Savoir combien de maïs on va récolter, c'est une première victoire. Savoir combien de tomates seront achetées demain sur le marché de Cotonou, c'en est une autre. Entre la prédiction de l'offre et la prévision de la demande, il n'y a qu'un pas, et les algorithmes le franchissent.
Un paradoxe révoltant
1,3 milliard de tonnes de nourriture sont jetées chaque année (FAO, 2011), soit l'équivalent de toute la production alimentaire de l'Afrique subsaharienne. Pendant ce temps, 733 millions de personnes souffrent de la faim (FAO, 2023).
Ce paradoxe n'est pas une fatalité. C'est en grande partie un problème d'optimisation mathématique mal résolu.
Au Bénin, les pertes post-récolte de tomates atteignent 30 à 60 %, non par négligence, mais par absence d'infrastructures froides et d'outils de prévision de la demande.
Prévoir pour ne pas jeter
Comment savoir combien produire si on ne sait pas combien sera consommé ? C'est précisément ce que résolvent les algorithmes de prévision :
- les modèles de Holt-Winters, pour capturer la saisonnalité ;
- les forêts aléatoires, qui intègrent météo, événements locaux et historique de consommation ;
- le modèle du vendeur de journaux (newsvendor), pour optimiser les commandes en situation d'incertitude.
Walmart indique avoir fortement réduit son gaspillage alimentaire en déployant des modèles de type XGBoost sur ses produits frais.
Une idée pour le Bénin
Une plateforme de mise en relation entre producteurs et commerçants, avec prévision de la demande sur les marchés de Cotonou, Bohicon et Parakou, suffirait à économiser des milliers de tonnes de nourriture chaque année.
Le problème n'est pas la technologie. C'est la volonté de la mettre en œuvre.
Pour aller plus loin : le document completPDF · 10 pages · sources et détails techniquesTélécharger
