RESILISENSE : IDENTIFICATEURS SATELLITAIRES OBSERVABLES DE LA RÉSILIENCE DES PETITS EXPLOITANTS AGRICOLES
La résilience est devenue une priorité absolue dans les travaux de l'IITA et de l'ensemble des centres du CGIAR, mais elle reste l'un des résultats les plus difficiles à mesurer. Les systèmes de suivi, d'évaluation, d'apprentissage et d'évaluation d'impact (MELIA) collectent rarement des données sur la résilience, et lorsqu'ils le font, celles-ci sont fragmentées et recueillies au niveau de projets spécifiques, ce qui limite l'apprentissage inter-projets et affaiblit la redevabilité tant ascendante que descendante. ResiliSense, développé et hébergé au sein du programme de résilience et d'adaptation au changement climatique (RCA) de l'IITA à Nairobi, comble cette lacune : il intègre les données de suivi que les programmes collectent déjà aux avancées de la télédétection et de l'apprentissage automatique pour générer des perspectives sur la résilience aux niveaux des projets, des programmes et des pays. Ce faisant, il établit un pont entre les interventions ciblées au niveau des ménages et la vision globale à l'échelle des paysages.
L'ÉCART DE MESURE
UNE APPROCHE ANCRÉE DANS LES ENQUÊTES ET ASSISTÉE PAR SATELLITE
COMMENT FONCTIONNE RESILISENSE
ResiliSense suit cinq étapes. Elle commence par l'importation et l'analyse syntaxique des données d'enquête MELIA existantes dans une base de données de questions structurée. Un moteur de correspondance croisée associe ensuite chaque question à la bibliothèque d'indicateurs SHARP+ à travers ses domaines économique, social, environnemental, de gouvernance et spatial, en attribuant à chaque correspondance un score de confiance et en acheminant les correspondances incertaines vers un examen par des experts. Une analyse des lacunes s'ensuit, identifiant quelles dimensions de la résilience ne sont pas couvertes par l'enquête et, lorsque des proxys validés existent, en intégrant des observations de la terre multi-sources : imagerie radar Sentinel-1 et optique Sentinel-2, incluant les indices de végétation NDVI, NDMI et NDRE, ainsi que les données de précipitations CHIRPS, la réanalyse climatique ERA5-Land et les données de terrain SRTM, chacune étant étalonnée par rapport à des ensembles de données de référence nationaux. L'outil agrège ensuite les indicateurs disponibles en un score de résilience au niveau des ménages, la confiance par indicateur, les sources de données et les lacunes signalées étant toutes rendues transparentes. Enfin, ResiliSense soutient l'apprentissage et la mise à l'échelle : il conseille sur la manière dont les futures enquêtes peuvent être conçues pour combler les lacunes, et il entraîne des modèles d'apprentissage automatique pour étendre les estimations de résilience aux zones non enquêtées, produisant des cartes permettant de suivre la résilience au fil du temps. L'extraction, l'ingestion, l'inférence et la visualisation sont automatisées par le biais de la Farm Intelligence Platform du programme, de sorte qu'un ensemble de données agnostique en matière de résilience peut être transformé en un rapport de score de résilience avec une transparence sur la couverture et la confiance.