Résumé:
En Algérie, la pomme de terre est la principale source d’amidon non céréalière dont la production à atteint plus de 5 millions de tonnes en 2019. Cette culture est sous la menace permanente du mildiou, causé par Phytophtora. Infestans qui a engendré des pertes très dommageables aux agriculteurs, sans omettre les cycles épidémiques déjà enregistrés. Même avec le développement des méthodes de lutte en pathologie végétale, cette maladie est toujours difficile à contrôler, notamment en conditions pédoclimatiques favorables, telles que les conditions de sa culture dans les régions algériennes. Les techniques de diagnostic classiques, avec l’application de fongicides chimiques, sont les moyens prépondérants dans les stratégies de lutte, mais leur efficacité est relative avec la précision du diagnostic symptomatologique précoce et en temps opportun. L’objectif de notre travail est d’apporter notre contribution, en exploitant les symptômes typiques du mildiou de la pomme de terre pour développer un outil informatisé d’aide à la décision. En collaboration avec le département d’informatique, nous avons élaboré un outil d’aide au diagnostic qui permet un diagnostic plus rapide et précoce des premiers foyers d’infection, en saisissant des données, sous forme d’images numériques de symptômes typiques en temps réel, accompagnées par des données météorologiques. La comparaison entre les outils et WEKA a révélé que l’outil « Image and Data Prediction » présente des performances aussi fiables et efficaces qu’avec l’outil GNU WEKA pour la plupart des modèles entrainés. En effet, cet outil a permis de diagnostiquer tous les niveaux d’infection, y-compris les premiers foyers d’infection avec la meilleure précision enregistrée pour le modèle arbre de décision (97,5%), et la plus mauvaise précision pour le modèle réseau bayésien naïf (15%). Donc, le diagnostic précoce et la mise en place de dispositifs de veille sont actuellement des éléments incontournables pour la maitrise et le contrôle de cette pathologie végétale. Les résultats de ce travail certainement nécessitent plus d’approfondissement, d’entrainement et de reproductibilité, néanmoins sont des atouts qui s’intègrent dans les conduites agronomiques modernes, favorisant des pratiques agricoles, notamment en termes de diagnostic et de lutte d’une agriculture raisonnée, et de précision avec des percepts de l’intelligence artificielle
