficacité de l’agriculture industrielle moderne dépend des coûts ignorés et externalisés pour l’environnement et la société. Dans cette logique, la nature joue le double rôle de source et de décharge. D’une part, elle est considérée comme un fournisseur illimité de matériaux et de processus nécessaires à la production agricole (par exemple, la fertilité des sols, l’eau, la pollinisation). D’autre part, elle est considérée comme un dépotoir où l’on peut se débarrasser des externalités qui se produisent au cours de la production (par exemple, l’épuisement des sols, la contamination, la perte de biodiversité, les gaz à effet de serre) et des ressources naturelles qui, bien qu’importantes, ne sont pas compatibles avec la maximisation du profit à court terme. Cette tendance à la crise découle de la dépendance du capitalisme aux quatre « pas chers » – travail, nourriture, énergie, matières premières – pour maintenir chaque cycle d’accumulation (Ravis et Notkin, 2020). Les prix des intrants sont maintenus artificiellement bas en trouvant des espaces jusqu’alors non marchandisés, appropriant le travail non rémunéré au service de la production de marchandises. La plupart du travail doit être non rémunéré pour que le profit soit possible – un travail qui a été historiquement effectué par une nature non rémunérée et externalisée. Cependant, la croissance économique entraîne une augmentation de la demande pour ces « pas chers », risquant alors de faire grimper les prix pour finalement menacer les profits. Il en résulte une recherche perpétuelle de nouvelles frontières d’appropriation. Le capitalisme historique a été capable de résoudre ses crises récurrentes parce que les agences territorialistes et capitalistes ont été capables d’étendre la zone d’appropriation plus rapidement que la zone d’exploitation. En d’autres termes, de nouvelles frontières de la nature ont été trouvées ou créées assez rapidement pour que les valeurs des intrants restent suffisamment basses pour maintenir des taux d’exploitation du travail, et donc des profits, relativement stables dans le temps. Le danger pour le capital est l’épuisement final de toutes ces frontières (Ravis et Notkin, 2020).

Les coûts externalisés de l’agriculture industrielle sont profondément contradictoires dans la mesure où ils masquent la détérioration des fondements biophysiques mêmes de l’agriculture. Pour simplifier, standardiser et mécaniser l’agriculture, et augmenter la productivité par travailleur, par plante et par animal, il faut passer outre une série d’obstacles biophysiques. L’agriculture moderne a d’ailleurs été accusée de concevoir les plantes et les animaux uniquement comme des intrants dans un processus industriel (Sparrow and Howard 2020). Les gains d’efficacité dépendent donc de nombreuses solutions non comptabilisées, non renouvelables et activement destructrices, la biomasse fossilisée jouant un rôle indispensable dans ce processus (Ravis et Notkin, 2020). La nature est vue ici simplement sous un rôle utilitaire, seulement pour ce qu’elle nous apporte et pas pour ce qu’elle est en tant que telle. Cette perspective repose sur un dualisme cartésien qui considère la nature et la société comme des entités indépendantes, ignorant le fait que la nature et la société sont profondément imbriquées et historiquement coproduites. La société n’agit pas seulement sur la nature, elle se développe à travers le réseau de la vie. La nature est perçue comme quelque chose qui doit être contrôlé et dominé pour satisfaire les besoins humains. Ainsi, les interactions entre la nature et les sociétés reposent sur un raisonnement qui justifie et normalise l’appropriation, l’exploitation et, finalement, la destruction de la nature. (Gras and Cáceres 2020)

Les technologies sont essentielles pour rendre la nature accessible et utilisable par le capital, puisqu’elles incarnent la capacité de la science à la rendre lisible, connaissable et mesurable pour le capital. Au cœur de cette dialectique se trouve le rôle médiateur des innovations technologiques dans les agricultures capitalistes : le développement de procédures, de mécanismes, de dispositifs et de schémas organisationnels pour réaliser des bonds de rendement et pour élargir la portée du capital sur la nature sous-capitalisée et non capitalisée. C’est précisément dans ces territoires sous-capitalisés et non capitalisés que le rapport entre l’investissement en capital et les gains économiques est le plus élevé.

Prendre en compte le coût énergétique des outils Agtech

Dans la mesure où les technologies numériques sont souvent présentées par les acteurs de l’Agtech comme une des solutions techniques pour répondre aux défis alimentaires posés à l’agriculture tout en limitant les pressions environnementales (revoir la première partie sur l’analyse des discours de l’Agtech), nous ne pouvons pas passer outre l’évaluation environnementale des outils numériques en eux-mêmes. S’intéresse-t-on réellement assez à l’impact que le numérique impose à l’environnement ? Le jeu en vaut-il la chandelle ou plutôt les gains apportés par le numérique sont-ils significatifs – et positifs – par rapport à ce que le numérique coûte à l’environnement ? Pour ne pas devenir complètement schizophrène et ne pas amplifier un problème que le numérique serait censé régler, il est fondamental de s’attaquer de plein pied à ce sujet. Le numérique est loin d’être neutre énergétiquement, et tous les discours autour du cloud et de l’immatérialité du numérique participent à éloigner la conscience collective de l’impact environnemental du numérique. Il s’agit d’un sentiment commun, que les bits de données – ces 0 et ces 1 – sont en quelque sorte détachés des contraintes matérielles qui compliquent le reste du monde. Mais les technologies numériques, le big data, et l’intelligence artificielle ne représentent pas le renversement de la matière. Si seulement c’était vrai, nous pourrions substituer le cloud computing à la pétrochimie et à l’érosion des sols (Carolan, 2017). Les outils et services numériques déployés au sein de l’Agtech ne sortent pas de nulle part. Capteurs, Objets connectés, data centers, réseaux, antennes, agro-équipement de pointe, toutes ces technologies ont besoin de ressources et d’énergie pour fonctionner (Clapp and Ruder 2020). Et c’est sans compter sur l’augmentation mondiale de la consommation électrique qui est attendue si une utilisation massive des solutions numériques est amenée à voir le jour (Vinuesa et al. 2020). Cette augmentation de la consommation énergétique ne serait bien évidemment pas exclusive au domaine agricole, mais l’agriculture aurait, elle aussi, un impact non négligeable. Les lecteurs intéressés pourront aller regarder un précédent article de blog où j’aborde ce sujet de façon bien plus détaillée.

Culture et Société – Notre relation à l’agriculture et à la terre

Les technologies numériques, et peut-être plus particulièrement les robots, sont susceptibles d’avoir des répercussions sur la façon dont les gens pensent au monde naturel, à la nourriture et à l’agriculture. La recherche a commencé à étudier comment les consommateurs se sentent face à des aliments produits et consommés de manière radicalement différente, indiquant que les points de vue sur la production alimentaire pourraient être très différents, tout comme les attitudes concernant le choix et la consommation d’aliments ou encore la façon dont le format des exploitations agricoles pourrait évoluer (Klerkx and Rose 2020). De nombreuses sociétés valorisent l’idée d’un lien avec la terre. Si l’agriculture devient un jour essentiellement une question de déploiement et de supervision de robots, ces récits culturels pourraient être impossibles à maintenir (Sparrow and Howard 2020).

La grande majorité des consommateurs est déjà très éloignée des fermes et des processus de production des aliments qu’ils consomment, et la plupart d’entre eux sont notoirement ignorants de ce qui est nécessaire pour les mettre sur leur table. Un vague sentiment culturel selon lequel les aliments sont produits par des robots pourrait éloigner encore davantage les consommateurs des réalités de la production alimentaire et faciliter des modes de consommation, tels que la consommation excessive de viande rouge, dont il est désormais largement reconnu qu’ils sont destructeurs pour l’environnement (Sparrow and Howard 2020). En raison de la standardisation des produits alimentaires nécessaire pour faciliter les premières applications des robots (voir la partie sur la rationalité algorithmique), on pourrait aussi craindre que les consommateurs en viennent à s’attendre encore plus fortement à ce que tous les aliments soient parfaits, ce qui entraînerait une augmentation du gaspillage alimentaire puisque moins d’articles seraient jugés propres à la vente. (Sparrow and Howard 2020). Néanmoins, le public pourrait devenir mécontent de la façon dont les aliments sont produits, car d’autres implications sociales potentielles, y compris les préoccupations concernant les impacts perçus sur le bien-être animal ou l’utilisation de technologies numériques, pourraient entraîner un examen public (Rose et al. 2021).

(Lioutas and Charatsari 2020) ont travaillé plus spécifiquement sur l’exemple des circuits courts. Pour les consommateurs en circuit-courts, les agriculteurs qui distribuent leurs produits ont l’image de personnes qui travaillent dur, qui font preuve de respect envers la nature et qui ont pour priorité absolue la production d’aliments de haute qualité. La plupart des consommateurs ayant participé à l’étude des auteurs tendent à penser que l’introduction de technologies numériques dans les pratiques agricoles pourrait changer cette image de manière irréversible, même si la base conceptuelle d’une telle croyance reste plutôt floue selon les auteurs (Lioutas and Charatsari 2020). Les circuits-courts sont fondés sur une façon ancienne de produire des aliments, qui a une valeur héritée puisqu’elle relie les producteurs d’aliments, les aliments et les consommateurs. Les produits alimentaires sont considérés comme le résultat de l’interaction sans faille entre les agriculteurs et les exploitations agricoles et sont perçus par les consommateurs comme plus purs (même les produits agricoles issus de pratiques conventionnelles) que les produits vendus par les canaux de distribution traditionnels. L’utilisation de technologies plus sophistiquées dans la production alimentaire est considérée comme une menace pour cette pureté. Bien que les acheteurs semblent reconnaître la nécessité d’utiliser la technologie dans les pratiques agricoles, les technologies numériques sont perçues comme des invasions exogènes qui peuvent perturber l’harmonie des relations agriculteur-alimentation-consommateur (Lioutas and Charatsari 2020). Et cette vision-là serait d’ailleurs partagée par une partie des agriculteurs de leur étude. Il est intéressant de noter que tant les consommateurs que les producteurs considèrent les technologies numériques agricoles comme une menace pour le caractère non conventionnel des circuits courts. Les systèmes d’approvisionnement courts sont conçus comme une alternative à ce que certains consommateurs appellent l’agriculture industrialisée, ou comme des îlots relativement isolés au sein des systèmes agroalimentaires plus larges. Puisque les technologies numériques sont considérées comme appartenant à cet univers industrialisé, les agriculteurs et les consommateurs semblent craindre que leur introduction dans les chaines de circuits-courts puisse transgresser ce caractère non conventionnel. (Lioutas and Charatsari 2020) rappellent néanmoins que le fait que les consommateurs et les agriculteurs considèrent les technologies numériques comme incompatibles avec les circuits courts ne signifie pas que ces technologies n’ont rien à offrir aux réseaux alimentaires alternatifs. Cependant, leur adaptation aux caractéristiques de l’agriculture hautement intensive rend discutable leur contribution aux systèmes alternatifs de production et de distribution alimentaire.

