KrishokBondhu: A Retrieval-Augmented Voice-Based Agricultural Advisory Call Center for Bengali Farmers

Ce papier présente KrishokBondhu, un centre d'appels vocal basé sur l'IA générative augmentée par la récupération (RAG) conçu pour fournir des conseils agricoles experts en bengali aux agriculteurs du Bangladesh, démontrant lors d'une étude pilote une amélioration significative de la qualité et de la richesse contextuelle des réponses par rapport aux benchmarks existants.

L'essentiel

Imaginez un vieux fermier bengali, assis dans son champ sous un soleil de plomb. Il voit ses plantes jaunir, mais il ne sait pas pourquoi. Il ne parle pas anglais, il ne sait pas lire les gros manuels techniques, et le seul expert agricole de la région est à des heures de marche. C'est ici que KrishokBondhu (« L'ami du fermier ») entre en scène.

Voici l'histoire de ce projet, racontée simplement, comme si on buvait un thé ensemble.

📞 Le Concept : Un "Grand-Père Savant" dans votre poche

Imaginez que vous avez un ami très sage, un bibliothécaire qui a lu tous les livres d'agriculture du Bangladesh, mais qui ne parle que bengali et qui est toujours disponible au téléphone. C'est KrishokBondhu.

Au lieu de devoir aller à la bibliothèque ou d'attendre un expert, le fermier appelle un numéro de téléphone. Il pose sa question à voix haute, en bengali, avec son accent local. La machine écoute, comprend, cherche la réponse dans sa "mémoire" géante, et lui répond à voix haute, calmement et clairement.

🧠 Comment ça marche ? (L'analogie de la Cuisine)

Pour comprendre la technologie derrière, imaginez une cuisine très sophistiquée :

1. La Bibliothèque (Les Données) :
   Avant, les conseils agricoles étaient enfermés dans des livres poussiéreux, des PDF scannés et des manuels officiels. C'était comme avoir une bibliothèque remplie de livres, mais personne ne pouvait les ouvrir.

   • L'ingrédient secret : L'équipe a pris tous ces documents (des milliers de pages !) et les a transformés en texte numérique propre grâce à un scanner intelligent (OCR). C'est comme si on avait numérisé chaque page pour que l'ordinateur puisse les "lire".

2. Le Mémoriste (La Base de Données Vectorielle) :
   Maintenant, imaginez que cette bibliothèque a un assistant qui ne lit pas mot à mot, mais qui comprend le sens. Si vous cherchez "comment sauver une plante qui a des taches", il ne cherche pas juste le mot "tache", il comprend que vous parlez d'une maladie. Il va directement chercher les pages pertinentes dans les livres. C'est ce qu'on appelle la RAG (Génération Augmentée par Récupération).

3. Le Chef Cuisinier (L'Intelligence Artificielle) :
   Une fois que le mémoriste a trouvé les bonnes pages, il les passe à un "Chef Cuisinier" (une intelligence artificielle appelée Gemma). Ce chef ne se contente pas de copier-coller le texte. Il prend les informations, les mélange, et prépare une réponse adaptée à la situation du fermier. Il dit : "Voici pourquoi vos plantes sont malades, voici exactement quoi faire, et voici comment éviter que ça arrive la prochaine fois."

4. Le Messager (La Voix) :
   Enfin, le Chef Cuisinier donne sa recette au Messager (la synthèse vocale), qui la dit à voix haute en bengali naturel. Le fermier n'a rien à lire, il écoute juste.

🏆 Pourquoi c'est une révolution ? (Le Match)

Les chercheurs ont comparé KrishokBondhu à un système existant appelé KisanQRS. Voici la différence, avec une analogie simple :

• KisanQRS (L'ancien système) : C'est comme un médecin qui vous dit juste : "Prenez 2 comprimés." C'est court, technique, et ça ne vous explique pas pourquoi. C'est une réponse "ordonnance".
• KrishokBondhu (Le nouveau système) : C'est comme un médecin qui vous dit : "Prenez 2 comprimés, mais attention, ne les prenez pas avec du lait, et voici pourquoi votre plante a malade, et comment protéger votre champ la semaine prochaine." C'est une réponse complète et rassurante.

