Changements techniques et dynamique d’innovation agricole en Afrique Sahelienne: le cas du Zaï mécanisé au Burkina Faso et de l’introduction d’une cactée en Ethiopie
Notice bibliographique
Résumé
En Afrique, 45% du territoire est situé dans des régions où l’agriculture pluviale est fragilisée par les sécheresses récurrentes. Au Burkina Faso, la dégradation des sols peut être limitée grâce à la technique du Zaï, technique manuelle traditionnelle très exigeante en main d’œuvre (300h/ha). La mécanisation de l'opération permet de passer à 40h/ha. L’amélioration de la technique touche aujourd’hui plusieurs centaines de fermes et d’artisans dans une vingtaine de villages du nord du Burkina Faso. Une cactée (Opuntia ficus-indica Mill) originaire du Mexique a été introduite accidentellement il y a moins de 20 ans en dans la province aride du Tigray au le nord de l’Ethiopie. Dans un délai très court, des modes de culture, d’utilisation et de transformation des différents produits de Opuntia ont fait l’objet d’améliorations techniques permettant d’améliorer l’alimentation humaine et animale et les revenus en période de soudure (juillet-septembre). Ces progrès ont été, au départ, initiés par la recherche agricole locale mais une rapide montée en puissance a été opérée grâce à une collaboration multi acteurs impliquant notamment les utilisateurs de ces techniques notamment les agriculteurs eux mêmes. Les deux expériences ont été présentées à la conférence AIDA : « Agricultural Innovation in Dryland Africa » (http://inco-aida.cirad.fr ) tenue à Accra (Ghana), 22-24 janvier 2007, qui a permis un premier inventaire d’études de cas d’amélioration agricole en Afrique sahélienne. Le principal enseignement de la conférence, illustré par ces deux études de cas, est que dans les conditions d’une grande variabilité spatiale et temporelle des facteurs environnementaux et humains, l’innovation agricole est un processus dynamique, complexe et interactif, en rupture avec les démarches linéaires de transfert de technologie majoritairement pratiqués depuis 40 ans. Les méthodes et les approches qui permettent d’intégrer cette complexité sont aujourd’hui au centre des débats afin de permettre l’appropriation par les acteurs donc accroitre l’impact des améliorations technologiques et leur pérennisation dans des contextes où les marges de manœuvre économique et climatiques sont très réduites.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».