Bien-être et éthique animale

Depuis 2015, l’animal est désormais reconnu comme un « être vivant doué de sensibilité » dans le Code civil. Cette nouvelle réglementation a permis de redonner ses lettres de noblesses à des valeurs comme le bien-être animal ou l’éthique animale, et force est de constater que les technologies numériques qui s’intéressent à la production animale y font souvent référence. Néanmoins, lorsque le bien-être animal, plutôt que les droits des animaux, est considéré comme la question centrale de l’élevage, la production animale (intensive) est généralement considérée comme une forme acceptable, voire souhaitable, d’utilisation des animaux.

Même dans les conditions standardisées des laboratoires, la notion de bien-être animal s’est avérée être multiple, pas facilement définie au niveau des espèces, mais dépendant des contextes, des qualités et des histoires de vie d’animaux particuliers, des environnements et des humains qui les côtoient. En dépit de tous ces choix et variations cachés, le bien-être animal tend à être utilisé comme s’il s’agissait d’une qualité (générique et objectivable) des espèces animales. Tant les agriculteurs que les animaux en tant qu’êtres actifs et idiosyncrasiques sont absents de la plupart des approches du bien-être. Les notions de bien-être animal qui correspondraient à l’expérience des agriculteurs sont facilement négligées dans le débat public et l’élaboration des politiques. Non seulement les agriculteurs mais aussi les animaux sont soumis aux mêmes limites : ces derniers ne sont pas seulement des bénéficiaires passifs du bien-être. Si l’on pense que le bien-être animal pourrait être mieux décidé par les consommateurs dans les supermarchés, on pourrait craindre qu’il ne soit défini de manière à permettre une marchandisation facile. D’un autre côté, si le bien-être animal est vu simplement comme une question de réglementation et d’application par l’État, on peut craindre que les paramètres qui peuvent être comptés et mesurés objectivement soit ceux les plus mis en avant.

Dans cet article de blog, nous nous sommes principalement intéressés à la production végétale – c’est tout du moins là qu’ont été tirés la majorité des exemples proposés. Néanmoins, il est intéressant de noter que, dans le cadre des technologies numériques en agriculture, de nombreux parallèles peuvent être dressés entre les exemples tirés de la production végétale, et ceux appliqués à la production animale. Citons par exemple de manière non exhaustive :

le peu d’applications des outils numériques pour les systèmes d’élevage extensifs (voir la partie sur la « fracture de précision »)
le risque de de traiter les animaux vivants uniquement comme des pièces d’une machine plus grande, ou dit, autrement, le risque d’une tamagoshisation des animaux (voir la partie sur la « rationalité algorithmique »)
le risque de diminution du rôle de soigneur et l’isolement de l’agriculteur si les soigneurs et conseillers se rendent moins souvent sur l’exploitation (voir la partie sur « le conseiller et ses relations avec l’agriculteur »)
le risque d’une moindre interaction entre l’éleveur et animaux (voir la partie sur « le changement du métier d’agriculteur ») et d’un changement de connaissances de l’agriculteur (voir la partie sur « des connaissances mises en avant plutôt que d’autres »)
le risque de réduire le bien-être animal aux observations facilement disponibles et le besoin de savoir ce que l’on mesure et ce que l’on ne mesure pas (voir la partie sur « la fracture d’exactitude»)
le fait de savoir si les outils numériques sont réellement utilisés pour les animaux ou pas (voir la partie sur « pour qui sont réellement les outils numériques »)
le fait d’utiliser les technologies numériques pour redonner son identité propre à un individu dans un grand groupe ou, au contraire, de cibler un divergent [gestion du troupeau par exception] (voir la partie sur « agro-écologie et numérique »)
le fait d’utiliser des outils numériques dans ou sur l’animal, et sur le risque associé de blessures physiques (bon là, le parallèle est plus dur à dresser pour l’instant, sauf à accorder des statuts particuliers aux plantes dans les années à venir, qui sait !)

Pour les lecteurs intéressés, cette courte section s’intéresse principalement au bien-être animal, et donne à voir des extraits du très bel article de (Driessen and Heutinck 2014) sur le cas des robots de traite.

Dans leurs travaux, l’utilisation du robot de traite a révélé que les vaches ne souhaitaient pas se traire elles-mêmes (Driessen and Heutinck 2014). Offrir la possibilité aux vaches d’être traites et de soulager leurs mamelles n’aurait visiblement pas suffi à faire venir les vaches dans le délai optimal. Pour les auteurs, ce constat est vu comme un signe que la promesse d’autonomie des vaches à la suite de l’introduction d’un robot de traite n’était pas tenue. Une sorte de récompense alimentaire ou d’acheminement forcé semblait nécessaire afin d’éviter la nécessité d’aller chercher les vaches de manière récurrente. Plusieurs auteurs ont souligné la nature paradoxale du discours autour des robots de traite, entre d’un côté le fait que le système générait plus de liberté pour les vaches et offrait une manière plus naturelle de traire, et de l’autre les efforts nécessaires à mettre en place pour faire entrer la vache dans le robot et les actions à entreprendre pour les vaches qui refusent d’exécuter le comportement requis. Notons au passage qu’il serait excessivement ironique que le dispositif censé libérer les vaches les enferme en fait dans une étable. La liberté nouvellement acquise par les vaches aurait en réalité pour prix le fait d’être disciplinées.

Les auteurs ont insisté sur le fait que les vaches (collectivement) n’étaient pas simplement des utilisateurs finaux passifs dans le développement du système de traite automatisé. Être soulagées de leur charge de lait n’était effectivement pas une motivation suffisante pour rendre visite au robot. A côté de ça, les auteurs insistent sur le fait que les développeurs de robots ont dû s’adapter au comportement des vaches. Pour les auteurs, ces éléments indiquent l’implication active des animaux dans le processus de conception technologique, et la grosse erreur d’exclure la possibilité d’une forme agentielle et significative de subjectivité bovine domestiquée. Le robot de traite oblige les vaches à désapprendre une partie de leur mentalité de troupeau. Au lieu d’être entièrement individualisées par le robot, il s’est avéré qu’une fois que les vaches avaient appris à se traire elles-mêmes et qu’elles s’étaient habituées au système, elles se déplaçaient du pâturage au robot en groupes réguliers de quelques vaches. Le nouveau caractère de la vache, qui n’associe plus l’agriculteur au fait d’être conduit dans l’aire de traite, donne également lieu à des relations homme-animal différentes. Avec un robot, la relation entre l’éleveur et la vache passe de la prise en charge des animaux à la possibilité pour les animaux de prendre soin d’eux-mêmes. Ainsi, ce qu’est une vache, et la meilleure façon d’entrer en relation avec elle, est le résultat de processus continus de changements socio-techniques. Et si, en particulier dans le cas de la vache laitière moderne à haut rendement, il est difficile de dire où s’arrête la technologie et où commence l’animal, cela n’exclut pas une véritable position éthique à leur égard. L’évaluation des robots de traite ne peut être comprise que comme faisant partie d’un changement plus large des pratiques et en termes d’un processus complexe de co-évolution entre les changements partiellement matériels des systèmes technologiques et les pratiques comportementales des agriculteurs et des vaches dans un monde moral où les normes éthiques et les significations des concepts normatifs changent. Les termes dans lesquels évaluer la pratique émergente semblent avoir changé avec le nouveau dispositif : de nouveaux rôles sont configurés, de nouvelles expériences sont générées, et les relations homme-animal changent de caractère. Et peut-être même la nature des animaux – et des humains – impliqués est-elle modifiée dans le processus. (Driessen and Heutinck 2014)

Dans les débats sur le bien-être des animaux, on ne peut répondre à la question « mais que veulent vraiment les vaches » qu’en interagissant avec elles. Une vache dans une stalle entravée peut très bien vouloir des choses différentes de celles d’une vache en stabulation libre, car elles sont amenées à vivre un style de vie différent, avec des relations très différentes avec leur troupeau et avec les humains. On pourrait néanmoins s’inquiéter du fait qu’un animal s’habitue à un mauvais comportement et que l’on croit qu’il se sente bien. À son tour, un robot incarne une conception différente de la bonne vie (ou peut-être simplement une vie acceptable, ou au moins une vie de souffrance réduite) pour les vaches laitières. Alors que la liberté individuelle n’a jamais été une préoccupation majeure concernant le bien-être des animaux de troupeau, elle est devenue prédominante dans les discussions concernant les fermes robotisées. Ainsi, la coévolution de l’éthique et de la technologie n’est pas simplement une question de rhétorique marketing accompagnant un nouveau dispositif, mais fait partie d’un processus sincère de réinterprétation et de réorganisation des pratiques à la lumière des normes et des comportements émergents.

Alors, cette forme d’automatisation fait-elle partie du processus continu d’augmentation de l’échelle et de réduction du rôle de l’homme dans l’agriculture, pour finalement faire disparaître les agriculteurs ? Ou, au contraire, aide-t-elle les agriculteurs à améliorer leurs conditions de travail et leurs styles de vie ? Une fois encore, (Driessen and Heutinck 2014) nous invitent à prendre un peu plus de recul et à considérer ces positions dichotomiques trop simples pour évaluer subtilement les implications qui en découlent. Le fait d’être un producteur laitier n’est pas toujours conçu en termes de relations de pouvoir totalement asymétriques dans lesquelles seuls les humains sont aux commandes. Au contraire, chaque arrangement matériel des relations entre l’homme et l’animal s’accompagne de différentes expériences de liberté et de contrôle, tant pour le fermier que pour la vache. Bien que l’embauche d’un employé pour la traite tende à être moins chère qu’un robot, un bon employé est difficile à trouver et nécessiterait des compétences de gestion très différentes. Chose que tous les agriculteurs ne sont pas en mesure d’acquérir. Le robot pourrait également être un moyen de poursuivre l’activité agricole après un certain âge à partir duquel le travail manuel devient plus pénible, et en l’absence d’un successeur (nous avons déjà évoqué ce point plus haut dans cet article de blog). Le robot crée un nouveau rôle au sein de la famille pour les agriculteurs et une nouvelle répartition des tâches domestiques. L’agriculteur équipé d’un robot peut également utiliser le temps gagné pour trouver un emploi à temps partiel, pour occuper des postes de direction dans les organisations coopératives qui sont encore nombreuses dans l’élevage laitier, ou pour travailler dans l’enseignement ou la politique locale.

