L’informatique décisionnelle appliquée à l’agriculture.

IV. Utiliser le big data pour créer de la valeur partagée

Nous restons ici dans l'utilisation courante du numérique et des réseaux sociaux, d'autres pratiques plus innovantes sont introduites notamment par le Big Data. Il s'agit d'offrir gratuitement des services à un client à condition de récupérer des données via ce client.

La quantité et la qualité des informations agricoles sur le web et les réseaux sociaux présentent surement un intérêt stratégique pour les organismes agricoles et ces dernières vont certainement saisir cette opportunité pour exploiter cette masse de données.

Aujourd'hui par simple recherche dans un moteur de recherche nous pouvons accéder à une mine de données agricoles sur le web (site internet, site d'information spécialisée) et sur les réseaux sociaux. Il existe sur Instagram des groupes de coopératives qui postent régulièrement des informations sur leurs exploitations accessible à tous, certain de ces groupes sont privés (cas du compte Instagram la coopérative CEREPY).

Les informations postées sur les réseaux sont des photos qui permettent de s'informer rapidement sur des anomalies constatées et anticiper éventuellement une attaque parasitaire ou déterminer si une adventice est bénéfique ou nuisible sur la base des retours d'expériences de techniciens et d'agriculteurs de son réseau.

En plus des données sur le web et les réseaux sociaux, il faut noter que les organismes agricoles disposent déjà de masse de données sur leurs clients et adhérents. Ces données s'ils arrivent à les exploiter correctement vont sans doute conduire à la création de valeur essentielle au développement des entreprises agricoles.

C'est pourquoi, les entreprises agricoles utiliseront sans aucun doute les nouveaux outils de traitement de données tels que le Big data et la BI pour affiner leur connaissance du marché pour adapter de façons cibler et personnaliser leurs offres.

56

Ainsi, on peut constater aujourd'hui l'engouement du secteur agricole pour les métiers de responsable markéting, d'animateur de communauté et on envisage bientôt dans les années à venir un recrutement en masse de « data scientist » responsable de l'analyse de données massives¹.

D'une part, l'exploitation des données du Big Data s'orientera vers la création de valeur bénéfique aux clients de l'entreprise en permettant de lui proposer des services qui sont mieux adaptés à ses besoins. Cette utilisation des données récoltées permet aussi à l'entreprise de sortir gagnante grâce aux économies qu'elle génère.

Par exemple, « une laiterie qui, grâce au traitement instantané des données de productions de ses éleveurs, ajuste en temps réel l'organisation de ses tournées de ramassage de lait, optimise au maximum le remplissage de ses camions et réalise de substantielles économies » 2.

Dans ce cas de figure, la laiterie grâce à la connaissance anticipée sur l'état de la production de ses éleveurs, va optimiser la chaine de production afin de planifier efficacement la collecte du lait, adapter les traitements en usine et optimiser le rendement. Ce qui permettra à l'entreprise de maitriser ses couts de fonctionnement et faire des économies substantielles.

Nous pouvons facilement imaginer la valeur que peut créer une coopérative agricole, grâce à l'analyse des habitudes d'achats de ses adhérents en produits de traitement de cultures (pesticides etc.). Sur la base de cette seule connaissance, la coopérative est en mesure de déterminer de manière fine les stratégies de ses adhérents en termes de protection des cultures.

Imaginons encore que les données précédentes puissent être croisées avec des données des cartes pédologiques (données scientifiques sur la formation des sols), couplées avec les cartes bioclimatiques (données scientifiques sur la composition de l'atmosphère et le type de climat).

1. Adventice (accélérateur numérique pour l'entreprise), www.adventiel.com : Carrière / offres d'emploi.

2. « Vers un big bang agricole ? » Jean-Marie Séronie, Editions France Agricole 2016

Lorsqu'un organisme agricole détient les informations sur le type de produit acheté par son client, sur quel type de sol et dans quel type de climat ce produit est utilisé par l'agriculteur ; le croisement de ses données va accroitre de façon significative la capacité d'analyse plus précise et permettre à l'organisme agricole de prodiguer des conseils plus affinés et personnalisés pour ses clients. Il crée ainsi de la valeur par la personnalisation et la précision du conseil.