Les résultats sont impressionnants :

• KrishokBondhu a donné de très bonnes réponses dans 73% des cas.
• Il est 45% meilleur que l'ancien système.
• Surtout, il est 367% plus riche en contexte. Au lieu de donner juste un nom de maladie, il explique le contexte, la prévention et les solutions.

🌍 Pourquoi c'est important pour tout le monde ?

Au Bangladesh, beaucoup de fermiers ne savent pas bien lire ou n'ont pas accès à internet. Ils ont un téléphone, c'est tout.

• Barrière de la langue : Le système parle leur langue, avec leurs mots, pas avec un jargon scientifique incompréhensible.
• Barrière de l'alphabétisation : Pas besoin de savoir lire. On parle, on écoute.
• Fiabilité : Contrairement aux robots qui inventent des choses (ce qu'on appelle les "hallucinations" en IA), KrishokBondhu s'appuie sur des livres officiels. Il ne ment pas, il cite ses sources.

En résumé

KrishokBondhu, c'est comme donner un super-pouvoir à un téléphone basique : transformer un simple appel téléphonique en une consultation avec le meilleur expert agricole du pays, disponible 24h/24, qui parle votre langue et qui vous explique tout simplement comment sauver votre récolte.

C'est la preuve que l'intelligence artificielle la plus avancée peut servir à aider les gens les plus modestes, tant qu'on la construit avec empathie et en utilisant les outils adaptés à leur réalité.

Résumé technique

Voici un résumé technique détaillé du papier de recherche « KrishokBondhu : Un centre d'appels de conseil agricole basé sur la voix et l'augmentation par la récupération (RAG) pour les agriculteurs bengalis », rédigé en français.

1. Problématique

L'agriculture est un pilier de l'économie du Bangladesh (environ 35 à 45 % de l'emploi), mais les agriculteurs, en particulier dans les zones rurales et reculées, font face à des défis majeurs :

• Accès limité à l'expertise : Les services de vulgarisation traditionnels sont saturés et ne peuvent fournir un soutien en temps réel.
• Barrières linguistiques et d'alphabétisation : Une grande partie des connaissances agricoles est disponible en anglais ou dans un bengali technique, inaccessibles aux agriculteurs peu alphabétisés.
• Limites des LLM génériques : L'utilisation de modèles de langage (LLM) standards sans ancrage dans des données locales conduit souvent à des « hallucinations » ou des conseils vagues, ne tenant pas compte des variétés de cultures spécifiques, des cycles de ravageurs régionaux ou des conditions du sol.
• Absence de benchmarks : Il n'existe pas de benchmarks standardisés pour les questions-réponses agricoles en bengali.

2. Méthodologie et Architecture du Système

Le système KrishokBondhu (« L'ami de l'agriculteur ») est une plateforme de conseil vocal intégrée à un centre d'appels, reposant sur une architecture RAG (Retrieval-Augmented Generation).

A. Collecte et Traitement des Données

• Sources de connaissances : Le système s'appuie sur une base de données autoritaire compilant environ 2 500 pages de documents provenant d'organisations gouvernementales et non gouvernementales (ex: Krishi Projukti Haat-boi, manuels du BARC, du DAE, manuels scolaires, etc.).
• Pipeline OCR et Nettoyage : Un pipeline robuste traite des documents hétérogènes (PDF structurés et images scannées de mauvaise qualité). Il inclut l'amélioration d'image, la correction d'OCR spécifique au bengali, la normalisation Unicode et la segmentation du texte en segments sémantiques cohérents (150-300 tokens) enrichis de métadonnées.