Nous pouvons décider collectivement et universellement du type de production animale qui serait acceptable et qui causerait le moins de souffrance, sur la base d’expériences antérieures du comportement des vaches, sur ce que nous pensons être le sens commun des manières appropriées de loger les vaches, ou encore sur la base d’études scientifiques dans une variété de disciplines allant de la physiologie à l’éthologie. Mais en rester là pourrait réduire notre attention aux formes de souffrance qui subsisteraient et aux moyens potentiels d’améliorer les systèmes. (Driessen and Heutinck 2014) en appellent à « demander à la vache », ce qui peut être compris comme une combinaison de mesures de paramètres de science animale, tels que la santé, le rythme cardiaque, les hormones de stress, la longévité et la production, mais aussi comme un processus prolongé d’interaction entre l’homme, l’animal et la technologie, tout en expérimentant la gestion et en ajustant les installations technologiques. La vache et son bien-être sont alors considérés non pas comme quelque chose de statique qu’il faut découvrir, mais comme quelque chose d’émergent avec son nouvel environnement. (Driessen and Heutinck 2014) nous invitent donc également à réfléchir sur le fait que l’évaluation de nouveaux dispositifs numériques en tant qu’objets dotés de qualités, et l’énumération des avantages et des inconvénients de l’innovation, sont des tâches dont les résultats ne sont, au mieux, que temporaires. Cela signifie qu’une variable éthique telle que le bien-être animal ne peut pas être définie uniquement au niveau de l’espèce, par exemple pour toutes les vaches, afin qu’elle puisse être entièrement déterminée par des zootechniciens mesurant les paramètres et les comportements d’un nombre significatif d’animaux représentatifs. Au contraire, le bien-être des vaches d’élevage dépendra dans une certaine mesure des caractéristiques de la race ainsi que des capacités, de l’expérience, des relations et des préférences de chaque animal – et de la capacité des éleveurs à s’y adapter.

Malgré tout, le bien-être animal reste avant tout de l’ordre du ressenti. La question primordiale est de se demander si on peut le déterminer avec des technologies numériques.

Changer de modèle et donner du sens

C’est à nous de décider des orientations du numérique

C’est à nous, collectivement, de décider ce que font les technologies. Le numérique agricole n’est ni bon ni mauvais en soi, en partie parce que, comme le rappelle Michael Carolan, ces technologies doivent être comprise comme variables, contingentes et diverses (Carolan 2020c). Le débat sur les technologies ne peut pas être binaire. La nature à double tranchant de la technologie – c’est-à-dire les tensions entre l’optimisme et les conséquences involontaires qui accompagnent généralement l’innovation technologique, favorise également les positions contradictoires. Les points de vue très divergents dans le débat sur la technologie de précision reflètent les extrémités de cette dynamique optimisme-scepticisme, les partisans se concentrant sur le potentiel des nouvelles technologies à résoudre les problèmes environnementaux immédiats, tandis que les critiques s’inquiètent du risque d’introduire de nouveaux problèmes environnementaux liés à ces technologies (Clapp and Ruder 2020). Le fait que l’accès et le contrôle des innovations technologiques puissent à la fois concentrer le pouvoir mais aussi créer de nouvelles directions pour l’agence sur ces technologies apporte un éclairage supplémentaire sur les complexités émergentes du débat (Clapp and Ruder 2020). Certains assemblages numériques présentent un potentiel émancipateur plus important que d’autres. De la même façon, les questions essentielles sur la souveraineté des données posées par les technologies numériques ne devraient pas nous pousser à rejeter complètement tous les aspects du numérique agricole, simplement parce qu’il y a un flux de données. La technologie nous accompagnera au XXIe siècle mais il existe des architectures qui permettent aux utilisateurs d’éviter l’accaparement des données (Fraser 2019). Ce constat est important car il nous donne une base pour porter des jugements sur les plateformes qui devraient être soutenues (Carolan 2020c).

Les technologies numériques – que ce soit une plateforme ou un capteur par exemple – sont souvent mis en avant par la volumétrie des données générées ou utilisées. Pour Michael Carolan, le fait que ces technologies reposent sur de grands (Big Data) ou petits (Small Data) volumes de données ne nous aide pas à comprendre si ces technologies numériques doivent être encouragées ou contestées (Carolan 2020c). Qu’est-ce que ces attributs de volumétrie nous apprennent réellement sur les assemblages de ces technologies, en particulier en termes de ce qu’ils permettent et empêchent ? Pas grand-chose (Carolan 2020c). Le terme « Small Data » commence à émerger en réponse à la fois au fait que certaines données sont relativement couteuses ou complexes à acquérir mais aussi en réponse à la consommation énergétique importante des technologies numériques. Le concept de « Smart Data » est d’ailleurs lui aussi en train d’apparaitre, même si l’on peut raisonnablement se demander ce qui se cache derrière. Plutôt que d’essayer d’organiser des projets autour de termes reconnaissables tels que « big data » et « small data », et plus largement autour du sujet du numérique agricole, Michael Carolan préfère penser et organiser ces assemblages en fonction de ce qu’ils font, ce qui en fait un projet d’ontologie politique. (Carolan 2020c). Cet auteur introduit notamment les concepts de données « fortes » et de données « faibles » qui, selon lui, sont plus à même de reléguer la politique des données au premier plan. Les données « fortes » maintiennent le statu quo, servant d’endiguement stratégique de futurs potentiellement plus radicaux en enrôlant, entre autres, les imaginaires productivistes et les visions d’un monde peuplé de consommateurs individualisés par opposition aux citoyens collaboratifs. Les données « faibles », quant à elles, représentent les assemblages de données qui encouragent la reconsidération de futurs alternatifs. Les données faibles encouragent la dissidence plutôt que de l’étouffer et s’adressent à ces assemblages numériques qui s’engagent à être inclusifs. Elles vont même plus loin en s’associant à des pratiques, à des incarnations et à des associations liées à la fabrication d’un citoyen militant (Carolan 2020c).

Poursuivre le développement des technologies numériques agricoles est un choix, un choix qui rend certains avenirs plus ou moins probables (Klerkx and Rose 2020). Les systèmes d’innovation ne sont pas neutres. Ils peuvent soutenir des voies de transition n’incluant que certaines technologies et certains systèmes alimentaires futurs, tout en en excluant d’autres (Klerkx and Rose 2020). Parler d’ontologie politique, c’est se rendre compte que les plateformes numériques créent des mondes. Et Michael Carolan considère qu’il est du devoir des spécialistes des sciences humaines sociales d’essayer de comprendre quels mondes sont associés à quelles plateformes (Carolan 2020c). Il est important de conceptualiser clairement non seulement comment ces outils sont utilisés, mais aussi par qui ils sont utilisés et ce qui détermine leur capacité à transformer l’agriculture. Et ensuite, à partir de cette compréhension, construire des futurs numériques plus émancipateurs, inclusifs et collaboratifs. (Carolan 2020c). L’équilibre final entre les risques et les avantages dépendra de la manière dont les robots et les technologies seront utilisés. Ve sont les êtres humains qui sont responsables des résultats du déploiement technologique (Sparrow and Howard 2020). Mais il convient de souligner que la réalisation ou non de ce potentiel dépendra des choix économiques et politiques (Sparrow and Howard 2020). C’est l’interaction d’une technologie avec l’écologie sociale qui détermine ses conséquences environnementales, sociales et humaines. Une fois en place, le système social qui entoure les technologies est notoirement difficile à analyser (Bronson and Knezevic 2016).

Une des premières tâches consisterait peut-être à déterminer quels sont les défis qui exigent une solution techno-centrique (Rose et al. 2021). Cela inclut aussi également une réflexion sur la question de savoir si le numérique agricole est une mission en soi, ou plutôt un soutien à d’autres missions (Klerkx and Rose 2020).

Vers une recherche et une innovation responsables

Créer et anticiper de nouveaux imaginaires

De nombreux auteurs des sciences humaines et sociales mettent en avant l’importance à la fois d’anticiper et d’évaluer les conséquences qui (devraient) frapper les agriculteurs et les autres parties prenantes du réseau et de réfléchir aux moyens de les protéger contre d’éventuels préjudices, mais aussi de réfléchir à la direction privilégiée dans laquelle le développement ultérieur des technologies numériques devrait se dérouler (van der Burg, Bogaardt, and Wolfert 2019). Il est vrai que souvent, les systèmes d’innovation agricole favorisent un ensemble particulier de technologies, mais restent relativement flous quant aux valeurs qui les sous-tendent. De même que l’on ne sait pas réellement comment les technologies contribuent à façonner certaines voies de transition vers la durabilité et à étayer les paradigmes technologiques et économiques actuels ou à favoriser des transitions profondes (Klerkx and Rose 2020).

Le concept de recherche et d’innovation responsables (RRI en anglais) revient maintenant très régulièrement dans la littérature scientifique, notion qui sous-entend que la recherche future devrait soutenir la co-évolution de la technologie et de la société de manière souhaitable. En proposant d’introduire la RRI dans les développements du numérique agricole, les objectifs sont multiples. Il s’agit déjà de faire en sorte que les technologies deviennent plus explicites sur la diversité des voies de transition qu’elles envisagent, sur ce qui peut changer la donne à leur sujet, sur les choix d’inclusion et d’exclusion qui sont faits et sur les fertilisations croisées qui peuvent exister dans des futurs de systèmes agricoles et alimentaires apparemment très différents (Klerkx and Rose 2020). Il s’agit donc également d’être très clairs sur les problèmes que ces technologies visent à résoudre (Klerkx and Rose 2020). Les technologies numériques sont appelées à devenir beaucoup plus orientées vers une « mission » dans le sens où elles chercheraient activement à stimuler les directions jugées souhaitables, et aussi à déstabiliser activement les systèmes en place qui ne sont pas considérés comme durables. Il est également nécessaire que ces technologies soient sensibles au contexte et que nous reconnaissions que les technologies ne sont pas universelles, mais évoluent avec, et sont intégrées dans, différents contextes en termes de contextes socio-économiques, culturels et politiques. Cela peut également impliquer de chercher où les technologies numériques, la rétro-innovation, ou encore les systèmes frugaux de transition se rencontrent (Klerkx and Rose 2020). Certains auteurs reprochent néanmoins à cette RRI dans le numérique agricole de ne pas toujours parvenir à produire des configurations adéquates. Elle opèrerait via une insistance déplacée sur le fait que l’innovation agricole peut reconfigurer avec succès les relations sociotechniques dans un domaine, sans poursuivre également un changement systémique ou structurel (Fraser 2021). Alistair Fraser insiste sur la nécessité de réimaginer les processus d’innovation du numérique agricole afin d’éviter les innovations mal configurées qui sont pour lui évidentes dans les développements actuels (Fraser 2021). Nous devrions également chercher à anticiper les conséquences de scénarios alternatifs, en nous demandant si, oui ou non, le fait de ne pas mettre en œuvre des technologies numériques créerait plus de perdants que de gagnants, et le cas échéant se demander comment et pourquoi (Klerkx and Rose 2020).

