[Thèse soutenue] Hugo Deléglise: Mise en relation de données hétérogènes pour le renforcement des systèmes de sécurité alimentaire. Cas de la production agricole en Afrique de l’Ouest

Mise en relation de données hétérogènes pour le renforcement des systèmes de sécurité alimentaire. Cas de la production agricole en Afrique de l’Ouest

Sujet de thèse cofinancée par #DigitAg

Je m’appelle Hugo Deléglise. Après une licence en mathématiques fondamentales à la faculté des sciences de Montpellier, j’ai obtenu un master MIASHS (Mathématiques et Informatique Appliquées aux Sciences Humaines et Sociales) à la faculté de lettres de Montpellier. Durant mes 2 années de master, j’ai effectué 2 stages à l’Ird sur le sujet : « Optimisation de la collecte, de la gestion et du traitement de données collectées dans le cadre d’un projet de recherche opérationnelle sur l’onchocercose ». Ces dernières années d’études et ce stage dans la recherche m’ont conforté dans l’envie d’utiliser mes connaissances méthodologiques et techniques pour répondre à des problématiques concrètes de développement.

• Date de démarrage : Octobre 2018
• Université : Université de Montpellier
• Ecole doctorale : I2S – Information, Structures, Systèmes
• Discipline / Spécialité : Informatique
• Directeur(s) de thèse : Agnès Bégué, Mathieu Roche (Cirad, Tetis) et Maguelonne Teisseire (Inrae,Tetis)
• Financement : #DigitAg – Cirad
• #DigitAg : Thèse cofinancée – Axe 5–  Challenge 8

 Mots-clés : Sécurité alimentaire, données hétérogènes, intelligence artificielle, agriculture, Afrique de l’Ouest

Résumé : Les progrès dans la lutte contre la faim ont été significatifs au Burkina Faso entre 2000 et 2014 avant que la situation alimentaire ne se détériore à nouveau. L’objectif de cette thèse est de fournir un cadre innovant pour l’estimation d’indicateurs de sécurité alimentaire (SA) en utilisant des données hétérogènes, afin d’appuyer les systèmes de suivi, d’analyse et d’alerte de la SA existants. Pour y répondre, cette thèse propose trois contributions, chacune centrée sur un type de données spécifique : les indicateurs de SA issus d’enquêtes ménages, les données environnementales et socio-économiques (e.g., séries temporelles climatiques, prix des marchés, images d’occupation des sols) pour estimer la SA de manière numérique. Enfin, nous examinons des données textuelles pour estimer la SA de manière qualitative. Des cadres méthodologiques fondés sur l’intégration et la combinaison d’approches de fouille de données et d’apprentissage automatique et profond sont proposés pour le traitement des données hétérogènes en considérant leurs dimensions spatio-temporelles et thématiques. Nos résultats indiquent le potentiel des nouvelles méthodes de science des données dans le contexte de la SA et pavent la voie à de futurs travaux.

Composition du jury 

Josiane Mothe, Professeur, Université de Toulouse. Rapporteure
Stan Matwin, Professeur, Dalhousie University, Canada. Rapporteur
Pierre Gançarski, Professeur, Université de Strasbourg. Examinateur
Isabelle Mougenot, Maître de conférences, Université de Montpellier. Invitée
Mathieu Roche, Chercheur HDR, CIRAD – UMR TETIS. Directeur
Maguelonne Teisseire, Directrice de Recherche, INRAE – UMR TETIS. Co-Directrice
Elodie Maître d’Hôtel, Chercheuse HDR, CIRAD – UMR MOISA. Encadrante
Roberto Interdonato, Chercheur, CIRAD – UMR TETIS. Encadrant principal
Agnès Bégué, Chercheuse HDR, CIRAD – UMR TETIS. Encadrante

Télécharger le mémoire de thèse

Contact:  agnes.begue [AT]cirad.fr