🔒 Canevas de propositions de collaboration – Projet Licence Agriculture & RAG

Partenaires : Votre université / ferme-école + Telesourcia (annotation & data)

1. Contexte

• Déploiement d’une Licence Agricole à Madagascar (L1–L3).
• Intégration d’un chatbot multirag (WhatsApp/App mobile) pour l’apprentissage et le support des étudiants.
• Besoin de datasets annotés (images de plantes, sols, maladies, pratiques locales) pour l’agriculture tropicale/malgache.

2. Objectifs communs

• Construire une base de données agronomique locale (maraîchage, sols, ravageurs, biocontrôle).
• Mettre en place un processus d’annotation et d’enrichissement continu.
• Renforcer la formation des étudiants en combinant chatbot + encadrement + pratique terrain.
• Développer un pôle malgache de compétence en data agricole, valorisable à l’échelle régionale (Afrique de l’Est / Océan Indien).

3. Axes de collaboration proposés

A. Annotation & Data Management

• Annotation d’images de plantes/maladies locales (tomate, oignon, chou, salade, etc.).
• Structuration des fiches agronomiques (plante, sol, irrigation, ravageur, solution).
• Traduction/annotation FR ⇄ MG pour renforcer l’accessibilité.
• Gestion des workflows Human-in-the-Loop (quand le chatbot n’a pas assez de données, envoi vers annotation).

B. Formation & Capacitation

• Stages étudiants L1/L2 intégrés dans l’équipe d’annotation (formation croisée).
• Co-développement d’un module “Annotation et IA pour l’agriculture” dans la Licence.
• Création d’un laboratoire pilote de traitement de données agricoles (images + textes).

C. Déploiement technique

• Hébergement partagé des datasets annotés (serveurs sécurisés de Telesourcia + cloud académique).
• Mise en place d’API pour connecter le chatbot aux datasets enrichis.
• Tests continus avec étudiants/fermes pilotes pour valider la pertinence des annotations.

D. Gouvernance & Valorisation

• Comité mixte (Université + Telesourcia) pour piloter la qualité des données.
• Possibilité de co-publier des recherches (agronomie + IA).
• Valorisation économique : offrir à terme un service régional de diagnostic agricole automatisé.

4. Proposition de phasage

1. Phase 1 (3 mois) : cadrage + annotation pilote (500 images, 50 fiches textes).
2. Phase 2 (6 mois) : intégration chatbot + boucle Human-in-the-Loop avec étudiants.
3. Phase 3 (12 mois) : montée en échelle → 5 000 images annotées + 500 fiches enrichies.
4. Phase 4 (après 18 mois) : ouverture vers d’autres cultures / zones agroécologiques de Madagascar.

5. Bénéfices pour chaque partie

• Université : accès à un dataset local de qualité, apprentissage innovant pour les étudiants, visibilité académique.
• Telesourcia : diversification vers l’agrotech, visibilité dans l’écosystème IA/agriculture, nouveaux marchés régionaux.
• Étudiants : apprentissage hybride + immersion dans le traitement de données réelles.