Les transitions responsables ont beaucoup plus de chances de se produire si nous envisageons les conséquences de manière proactive plutôt que de le faire de manière réactive (comme c’est souvent le cas actuellement) (Klerkx and Rose 2020). Ce n’est néanmoins pas une chose facile, comme le souligne le dilemme de Collingridge, dans le sens où les impacts d’une technologie ne peuvent pas être facilement prédits tant que la technologie n’est pas largement développée et utilisée, et qu’en même temps, le changement est d’autant plus difficile à opérer que la technologie est bien établie. Bien que l’utilisation éventuelle de la technologie ne soit jamais totalement prévisible et qu’il soit donc impossible de savoir à l’avance quelles questions éthiques se poseront, (Ryan et al. 2020) estiment néanmoins que les travaux sur l’éthique en intelligence artificielle et sur le Big Data ont identifié un certain nombre de questions éthiques auxquelles on peut raisonnablement s’attendre. Il est néanmoins nécessaire de rester humble dans le sens où le développement technologique crée un environnement de changement alors que tant de choses sont déjà incertaines. Les techniques de gestion du risque et de l’incertitude sont nécessaires pour aider à la prise de décision dans des environnements complexes et variables et sont des éléments essentiels du développement, de l’utilisation et de la formation en matière de technologie (Fleming et al. 2021). Des exercices de prospectives, en y intégrant des facteurs interdépendants, tels que les effets futurs du changement climatique sur la production agricole, l’épuisement des ressources naturelles, ou encore le coût social d’un remplacement potentiel des travailleurs par des machines, devrait permettre d’obtenir une image complète de l’équilibre entre les impacts positifs et négatifs des technologies numériques (Lioutas, Charatsari, and De Rosa 2021)

Toutes les transformations imaginables dues à l’innovation numérique nous obligent à anticiper certains des effets sociaux et politiques des technologies numériques. Une approche pour y parvenir serait d’amener la boussole morale en amont des entreprises du secteur, et en particulier des concepteurs de ces technologies numériques, pour interroger leurs valeurs sociales et morales qui orientent le processus de conception et d’innovation. Cette approche permettrait de pousser les innovateurs et autres acteurs politiques à ne pas se contenter de gérer les risques d’une innovation après coup, mais de prendre en compte les dimensions socio-éthiques des technologies dès les premières étapes (en amont) du processus d’innovation (Gardezi and Stock 2021).

Dans la précipitation à adopter les technologies numériques agricoles, il y a le risque d’oublier le réseau plus large d’autres innovations qui jouent un rôle important et qui peuvent aussi affecter les sociétés de différentes manières. (Carolan 2020b) s’inquiète de la mesure dans laquelle certains futurs anticipés excluent les futurs alternatifs, ce qui risque de les rendre inenvisageables (sans parler de leur faisabilité). Le concept d’innovation responsable (RRI) ne doit pas être uniquement attaché aux nouvelles technologies émergentes, ce qui permettrait de mettre en avant les questions relatives aux alternatives possibles et à l’orientation des voies d’innovation. (Rose and Chilvers 2018). Les visions alternatives de l’alimentation et de l’agriculture articulées par différents acteurs peuvent ne pas impliquer les technologies numériques agricoles dans l’avenir de l’agriculture, ou chercher à les utiliser parallèlement à d’autres concepts tels que les systèmes agroécologiques. Tant que nous n’aurons pas articulé des visions inclusives de l’avenir, il sera difficile de commencer à anticiper les impacts de la transition et la manière de les rendre plus responsables. Il est certain que la poursuite de visions déterminées par un groupe restreint de personnes (décideurs politiques ou autres acteurs puissants) a peu de chances d’être adaptée aux besoins (Klerkx and Rose 2020). L’un des points centraux de la RRI est donc d’organiser des délibérations raisonnées sur les besoins et les préoccupations technologiques entre des acteurs du système alimentaire historiquement marginalisés et des décideurs importants du gouvernement. Une ambition est que la RRI devienne une rubrique pour guider l’innovation vers des fins socialement et éthiquement acceptables (Fraser 2021).

Plusieurs auteurs suggèrent un cadre pour guider le développement technologique, avec notamment quatre dimensions principales : anticipation, inclusion, réflexivité et réactivité. (Rose and Chilvers 2018). De nombreuses occasions devraient permettre d’évaluer si des trajectoires mutuellement bénéfiques sont suivies et de réagir rapidement aux problèmes causés par une nouvelle technologie (Rose and Chilvers 2018). Et ces travaux pourraient prendre de nombreuses formes : processus de projection dans l’avenir (exercices de prospective, cartographie routière, tests de scénarios), les projets multi-acteurs et interdisciplinaires (avec des spécialistes des sciences sociales intégrés) et l’engagement public (Regan 2021). Ces exercices doivent néanmoins être gérés avec soin pour éviter de générer des connotations négatives, amplifier les risques de manière disproportionnée et entraver l’innovation.

Mettre des acteurs pluri-disciplinaires autour de la table

La recherche agricole est encore dominée par des approches descendantes et non inclusives, et inclut rarement les parties prenantes concernées, comme les agriculteurs, à un stade précoce. (Rose and Chilvers 2018). Les agriculteurs, positionnés comme les agents clés permettant ou empêchant le changement technologique, ne seraient pas nécessairement impliqués dans sa conception ou sa mise en œuvre (Higgins and Bryant 2020). Hassan Ebrahimi et ses collègues mentionnent par exemple que la fréquence à laquelle chaque groupe de parties prenantes est mentionné dans les médias confirme la conclusion selon laquelle un petit nombre de catégories de parties prenantes suscite la majorité de l’attention des médias. Selon les auteurs, il existerait un biais dans le discours public largement en faveur de l’industrie et des acteurs gouvernementaux (Ebrahimi, Sandra Schillo, and Bronson 2021). Les journalistes ou les organismes gouvernementaux qui mènent des consultations sur le numérique agricole sont ainsi appelés à revoir leur constitution d’un échantillon représentatif et d’identifier systématiquement les répondants appartenant aux catégories manquantes. (Bronson and Knezevic 2016) reprochent aux outils de crowdsourcing qui, même s’ils s’appuient sur les connaissances des agriculteurs, n’invitent pas nécessairement les agriculteurs à façonner le contexte dans lequel ces connaissances sont collectées. Les auteurs se demandent alors qui a un rôle dans la décision du contexte de la production, du stockage et de l’utilisation des données des outils de données particuliers utilisés dans l’alimentation et l’agriculture. Ou encore qui décide des types de données à collecter, compte tenu du fonctionnement des outils numériques actuels de collecte et d’analyse des données. (Gardezi and Stock 2021) reprochent à certains assemblages numériques de remodeler sauvagement le travail agricole en rendant obsolètes certains corps de métier, notamment les travailleurs non qualifiés, sans toutefois aucun véritable dialogue ni débat, en particulier avec ceux qui seraient le plus touchés négativement par ces tendances, c’est-à-dire les travailleurs non qualifiés eux-mêmes. Selon les auteurs, penser que certains outils numériques pourraient modifier fondamentalement la politique entourant le débat sur l’immigration, en faisant basculer des acteurs influents qui, pendant des décennies, étaient en faveur de la main-d’œuvre immigrée (par exemple, l’industrie agroalimentaire) et en les transformant en zélateurs de la fermeture des frontières, nécessite de réfléchir ensemble.

Les fournisseurs d’outils numériques, les agriculteurs ou encore les distributeurs doivent être considérés comme une communauté d’agriculteurs de précision ou d’utilisateurs d’outils numériques, plutôt que comme un modèle produit-détaillant-client (C R Eastwood, Chapman, and Paine 2009). Étant donné que les agriculteurs et les consommateurs co-transforment activement et réciproquement les technologies numériques en valeur – nous en avons par exemple largement donné l’exemple sur les robots de traite – il est nécessaire de se concentrer davantage sur la façon dont ces deux groupes – et d’autres acteurs impliqués dans les systèmes agroalimentaires – conçoivent ces technologies (Gardezi and Stock 2021). Le rôle majeur de la technologie devrait être de faciliter le croisement explicite de plusieurs disciplines. (Caquet, Gascuel, and Tixier-Boichard 2020) notent également que l’agronomie, l’écologie, les sciences de gestion ou encore la géographie ne sont encore que très marginalement embarquées dans cette avancée technologique, portée avant tout par les sciences de l’ingénieur, l’algorithmique, la robotique, la géolocalisation par guidage, la connexion sans fil de capteurs physiques, le couplage des informations dans un système pilotant des électrovannes. (Caquet, Gascuel, and Tixier-Boichard 2020). Le défi que représente l’identification de la myriade de parties prenantes affectées par les technologies agricoles, depuis les agriculteurs, les travailleurs agricoles et les conseillers jusqu’aux fabricants, aux revendeurs, aux consommateurs et aux communautés rurales, en passant par la chaîne d’approvisionnement, est de taille. Pourtant, (Rose et al. 2021) suggèrent qu’il devrait être possible d’établir une cartographie des parties prenantes en commençant par le cercle de confiance de l’agriculteur avant de s’étendre vers l’extérieur et de considérer qui sera affecté par cette innovation (Rose et al. 2021).

(Regan 2021) parlent de préparation à la RRI comme la capacité des acteurs clés à intégrer les dimensions de la RRI dans les projets et initiatives de recherche et de développement. Les auteurs remarquent néanmoins qu’il existe une composante fondamentale sur l’attitude des personnes à cette philosophie : Ces acteurs croient-ils en la valeur de RRI ? Sont-ils motivés pour pratiquer des activités RRI ? Mais (Regan 2021) mettent en avant qu’il existerait également une composante externe à cette préparation : Les acteurs clés sont-ils habilités par leur environnement social et culturel à pratiquer RRI ? L’infrastructure, les relations et les mécanismes existants soutiennent-ils les activités de RRI ? (Regan 2021). En travaillant avec un public scientifique, les auteurs se sont rendus compte que des tensions existaient entre ce que les scientifiques percevaient comme leur rôle de scientifique et la manière dont les exercices de RRI s’alignaient sur ce rôle. Les scientifiques ne semblaient en effet pas toujours enclin à adopter les valeurs de RRI dans leur globalité. Tout d’abord parce qu’ils avaient l’impression que ces valeurs n’étaient pas récompensées ni soutenues institutionnellement ou culturellement. Mais aussi parce que les scientifiques ne s’engagent pas toujours auprès de publics non académiques ou profanes (Regan 2021). Selon les auteurs, les scientifiques gagneraient à intégrer plus de réflexivité dans leurs travaux, ou en d’autres termes à réfléchir de manière critique à leurs propres hypothèses, valeurs et intérêts, et à considérer activement les points de vue et les valeurs des autres et la manière dont ils peuvent correspondre ou entrer en conflit avec leurs propres points de vue. Les auteurs soulignent pourtant que c’est un droit démocratique pour le public d’avoir son mot à dire dans les décisions qui le concernent, et leur contribution garantit un ensemble de connaissances plus complet et plus diversifié, ce qui permet de prendre des décisions qui ont de meilleures chances de se conformer aux priorités et aux besoins locaux. Si ces notions de réflexivité ne sont pas intégrées dans l’imagination des transitions socio-techniques, alors l’innovation ne peut être responsable (Klerkx and Rose 2020).

Réfléchir la société que l’on souhaite

Le numérique au service de l’agro-écologie ?