B. Architecture Technique

1. Base de données vectorielle : Les segments de texte sont encodés à l'aide d'un modèle sentence-transformer et stockés dans LanceDB pour permettre une recherche de voisins les plus proches (approximative) basée sur la similarité cosinus.
2. Moteur de RAG :
   • Récupération : Lors d'une requête, le système recherche les segments les plus pertinents. Une couche de ré-ranking légère combine la similarité sémantique et le filtrage par métadonnées.
   • Génération : Un modèle de langage local, Gemma 3-4B, génère la réponse en s'appuyant strictement sur le contexte récupéré. Les paramètres d'échantillonnage sont conservateurs pour garantir la cohérence et la fiabilité.
3. Interface Vocale (VAPI) :
   • Le système utilise VAPI pour gérer la conversion Parole-Texte (STT) et Texte-Parole (TTS) en bengali.
   • L'architecture client-serveur permet aux agriculteurs d'appeler un numéro de téléphone, de poser une question vocale, et de recevoir une réponse vocale naturelle, éliminant ainsi la barrière de l'alphabétisation.

3. Contributions Clés

1. Base de connaissances agricole du Bangladesh : Création d'une base de données structurée à partir de documents officiels, transformée en segments de texte prêts pour la récupération via un pipeline OCR/Nettoyage adapté.
2. Système RAG vocal end-to-end : Intégration réussie de la recherche sémantique (LanceDB), d'un LLM (Gemma 3-4B) et de modules STT/TTS en bengali pour une interaction téléphonique naturelle.
3. Cadre d'évaluation pratique : Développement d'une méthodologie d'évaluation adaptée aux contextes à ressources limitées, comparant les réponses du système à celles du benchmark KisanQRS et évaluées par des experts agricoles.

4. Résultats et Évaluation

Une évaluation pilote a été menée sur un ensemble de questions variées (gestion des cultures, maladies, pratiques culturales).

• Performance globale : Le système a produit des réponses de haute qualité pour 72,7 % des requêtes. Les réponses de qualité modérée (9,1 %) ou faible (18,2 %) étaient souvent liées à des sujets sous-représentés dans la base de connaissances.
• Comparaison avec KisanQRS (Benchmark) :
  • Score global : KrishokBondhu a obtenu un score moyen de 4,53/5, contre 3,13/5 pour KisanQRS, soit une amélioration de 44,7 %.
  • Enrichissement contextuel : Gain spectaculaire de +367 % dans la richesse contextuelle.
  • Exhaustivité : Gain de +100,4 % dans l'exhaustivité des réponses.
  • Longueur et contenu : Les réponses de KrishokBondhu sont en moyenne 7,9 fois plus longues (692 caractères vs 87 caractères) et incluent systématiquement des explications de causes, des mesures de prévention et des références d'experts, contrairement aux réponses courtes et prescriptives de KisanQRS.
• Corrélation Sémantique : Une forte corrélation positive a été observée entre la similarité sémantique des documents récupérés et la qualité de la réponse finale, confirmant l'importance de l'ancrage factuel.

5. Signification et Conclusion

KrishokBondhu démontre la faisabilité de déployer des systèmes d'IA avancés dans des environnements à faibles ressources pour des applications critiques comme l'agriculture.

• Impact Social : En utilisant une interface vocale en langue locale, le système rend l'expertise agricole accessible aux agriculteurs analphabètes ou peu alphabétisés.
• Innovation Technique : Il prouve que l'architecture RAG, lorsqu'elle est ancrée dans des documents officiels locaux, peut surmonter les limites des LLM génériques (hallucinations, manque de contexte) pour fournir des conseils précis et actionnables.
• Perspectives Futures : Les auteurs prévoient d'étendre la couverture documentaire, d'intégrer des signaux contextuels en temps réel (météo, prix du marché) et d'explorer l'adaptation de modèles spécifiques au domaine.

Ce travail ouvre la voie à un écosystème de conseil agricole entièrement piloté par l'IA au Bangladesh, combinant accessibilité, interaction multilingue et rigueur scientifique.