Les manières de produire en agriculture, état des lieux et controverses
Bibliographic record
Abstract
Les attentes vis-à-vis de l'agriculture se multiplient. Cette activité est censée produire plus de denrées alimentaires, et générer également des produits non alimentaires et des "services écosystémiques"1. Mais on attend aussi qu'elle "produise mieux" à travers une amélioration de la qualité des produits, et une diminution voire une suppression des impacts environnementaux et sociaux négatifs, nous conduisant ainsi vers une production plus durable; le tout dans un environnement mouvant sur le plan économique, mais aussi sur le plan environnemental, en particulier en raison du changement climatique. Cette tâche est doublement ardue. D'une part, parce que ces exigences doivent être traitées simultanément... et qu'à l'heure actuelle, on ne sait pas forcément le faire sur le plan technique. C'est tout l'enjeu de l'organisation et de la programmation de la recherche agronomique à l'échelle internationale que de tenter d'y parvenir à brève échéance. D'autre part, parce qu'il n'existe pas de consensus sur la hiérarchie entre ces objectifs. Le "cahier des charges de l'agriculture" peut être défini à l'échelle planétaire, mais chaque acteur ou groupe d'acteurs en a sa propre représentation à l'échelle locale. Par ailleurs, les organisations supranationales existantes comme l'ONU ou sa branche agricole, la FAO, n'ont pas les moyens d'orienter les agricultures du monde. Les manières de produire actuelles sont alors le triple fruit des histoires agricoles, des représentations des différents acteurs de ce que doit être l'agriculture et des moyens dont ils disposent pour les mettre en oeuvre. Comme l'a montré le chapitre 1, parler des agricultures du "Nord", comme de celles du "Sud", comme d'entités homogènes est réducteur. Il existe d'énormes différences dans les manières de produire du blé aux États-Unis, au Canada et en Europe; la riziculture chinoise est très différente de celle, elle-même diverse, des Philippines; les agricultures sud-américaines sont déjà en voie d'intensification très rapide, alors que les agricultures africaines ont encore devant elles de grandes marges d'intensification, le recours aux biotechnologies est de plus en plus massif dans les Amériques et en Chine, timide en Afrique et quasi absent en Europe, etc. Pour comprendre la diversité des manières de produire, il est néanmoins aisé et encore légitime de repartir d'une dichotomie Nord/Sud.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.006 | 0.002 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.000 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.002 | 0.002 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.002 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one teacher head, not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".