La capacité du numérique et des agroéquipements à porter spécifiquement un modèle d’agriculture agroécologique reste un pari, car ces évolutions technologiques peuvent aussi renforcer une industrialisation plus poussée de l’agriculture, dans la continuité de soixante ans de développement dans la visée d’un gain de productivité (Caquet, Gascuel, and Tixier-Boichard 2020). (Rotz, Duncan, et al. 2019) notent également que les discussions autour de l’avancement et de l’adoption des technologies agricoles continuent d’être fortement axées sur la technologie, supprimant ainsi les possibilités pour les technologies numériques de soutenir les approches agroécologiques à petite échelle. A l’heure actuelle, les technologies numériques déplacent l’échelle de l’attention et de l’intervention parcellaire à un niveau intra-parcellaire, mais elle ne remettent pas en question la monoculture, le champ de l’usine lui-même, le sol littéral et figuratif sur lequel il est construit. Pourtant, il n’y a aucune raison intrinsèque pour que les technologies numériques actuelles, qui permettent des interventions plus fines dans la production alimentaire, ne puissent pas être conçues pour faciliter une plus grande complexité écologique sans compromettre la productivité. Cela pourrait signifier trouver des moyens de permettre une plus grande complexité florale et faunistique autour des champs, en utilisant par exemple les technologies numériques pour négocier les conflits dans un milieu écologique multi-espèces. L’idée est bien de valoriser l’hétérogénéité au maximum, et de s’éloigner du concept de « one size fits all ». Les technologies numériques doivent être repensées pour encourager, et non éliminer, la complexité foisonnante et ainsi contribuer à façonner la technologie en meilleur accord avec les besoins réels des personnes et des autres formes de vie (Miles 2019). La classification des stratégies permettant d’accompagner la transition vers une agriculture plus durable, proposée par Hill and Macrae (1986), offre un cadre intéressant pour repenser l’utilisation du numérique depuis une approche « efficiency » où l’objectif de cette stratégie est d’optimiser le système de production existant, vers des stratégies « substitution » et « re-design » où l’objectif est de s’attaquer aux causes intrinsèques du problème et de repenser le système de production.

Les imaginaires alternatifs de l’utilisation des outils numériques sont pourtant encore trop peu présents. (Lajoie-O’Malley et al. 2020) montrent par exemple que même dans les textes des grandes institutions internationales – Banque Mondiale, FAO – il n’y a pas d’apparition de récits alternatifs du futur où l’innovation sociale et politique permettrait des transitions loin du modèle de production industrielle. Les technologies agricoles numériques, selon les auteurs, pourraient pourtant être déployées dans des visions alternatives, telles que les systèmes alimentaires agroécologiques et circulaires ou encore dans des modèles de chaînes d’approvisionnement courtes (Lajoie-O’Malley et al. 2020).

Une technologie en support à l’agroécologie peut être définie par sa contribution à informer ou à contrôler les processus qui sous-tendent les principes de l’agroécologie (Caquet, Gascuel, and Tixier-Boichard 2020). Nombre des connaissances en agro-écologie ne peuvent être prises en compte que si des agroéquipements, dédiés, les exploitent pour moduler leur action. Valoriser les complémentarités entre plusieurs espèces végétales au sein d’une même parcelle nécessite par exemple que les moissonneuses puissent collecter une récolte dans un peuplement composite. Les enjeux cognitifs des agroéquipements pour l’agroécologie touchent ainsi la caractérisation du fonctionnement de l’agroécosystème, la couverture des régulations biologiques, la libération d’éléments fertilisants par dégradation de la matière organique, la capacité de stockage de carbone, ou encore le potentiel de rétention d’eau.

(E. Schnebelin 2021) ont observé que la majorité des recherches autour du numérique agricole s’attachait à mieux comprendre l’adoption des technologies numériques par les agriculteurs, sans chercher à vraiment aller plus loin sur la manière dont les technologies numériques modifiaient en profondeur les pratiques et l’organisation des exploitations. Les auteurs se sont notamment demandés si le développement du numérique profitait à toutes les voies d’écologisation, ou s’il en favorisait certaines au détriment d’autres. Selon (É. Schnebelin, Labarthe, and Touzard 2021), toutes les technologies numériques en cours de développement ne sont pas considérées comme étant adaptées à l’agriculture biologique, que ce soient pour des raisons techniques ou socio-économiques : elles peuvent ne pas convenir au modèle économique ou aux modes de pensée et de décision des agriculteurs. Ce constat pourrait se rapprocher de la fracture de précision dont nous avions parlé plus haut. (E. Schnebelin 2021) relèvent que le choix des pratiques agronomiques et le choix des outils ont un effet l’un sur l’autre, et que l’utilisation des outils de production technologiques semble favoriser l’optimisation de l’itinéraire agricole plutôt que sa reconception. Ce constat doit cependant être nuancé, car les auteurs ont également observé des liens entre des changements de pratiques plus radicaux et l’utilisation de technologies numériques (E. Schnebelin 2021). Les auteurs ont également trouvé qu’il existait plusieurs trajectoires de numérisation avec, derrière un profil d’utilisation unique, une variété de logiques. Une même technologie peut être utilisée différemment, avec des objectifs différents. (E. Schnebelin 2021). Les auteurs rajoutent que le numérique semble favoriser une forme plus forte d’écologisation : le développement de l’agriculture biologique dans les grandes exploitations. Ce constat ferait écho à un débat politique et académique sur la conventionnalisation de l’agriculture biologique, avec la question sous-jacente de savoir si le numérique pourrait être un accélérateur de cette conventionnalisation, au détriment d’une agriculture biologique plus radicale, et de plus petites exploitations (E. Schnebelin 2021).

De manière intéressante, les outils numériques ne sont pas intellectualisés de la même façon par tous les acteurs. Les acteurs d’une agriculture conventionnelle semblent considérer la numérisation comme un moyen de créer de nouvelles opportunités économiques, tandis que les acteurs biologiques la considèrent davantage comme un moyen de développer les connaissances (É. Schnebelin, Labarthe, and Touzard 2021). Les organisations agricoles conventionnelles soulignent notamment l’importance de développer de nouveaux types de connaissances au sein de leur structure, comme les coopératives agricoles. Des emplois et des équipes dédiées sont créés spécifiquement pour la numérisation, et des actions de sensibilisation et de formation sont menées. Les organisations biologiques, quant à elles, semblent mettre davantage l’accent sur la nécessité de développer les compétences des agriculteurs. (É. Schnebelin, Labarthe et Touzard 2021). La recherche a illustré un autre problème connexe causé par des utilisations et des significations différentes d’un même concept par différents acteurs, certains essayant de manière confuse de tirer les acteurs des systèmes agricoles et alimentaires dans différentes directions. En dressant une liste de concepts associés à l’agriculture durable et en l’utilisant pour évaluer comment le concept de « gestion agricole intégrée » s’intégrait à ces concepts, des auteurs ont mis en avant une certaine confusion au sein de la communauté agricole. Cette confusion est importante car les activités d’échange de connaissances visant à promouvoir des pratiques agricoles plus durables doivent délivrer des messages simples et exploitables aux agriculteurs, sans qu’ils se sentent bombardés par une série d’idées différentes qui peuvent être en concurrence (Klerkx and Rose 2020). Le cas de l’agro-écologie est complètement applicable ici.

Dans le secteur agricole, nombreuses start-ups de l’agtech proposent un modèle sur lequel l’offre de service numérique vient se rémunérer sur un possible maintien des rendements assorti d’une économie d’intrants (engrais et pesticides). Ces modèles économiques, plutôt court-termistes, semblent assez fragiles. On peut déjà se demander si ces modèles sont applicables à des orientations vers des pratiques agro-écologiques, potentiellement sans intrants. Avec le déréglement climatique régulièrement asséné par les climatologues, on peut également se demander si les promesses d’augmentation de rendement pourront être tenues. De manière encore plus générale, nous vivons dans un environnement extrêmement changeant et incertain. Lorsque que l’on se place dans un contexte d’agriculture de précision, entre la volatilité des prix des matières premières, des intrants et des prix de vente de production, avec la variabilité observée du climat, avec les variabilités de sol et de sous-sol au sein des parcelles qui sont souvent extrêmement marquées, on pourrait même en venir à questionner la pertinence d’applications agronomiques modulées sur les parcelles par rapport à une application uniforme mais plus réfléchie. Rappelons également que les modèles économiques ne tiennent que si l’on ignore les externalités négatives et la gratuité des services prodigués par la nature. Le secteur agricole n’est sans doute ni le seul ni le pire mais il illustre le fait que l’artificialisation du numérique doit sans doute actuellement s’étendre à l’artificialisation de nos bilans comptables.

Régulation et éthique des données

Un large éventail de nouvelles technologies se développe très rapidement, affectant de manière significative le mode de vie des individus ainsi que les impacts sur l’environnement, nécessitant de nouvelles procédures de pilotage de la part des gouvernements. Le problème, selon (Vinuesa et al. 2020), est que ni les individus ni les gouvernements ne semblent être en mesure de suivre le rythme de ces développements technologiques – ceci étant notamment illustré par l’absence de législation appropriée pour assurer la viabilité à long terme de ces nouvelles technologies. Un premier pas dans cette direction consisterait à établir des cadres politiques et législatifs adéquats, pour aider à orienter le vaste potentiel de l’intelligence artificielle vers le plus grand bénéfice pour les individus et l’environnement, ainsi que vers la réalisation des objectifs de développement durables (Vinuesa et al. 2020). Si la politique agroalimentaire publique ne développe pas de buts et d’objectifs sur la façon dont ces technologies pourraient être développées et soutenues par l’agriculture à petite échelle et les formes alternatives de production agroalimentaire, ces technologies resteront entre les mains de ceux qui peuvent payer, et au fur et à mesure que ces technologies évoluent, les divisions économiques ne feront que se creuser dans les exploitations agricoles (Rotz, Duncan, et al. 2019). Comme le souligne Michael Carolan, nous devons passer à la vitesse supérieure lorsqu’il s’agit de protéger les personnes, ce qui n’est pas la même chose que de protéger un emploi spécifique (Carolan 2020b).

Les politiques agricoles ont la lourde tâche de veiller à ce que la numérisation se fasse de manière éthique, équitable et inclusive. Il est nécessaire d’élaborer de nouveaux codes d’éthique qui protègent les droits des agriculteurs sur leurs propres données et empêchent la concentration du pouvoir sur les fournisseurs de technologies (Lioutas, Charatsari, and De Rosa 2021). Ces enjeux éthiques sont d’autant plus importants que l’on peut envisager des applications d’intelligence artificielle qui améliorent les résultats des objectifs de développement durables tout en n’étant pas totalement alignées sur les directives d’éthique de l’intelligence artificielle. Il devient alors nécessaire que les applications des technologies numériques qui ciblent les objectifs de développement durables soient ouvertes et explicites sur les principes éthiques directeurs, également en indiquant explicitement comment elles s’alignent sur les directives existantes (Vinuesa et al. 2020). Un ensemble unique de principes éthiques utilitaires avec l’intelligence artificielle ne serait pas recommandable en raison de la grande complexité de nos sociétés.

Parler de gouvernance par le biais d’algorithmes revient à placer les humains concernés dans le siège du conducteur. Aller sous le capot de ces algorithmes, comme le formule Michael Carolan, et souligner les normes présentes dans les technologies numériques ne signifie pas critiquer le fait que ces technologies sont chargées de valeurs. Aucun assemblage socio-technique n’existe sans avoir de politique. Ceux qui critiquent les technologies numériques au motif qu’elles sont biaisées s’engagent dans une lutte sans fin – on ne peut pas éviter de créer ces plateformes en l’absence de jugements de valeur. L’acte de signaler ces normes consiste davantage à interroger les types de valeurs à l’œuvre et les processus de conception qui permettent l’accès à certaines voix mais pas à d’autres. Parler de gouvernance à travers les algorithmes, c’est cibler des points dans les assemblages technologiques où les humains ont leur mot à dire sur l’apparence des technologies numériques et sur ce qu’elles regardent (par exemple, l’orientation vers la monoculture ou la multi-culture) afin de s’assurer que ces politiques sont réellement participatives (Carolan 2020a). Pour faire ainsi face à ces dilemmes éthiques, il est important que toutes les applications offrent une ouverture sur les choix et les décisions prises lors de la conception, du développement et de l’utilisation, y compris des informations sur la provenance et la gouvernance des données utilisées dans les algorithmes, et sur le fait de savoir si et comment elles s’alignent sur les directives existantes en matière d’intelligence artificielle (Vinuesa et al. 2020). Les applications de l’intelligence artificielle qui ont des répercussions positives sur le bien-être de la société ne profitent pas toujours à chaque individu séparément. Ce dilemme inhérent entre le bénéfice collectif et le bénéfice individuel est pertinent dans le cadre des applications de l’intelligence artificielle, mais il ne devrait pas être résolu par l’application de l’intelligence artificielle elle-même. Il s’agit d’un problème qui a toujours touché l’humanité et qui ne peut être résolu de manière simple, puisqu’une telle solution nécessite la participation de toutes les parties prenantes (Vinuesa et al. 2020).

Le manque d’interprétabilité de l’intelligence artificielle, qui est actuellement l’un des défis de la recherche en cours, ajoute une complication supplémentaire à l’application de ces mesures réglementaires. Cela implique notamment que les algorithmes d’intelligence artificielle (qui sont entraînés avec des données constituées de réglementations et de décisions antérieures) peuvent agir comme un miroir reflétant les biais et les politiques injustes. Cela présente néanmoins une opportunité pour éventuellement identifier et corriger certaines erreurs dans les procédures existantes (Vinuesa et al. 2020).

Il faut être clair sur le fait que le rôle du gouvernement ne s’arrête pas une fois que les innovations sont adoptées ; une période de réflexion continue est nécessaire, qui exigera des mises à jour de la législation, des lignes directrices et un soutien éventuel aux diverses technologies sous la forme d’une formation aux compétences, d’une amélioration des infrastructures ou peut-être d’un financement (Rose et al. 2021).

La meilleure façon de réguler les nouvelles technologies reste peut-être de réguler les interactions de l’humain avec l’usage de la technologie, pas de réguler la technologie elle-même (Wiseman, 2018). Du coup, plutôt que de rechercher de la clarté dans la loi en rapport avec la propriété des données, (Wiseman et al., 2018) suggère que les pays – et notamment l’Australie dans leur cas – jouent un rôle fort sur les bénéfices associés aux potentiels du numérique agricole en organisant et en s’impliquant dans des débats sur le sujet. Passer de la question de « qui est le propriétaire des données » vers un focus sur une critique de la façon dont les aggrégateurs de données collectent et s’occupent de la donnée serait aligné vers quelque chose de plus transparent sur la gestion des données. Selon les auteurs, il faudrait s’éloigner de la question de la propriété des données et plutôt traiter des questions de gouvernance des données, et clarifier les objectifs d’une bonne gestion des données de manière à avoir une culture plus ouverte sur le contrôle, l’accès et le partage des données agricoles (Wiseman et al. 2018).

(Lioutas, Charatsari, and De Rosa 2021) ont, de façon intéressante, présenté la numérisation de l’agriculture comme un nouveau dilemme du tramway , une situation dans laquelle certains groupes et certaines valeurs doivent être sacrifiés pour atteindre des objectifs de grande importance. Selon les auteurs, la trajectoire actuelle de développement de la production agroalimentaire menace la durabilité future de l’agriculture en mettant en danger le climat, en épuisant les ressources naturelles, en entraînant une surconsommation d’eau et, enfin, en mettant en péril la sécurité alimentaire. Il ne fait aucun doute qu’une telle voie met en danger les consommateurs pauvres et en situation d’insécurité alimentaire. La numérisation, apparue comme une solution prometteuse au problème de l’alimentation, questionne les auteurs. Serions-nous prêts à sacrifier des valeurs éthiques et politiques, à mettre en péril le bien-être de certains groupes sociaux et à mettre en péril la stabilité culturelle et environnementale pour atteindre l’augmentation de la production ? (Lioutas, Charatsari, and De Rosa 2021)

Michael Carolan insiste sur le fait que les tendances au verrouillage des outils numériques ne sont pas une fatalité (Carolan 2020a). L’auteur soutient que la façon dont nous faisons de la gouvernance doit refléter les types d’enfermement auxquels nous sommes confrontés et la façon dont les acteurs et les actants sont impliqués (Carolan 2020a)

Open source et ouverture des données

Lorsque les imaginaires sociotechniques privilégient les valeurs de rentabilité et de compétitivité, nous ne devons pas nous étonner que l’esprit de collaboration soit évincé (Carolan 2020c). Et alors que certains assemblages de données renforcent les dépendances des entreprises, nous aurions, selon Michael Carolan, des raisons de nous tourner vers les réseaux qui permettent la coproduction de connaissances et une politique fondée sur l’inclusion et une large compréhension de l’accès aux données et outils (Carolan 2020c). À l’aide d’une classification qui oppose l’innovation descendante à l’innovation ascendante et les plateformes fermées aux plateformes ouvertes au Canada, Philipps et al. (2019) identifient quatre modèles économiques potentiels des technologies numériques : (i) le modèle d’entreprise ; (ii) les réseaux stratégiques ; (iii) les systèmes primordiaux ; et (iv) la concurrence parfaite ou l’univers du hacking (Klerkx, Jakku, and Labarthe 2019). Même si Philipps et al. (2019) ne prennent pas position sur ces quatre modèles économiques, la typologie de modèle économique qui l’emportera et servira de modèle à l’agriculture n’est pas clair. Les auteurs en appellent néanmoins à une gouvernance forte sur la propriété et le contrôle de la donnée. Plusieurs auteurs soulignent le fait qu’avec les technologies numériques, les agriculteurs n’ont plus la possibilité de s’appuyer sur des stratégies du type “do it yourself” pour réparer ou régler les appareils – les logiciels et technologies numériques propriétaires, protégés par la voie de la propriété intellectuelle, jouant clairement là-dessus. Et de mettre en avant la présence de nombreux groupes activistes d’agriculteurs, de scientifiques et d’ingénieurs travaillant sur des technologies qui, selon eux, soutiendront diverses opérations agricoles par le biais d’un cadre de conception plus ouvert, notamment avec des attributs d’open-source et de cadre non hiérarchisé. Un cadre qui s’engage notamment avec une variété d’utilisateurs finaux et qui vise à redresser les exclusions historiques du système alimentaire (Bronson 2019) (Carolan 2017) (Kernecker et al. 2020).

On pourrait avoir tendance à penser que l’ouverture des données au plus grand nombre est naturel, dans le sens où, comme les données seraient sociales par nature, elles se doivent d’être partagées (van der Burg, Bogaardt, and Wolfert 2019). Cette ouverture permettrait à un plus grand nombre de personnes d’utiliser la donnée et ainsi de mutualiser la connaissance au maximum. Des auteurs défendent le libre accès comme un moyen pour le gouvernement ou les membres du grand public de surveiller ou de contrôler si les technologies numériques contribuent réellement à résoudre les problèmes sociétaux, tels que la réduction de l’empreinte écologique des exploitations agricoles, la réduction des déchets ou la promotion de la sécurité alimentaire et de l’acceptabilité publique du système de production. Les données, pour certains, doivent être ouvertes afin de respecter le droit du peuple au pouvoir d’information.

Tout le monde n’est néanmoins pas de cet avis. Dans les situations de santé mondiale ou de crise humanitaire, l’objectif est de sauver des vies ; et selon cette métrique, l’idée que les données doivent être partagées est une exhortation puissante. Mais pour certains, la question n’est pas de savoir comment mobiliser davantage d’informations, délivrées plus rapidement à davantage d’endroits. Il s’agit de se demander quels sont les droits les plus fondamentaux de notre humanité. Il existe une tension considérable entre différents droits – le droit à la vie privée, par exemple – et surtout entre ce que nous pouvons faire et ce que nous devrions faire pour résoudre les problèmes publics mondiaux. Le changement climatique est, par nature, une crise de dimension mondiale. Il exige une participation très large pour que l’on reconnaisse qu’il s’agit d’un problème et que l’on élabore des réponses collectives pour l’appréhender (Espinoza and Aronczyk 2021). Le libre accès et l’ouverture des données peut aussi ne pas être vu comme nécessairement équitable, car les données peuvent servir à informer les actions de certains, tandis que d’autres ne sauront pas comment les interpréter. Cela soulève la question de savoir si et dans quelle mesure le libre accès favorise réellement la réalisation des objectifs sociétaux, et qui les utiliserait (van der Burg, Bogaardt, and Wolfert 2019). Ce constat est basé sur la réalisation que les données ouvertes ont le réel potentiel d’exacerber autant que d’atténuer les injustices. En d’autres termes, nous devons être conscients des innombrables façons dont les privilèges sociaux peuvent être intégrés dans les ensembles de données, ce qui signifie que l’on ne peut pas s’attendre à ce que les données ouvertes favorisent universellement la justice sans travail supplémentaire. Peut-être faudrait-il considérer la chose comme un « commun ». Une technologie numérique ne devrait par exemple pas appartenir pas à une seule entité, mais plutôt à une communauté. Et dans le cadre de cette communauté partagée, il est essentiel que non seulement le code soit partagé mais aussi les connaissances, le temps, l’expérience et les histoires nécessaires, afin que l’assemblage technologique soit distribué équitablement (Carolan 2020c). Michael Carolan donne l’exemple d’une plateforme lancée à Londres pour permettre aux consommateurs de la région d’accéder à des aliments locaux. L’auteur explique que des zones d’ombre sont apparues dès lors que se sont posées des questions autour de l’accès à la plateforme, notamment par qui et à quoi. Tout le monde n’avait en réalité pas accès à la vision de ce à quoi devrait ressembler un réseau alimentaire alternatif – les consommateurs appartenant en grande majorité à la classe moyenne. Et Michael Carolan de conclure que le fait même d’être une plateforme propriétaire signifie que l’accès offert aux utilisateurs se fait entièrement en tant que participants à une chaîne d’approvisionnement plutôt qu’en tant que citoyens d’une communauté (Carolan 2020c).

L’intensité des données des applications d’intelligence artificielle crée un autre problème. Le besoin d’informations de plus en plus détaillées pour améliorer les algorithmes d’intelligence artificielle entre en conflit avec la nécessité d’un traitement et d’une protection plus transparents des données personnelles. Il s’agit également d’un domaine où des recherches supplémentaires sont nécessaires pour évaluer les éventuelles conséquences négatives à long terme. Tous les défis mentionnés ci-dessus culminent dans le discours académique sur la personnalité juridique des robots, qui peut conduire à des récits alarmants de totalitarisme technologique (Vinuesa et al. 2020). Si le big data et les algorithmes transforment effectivement notre monde en une société de la boîte noire, avec des algorithmes cachés contrôlant toujours plus d’aspects de nos vies, alors nous ne pouvons pas nous permettre de laisser ces technologies sans examen (Visser, Sippel, and Thiemann 2021).

Conclusion

Les débats autour de l’écosystème Agtech illustrent de profondes divisions ; les partisans et les détracteurs semblant souvent se parler les uns aux autres, chaque partie ayant une interprétation très différente de la façon dont les mêmes technologies affecteront les résultats environnementaux. Des conceptualisations aussi larges que le numérique agricole font l’objet d’éloges et de critiques ; une tension persistante entre la valeur d’une approche holistique et non prescriptive, et les dangers d’un mot fourre-tout utilisé pour capter des investissements et justifier des agendas douteux (Whitfield, Challinor, and Rees 2018). Le récit qui finira par dominer le discours public est d’une importance capitale pour la compréhension des conséquences environnementales de ces technologies et de leur rôle potentiel dans une production alimentaire plus respectueuse de l’environnement. La façon dont ces débats se déroulent est également importante pour qu’émergent des luttes autour des cadres politiques et de gouvernance qui établiront les règles selon lesquelles ces technologies doivent fonctionner (Clapp and Ruder 2020). Chaque récit a ses contradictions ou ses contre-courants (Fleming et al. 2018), mais les systèmes alimentaires seraient néanmoins bien mieux servis si les tensions au sein du discours sur les technologies numériques étaient abordées de front, plutôt que d’imaginer que la technologie conduira facilement, de manière totalement positive et équitable à des sauts quantiques dans l’agriculture (Duncan et al. 2021).

Depuis quelques années, les sciences humaines et sociales se sont saisies des technologies agricoles. En tant que non technologues, leurs apports sont précieux pour envisager le développement des outils de manière plus élargie et de poser des mots sur des phénomènes à l’œuvre que nous n’arrivons pas toujours à expliciter correctement. Et ce sont leurs apports qui ont été présentés dans cet article de blog. Deux principales critiques peuvent néanmoins leur être faites.

Alors que les processus de recherche et de production de connaissances dans les sciences sociales et humaines évoluent de manière impressionnante avec les technologies et données numériques, le développement de la théorie dans les sciences sociales et humaines est beaucoup moins dynamique et suit principalement les chemins traditionnels qui ramènent aux classiques comme Karl Marx ou à des copies numériques des livres du 19ème siècle desquels les sciences humaines et sociales espèrent extraire des solutions aux problèmes du 21ème siècle avec les technologies numériques, le big data ou encore l’intelligence artificielle (Ossewaarde, 2019 ; Roth, 2019). De telles résurrections des géants de ces disciplines sociales sont certainement aussi divertissantes et auto-affirmées qu’elles sont pratiques. Pourtant, elles n’abordent pas la question véritablement essentielle de la profondeur avec laquelle la transformation numérique de la recherche et de la production de connaissances modifie le cœur épistémique des sciences humaines et sociales. Les méthodes numériques ne se contentent pas de fournir des ensembles de données toujours plus grands pour tester les anciennes théories, mais elles permettent et appellent même de nouvelles formes de théorisation numérique. Le développement de nouvelles théories sociales numériques reste donc un objectif louable, dont la réalisation est toutefois compliquée par le fait que la plupart des sociologues connaissent les ordinateurs et les langages de programmation aussi peu que les fermiers analphabètes du Moyen Âge connaissaient la Bible (Roth, 2019). Les auteurs rajoutent même que les sociologues les plus érudits font partie des analphabètes (informatiques) d’aujourd’hui et, par conséquent, sont totalement dépendants de la petite communauté de spécialistes lettrés en informatique qui comprennent et façonnent l’écosystème numérique (Roth et al. 2019). Marinus Ossewaarde suggère néanmoins de faire attention à ce qu’à trop vouloir réinventer de nouvelles théories pour traiter le sujet du numérique agricole, les sciences sociales soient trop assimilées au système de pensée et aux discours dominants actuels, et perdent tout esprit critique et de créativité pour élever le débat. L’auteur en appelle en quelque sorte à ce que les sciences humaines ne vendent pas trop leur âme non plus… (Ossewaarde, 2019).

Les sciences humaines et sociales appellent régulièrement dans leurs travaux à un croisement des parties prenantes dans l’élaboration et le développement des technologies numériques, mais également à un croisement des disciplines scientifiques. Le concept d’innovation et de recherche responsables, dont nous avons parlé dans la dernière section du billet de blog, étant d’ailleurs présenté comme une des façons d’y arriver. L’objectif est très louable mais il est toutefois particulièrement surprenant que les sciences humaines et sociales elles-mêmes ne suivent pas réellement leurs recommandations. Presque aucun article de la littérature scientifique cité dans cet article de blog n’a été rédigé par des équipes pluridisciplinaires, mixant à la fois des compétences techniques et sociales pour analyser la façon dont le numérique s’immisce dans les exploitations agricoles. Ce ne sont pourtant pas les compétences qui manquent…

Soutenez Agriculture et numérique – Blog Aspexit sur Tipeee

Bibliographie

Atelier Paysan. 2021. “Reprendre la terre aux machines. Manifeste pour une autonomie paysanne et alimentaire”. Anthropocène Seuil. 274 pages.

Bertoglio, Riccardo, Chiara Corbo, Filippo M. Renga, and Matteo Matteucci. 2021. “The Digital Agricultural Revolution: A Bibliometric Analysis Literature Review.” http://arxiv.org/abs/2103.12488.

Bronson, Kelly. 2019. “Looking through a Responsible Innovation Lens at Uneven Engagements with Digital Farming.” NJAS – Wageningen Journal of Life Sciences 90–91.

Bronson, Kelly, and Irena Knezevic. 2016. “Big Data in Food and Agriculture.” Big Data and Society 3(1).

Bryant, Melanie, and Vaughan Higgins. 2021. “Securitising Uncertainty: Ontological Security and Cultural Scripts in Smart Farming Technology Implementation.” Journal of Rural Studies 81: 315–23.

van der Burg, Simone, Marc Jeroen Bogaardt, and Sjaak Wolfert. 2019. “Ethics of Smart Farming: Current Questions and Directions for Responsible Innovation towards the Future.” NJAS – Wageningen Journal of Life Sciences 90–91.

van der Burg, Simone, Leanne Wiseman, and Jovana Krkeljas. 2020. “Trust in Farm Data Sharing: Reflections on the EU Code of Conduct for Agricultural Data Sharing.” Ethics and Information Technology.

Caquet, Thierry, Chantal Gascuel, and Michèle Tixier-Boichard. 2020. L’agroécologie : Des Recherches Pour La Transition.

Carolan, Michael. 2017. “Publicising Food: Big Data, Precision Agriculture, and Co-Experimental Techniques of Addition.” Sociologia Ruralis 57(2): 135–54.

———. 2020a. “Acting like an Algorithm: Digital Farming Platforms and the Trajectories They (Need Not) Lock-In.” Agriculture and Human Values 37(4): 1041–53.

———. 2020b. “Automated Agrifood Futures: Robotics, Labor and the Distributive Politics of Digital Agriculture.” Journal of Peasant Studies 47(1): 184–207.

———. 2020c. “Digitization as Politics: Smart Farming through the Lens of Weak and Strong Data.” Journal of Rural Studies.

Clapp, Jennifer, and Sarah Louise Ruder. 2020. “Precision Technologies for Agriculture: Digital Farming, Gene-Edited Crops, and the Politics of Sustainability.” Global Environmental Politics 20(3): 49–69.

Driessen, Clemens, and Leonie F.M. Heutinck. 2014. “Cows Desiring to Be Milked? Milking Robots and the Co-Evolution of Ethics and Technology on Dutch Dairy Farms.” Agriculture and Human Values 32(1): 3–20.

Duncan, Emily. 2018. An Exploration of How the Relationship between Farmers and Retailers Influences Precision Agriculture Adoption.

Duncan, Emily, Alesandros Glaros, Dennis Z. Ross, and Eric Nost. 2021. “New but for Whom? Discourses of Innovation in Precision Agriculture.” Agriculture and Human Values (June). https://doi.org/10.1007/s10460-021-10244-8.

Eastwood, C R, D F Chapman, and M S Paine. 2009. “Farmers as Co-Developers of Innovative Precision Farming Systems.”

Eastwood, Callum, Margaret Ayre, Ruth Nettle, and Brian Dela Rue. 2019. “Making Sense in the Cloud: Farm Advisory Services in a Smart Farming Future.” NJAS – Wageningen Journal of Life Sciences 90–91.

Eastwood, Callum R., and Alan Renwick. 2020. “Innovation Uncertainty Impacts the Adoption of Smarter Farming Approaches.” Frontiers in Sustainable Food Systems 4.

Ebrahimi, Hassan P., R. Sandra Schillo, and Kelly Bronson. 2021. “Systematic Stakeholder Inclusion in Digital Agriculture: A Framework and Application to Canada.” Sustainability (Switzerland) 13(12).

Espinoza, Maria I., and Melissa Aronczyk. 2021. “Big Data for Climate Action or Climate Action for Big Data?” Big Data and Society 8(1).

Fairbairn, Madeleine, and Julie Guthman. 2020. “Agri-Food Tech Discovers Silver Linings in the Pandemic.” Agriculture and Human Values 37(3): 587–88.

Fielke, Simon, Bruce Taylor, and Emma Jakku. 2020. “Digitalisation of Agricultural Knowledge and Advice Networks: A State-of-the-Art Review.” Agricultural Systems 180.

Fleming, Aysha et al. 2019. “Is Big Data for Big Farming or for Everyone? Perceptions in the Australian Grains Industry.” https://hal.archives-ouvertes.fr/hal-02105890.

———. 2021. “Foresighting Australian Digital Agricultural Futures: Applying Responsible Innovation Thinking to Anticipate Research and Development Impact under Different Scenarios.” Agricultural Systems 190.

Fraser, Alistair. 2019. “Land Grab/Data Grab: Precision Agriculture and Its New Horizons.” Journal of Peasant Studies 46(5): 893–912.

———. 2021. “‘You Can’t Eat Data’?: Moving beyond the Misconfigured Innovations of Smart Farming.” Journal of Rural Studies.

Gardezi, Maaz, and Ryan Stock. 2021. “Growing Algorithmic Governmentality: Interrogating the Social Construction of Trust in Precision Agriculture.” Journal of Rural Studies 84: 1–11.

Garnett, T. et al. 2013. “Sustainable Intensification in Agriculture: Premises and Policies.” Science 341(6141): 33–34.

Gras, Carla, and Daniel M. Cáceres. 2020. “Technology, Nature’s Appropriation and Capital Accumulation in Modern Agriculture.” Current Opinion in Environmental Sustainability 45: 1–9.

Higgins, Vaughan, and Melanie Bryant. 2020. “Framing Agri-Digital Governance: Industry Stakeholders, Technological Frames and Smart Farming Implementation.” Sociologia Ruralis 60(2): 438–57.

Higgins, Vaughan, Melanie Bryant, Andrea Howell, and Jane Battersby. 2017. “Ordering Adoption: Materiality, Knowledge and Farmer Engagement with Precision Agriculture Technologies.” Journal of Rural Studies 55: 193–202.

Ingram, Julie, and Damian Maye. 2020. “What Are the Implications of Digitalisation for Agricultural Knowledge?” Frontiers in Sustainable Food Systems 4.

Jakku, Emma et al. 2019. “‘If They Don’t Tell Us What They Do with It, Why Would We Trust Them?’ Trust, Transparency and Benefit-Sharing in Smart Farming.” NJAS – Wageningen Journal of Life Sciences 90–91.

Kernecker, Maria et al. 2020. “Experience versus Expectation: Farmers’ Perceptions of Smart Farming Technologies for Cropping Systems across Europe.” Precision Agriculture 21(1): 34–50.

Klerkx, Laurens, Emma Jakku, and Pierre Labarthe. 2019. “A Review of Social Science on Digital Agriculture, Smart Farming and Agriculture 4.0: New Contributions and a Future Research Agenda.” NJAS – Wageningen Journal of Life Sciences 90–91.

Klerkx, Laurens, and David Rose. 2020. “Dealing with the Game-Changing Technologies of Agriculture 4.0: How Do We Manage Diversity and Responsibility in Food System Transition Pathways?” Global Food Security 24.

Kuch, Declan, M. Kearnes, and K. Gulson. 2020. “The Promise of Precision: Datafication in Medicine, Agriculture and Education.” Policy Studies 41(5): 527–46.

Lajoie-O’Malley, Alana, Kelly Bronson, Simone van der Burg, and Laurens Klerkx. 2020. “The Future(s) of Digital Agriculture and Sustainable Food Systems: An Analysis of High-Level Policy Documents.” Ecosystem Services 45.

Lioutas, Evagelos D., and Chrysanthi Charatsari. 2020. “Smart Farming and Short Food Supply Chains: Are They Compatible?” Land Use Policy 94.

Lioutas, Evagelos D., Chrysanthi Charatsari, Giuseppe La Rocca, and Marcello De Rosa. 2019. “Key Questions on the Use of Big Data in Farming: An Activity Theory Approach.” NJAS – Wageningen Journal of Life Sciences 90–91.

Lioutas, Evagelos D., Chrysanthi Charatsari, and Marcello De Rosa. 2021. “Digitalization of Agriculture: A Way to Solve the Food Problem or a Trolley Dilemma?” Technology in Society 67: 101744. https://linkinghub.elsevier.com/retrieve/pii/S0160791X21002190.

Lowenberg-Deboer, James, and Bruce Erickson. 2019. “Setting the Record Straight on Precision Agriculture Adoption.” Agronomy Journal 111(4): 1552–69.

Lowenberg-DeBoer, James, Iona Yuelu Huang, Vasileios Grigoriadis, and Simon Blackmore. 2019. “Economics of Robots and Automation in Field Crop Production.” Precision Agriculture.

Miles, Christopher. 2019. “The Combine Will Tell the Truth: On Precision Agriculture and Algorithmic Rationality.” Big Data and Society 6(1).

Nguyen, Geneviève, Julien Brailly, and Francois Purseigle. 2020. “Strategic Outsourcing and Precision Agriculture: Towards a Silent Reorganization of Agricultural Production in France ?” ASSA-AAEA 2020 – Annual Meeting of the Allied Social Sciences Association and the Agricultural and Applied Economics Association 2020(January). https://oatao.univ-toulouse.fr/26006/.

Ofori, Martinson, and Omar El-Gayar. 2021. “Drivers and Challenges of Precision Agriculture: A Social Media Perspective.” Precision Agriculture 22(3): 1019–44.

Pallottino, Federico et al. 2018. “Science Mapping Approach to Analyze the Research Evolution on Precision Agriculture: World, EU and Italian Situation.” Precision Agriculture 19(6): 1011–26.

Pathak, Hari Sharan, Philip Brown, and Talitha Best. 2019. “A Systematic Literature Review of the Factors Affecting the Precision Agriculture Adoption Process.” Precision Agriculture 20(6): 1292–1316.

Ravis, Timothy, and Benjamin Notkin. 2020. “Urban Bites and Agrarian Bytes: Digital Agriculture and Extended Urbanization.” Berkeley Planning Journal 31(1): 100–122.

Regan, Áine. 2021. “Exploring the Readiness of Publicly Funded Researchers to Practice Responsible Research and Innovation in Digital Agriculture.” Journal of Responsible Innovation 8(1): 28–47.

Rojo-Gimeno, Cristina et al. 2019. “Assessment of the Value of Information of Precision Livestock Farming: A Conceptual Framework.” NJAS – Wageningen Journal of Life Sciences 90–91.

Rolandi, Silvia, Gianluca Brunori, Manlio Bacco, and Ivano Scotti. 2021. “The Digitalization of Agriculture and Rural Areas: Towards a Taxonomy of the Impacts.” Sustainability (Switzerland) 13(9).

Rose, David Christian et al. 2021. “Agriculture 4.0: Making It Work for People, Production, and the Planet.” Land Use Policy 100.

Rose, David Christian, and Jason Chilvers. 2018. “Agriculture 4.0: Broadening Responsible Innovation in an Era of Smart Farming.” Frontiers in Sustainable Food Systems 2.

Roth, Steffen, Harry F. Dahms, Frank Welz, and Sandro Cattacin. 2019. “Print Theories of Computer Societies. Introduction to the Digital Transformation of Social Theory.” Technological Forecasting and Social Change 149.

Rotz, Sarah, Evan Gravely, et al. 2019. “Automated Pastures and the Digital Divide: How Agricultural Technologies Are Shaping Labour and Rural Communities.” Journal of Rural Studies 68: 112–22.

Rotz, Sarah, Emily Duncan, et al. 2019. “The Politics of Digital Agricultural Technologies: A Preliminary Review.” Sociologia Ruralis 59(2): 203–29.

Ryan, Mark et al. 2020. “The Ethical Balance of Using Smart Information Systems for Promoting the United Nations’ Sustainable Development Goals.” Sustainability (Switzerland) 12(12).

Schewe, Rebecca L., and Diana Stuart. 2015. “Diversity in Agricultural Technology Adoption: How Are Automatic Milking Systems Used and to What End?” Agriculture and Human Values 32(2): 199–213.

Schnebelin, Eleonore. 2021. “Linking the Diversity of Ecologisation Pathways to Farmers’ Digital Use Profiles.” To be published

Schnebelin, Éléonore, Pierre Labarthe, and Jean-Marc Touzard. 2021. “How Digitalisation Interacts with Ecologisation? Perspectives from Actors of the French Agricultural Innovation System.” Journal of Rural Studies. https://linkinghub.elsevier.com/retrieve/pii/S0743016721002205.

Shepherd, Mark, James A. Turner, Bruce Small, and David Wheeler. 2018. “Priorities for Science to Overcome Hurdles Thwarting the Full Promise of the ‘Digital Agriculture’ Revolution.” Journal of the Science of Food and Agriculture 100(14): 5083–92.

Sparrow, Robert, and Mark Howard. 2020. “Robots in Agriculture : Prospects , Impacts , Ethics , and Policy.” Precision Agriculture 22(September): 818–33. https://doi.org/10.1007/s11119-020-09757-9.

Stock, Ryan, and Maaz Gardezi. 2021. “Make Bloom and Let Wither: Biopolitics of Precision Agriculture at the Dawn of Surveillance Capitalism.” Geoforum 122: 193–203.

Stone, Glenn Davis, and Andrew Flachs. 2018. “The Ox Fall down: Path-Breaking and Technology Treadmills in Indian Cotton Agriculture.” Journal of Peasant Studies 45(7): 1272–96.

Tomlinson, Isobel. 2013. “Doubling Food Production to Feed the 9 Billion: A Critical Perspective on a Key Discourse of Food Security in the UK.” Journal of Rural Studies 29: 81–90.

Vasconez, Juan P., George A. Kantor, and Fernando A. Auat Cheein. 2019. “Human–Robot Interaction in Agriculture: A Survey and Current Challenges.” Biosystems Engineering 179: 35–48.

Vik, Jostein, Egil Petter Stræte, Bjørn Gunnar Hansen, and Torfinn Nærland. 2019. “The Political Robot – The Structural Consequences of Automated Milking Systems (AMS) in Norway.” NJAS – Wageningen Journal of Life Sciences 90–91.

Vinuesa, Ricardo et al. 2020. “The Role of Artificial Intelligence in Achieving the Sustainable Development Goals.” Nature Communications 11(1).

Visser, Oane, Sarah Ruth Sippel, and Louis Thiemann. 2021. “Imprecision Farming? Examining the (in)Accuracy and Risks of Digital Agriculture.” Journal of Rural Studies (July 2020). https://doi.org/10.1016/j.jrurstud.2021.07.024.

Whitfield, Stephen, Andrew Juan Challinor, and Robert M. Rees. 2018. “Frontiers in Climate Smart Food Systems: Outlining the Research Space.” Frontiers in Sustainable Food Systems 2.

Wiseman, Leanne, Jay Sanderson, Lachlan Robb. 2018. “Rethinking Ag data Ownership”. Farm Policy Journal, vol 15.

Wiseman, Leanne, Jay Sanderson, Airong Zhang, and Emma Jakku. 2019. “Farmers and Their Data: An Examination of Farmers’ Reluctance to Share Their Data through the Lens of the Laws Impacting Smart Farming.” NJAS – Wageningen Journal of Life Sciences 90–91.

Yu, Peter K. 2020. The Algorithmic Divide and Equality in the Age of Artificial Intelligence.

Zhang, Airong et al. 2021. “Who Will Benefit from Big Data? Farmers’ Perspective on Willingness to Share Farm Data.” Journal of Rural Studies. https://linkinghub.elsevier.com/retrieve/pii/S0743016721002308.

Partagez cet article !

Tu veux être notifié quand on publie un nouveau dossier ?

Les mythes de la précision, des données et des algorithmes

La rationalité algorithmique

Des technologies numériques adaptés à des systèmes agricoles encore trop peu diversifiés

Créer et anticiper de nouveaux imaginaires

Mettre des acteurs pluri-disciplinaires autour de la table

4 commentaires sur « Agriculture & Numérique : prenons-nous vraiment la bonne direction ? »

Laisser un commentaire Annuler la réponse