Generative AI and Agricultural Productivity: Evidence from Peanut Farmers in China

Dans de nombreuses parties du monde, l'agriculture est une négociation constante avec l'incertitude. Un agriculteur doit décider quand planter, quelle quantité d'eau donner et que faire lorsqu'une feuille jaunit, souvent sans avoir accès à un expert debout juste à ses côtés. Pendant des décennies, la solution a été de s'appuyer sur l'expérience locale, les voisins ou les agents de vulgarisation gouvernementaux qui voyagent de village en village. Ces canaux fournissent des connaissances vitales, mais ils sont souvent lents, coûteux à déployer à grande échelle ou trop génériques pour s'adapter aux conditions spécifiques d'un seul champ. Ces dernières années, les téléphones portables et Internet ont commencé à combler cette lacune, offrant un accès instantané aux rapports météorologiques et aux prix du marché. Pourtant, une nouvelle question a émergé : l'intelligence artificielle peut-elle faire plus que simplement délivrer des faits statiques ? Un programme informatique peut-il réellement converser avec un agriculteur, comprendre le problème unique d'une culture spécifique et offrir des conseils qui semblent provenir d'un expert chevronné ? C'est la promesse de l'intelligence artificielle générative, une technologie capable de créer des réponses nouvelles et sur mesure plutôt que de simplement récupérer des réponses préécrites. Si cette technologie peut véritablement abaisser la barrière de l'accès aux conseils d'experts, elle pourrait transformer la façon dont les petits exploitants gèrent leurs terres, transformant potentiellement l'incertitude en opportunité.

Une équipe de chercheurs de l'Université agricole de Nanjing s'est donné pour mission de tester cette promesse dans le monde réel, en se concentrant sur les producteurs d'arachides dans six provinces de Chine. Ils ont recueilli des données auprès de 977 ménages en 2025, une année qui a marqué un moment significatif pour cette technologie dans l'agriculture. Les chercheurs voulaient savoir si l'utilisation d'outils d'IA générative — des applications capables de discuter avec les utilisateurs et de générer des conseils — changeait réellement la quantité de terres plantées par les agriculteurs, leur récolte et l'efficacité de l'utilisation de leurs ressources. Pour obtenir une réponse claire, ils ont dû être prudents. Les agriculteurs qui choisissent d'utiliser de nouvelles technologies sont souvent différents de ceux qui ne le font pas ; ils peuvent être plus instruits, posséder de meilleures terres ou simplement être plus enclins à prendre des risques. Les chercheurs ont utilisé une méthode statistique sophistiquée pour séparer l'effet de la technologie elle-même de ces autres facteurs, garantissant que toute amélioration constatée était véritablement liée à l'utilisation de l'IA.

Les résultats étaient encourageants, mais spécifiques. Les agriculteurs utilisant l'IA générative pour leurs cultures d'arachides ont planté des surfaces nettement plus vastes et ont obtenu un rendement par unité de surface plus élevé que ceux qui ne l'utilisaient pas. En moyenne, les utilisateurs ont vu leur production d'arachides augmenter, et ils se sont sentis suffisamment confiants pour étendre leur zone de plantation. Cependant, la technologie ne semble pas avoir modifié l'efficacité fondamentale de l'exploitation dans un sens plus large. Lorsque les chercheurs ont calculé la productivité globale des facteurs — une mesure de la capacité d'une exploitation à convertir tous ses intrants, comme le travail et l'engrais, en production — ils n'ont trouvé aucune différence significative entre les utilisateurs et les non-utilisateurs. Cela suggère que, si l'IA a aidé les agriculteurs à prendre de meilleures décisions immédiates, elle n'a pas encore révolutionné l'ensemble du système de production ni changé la technologie sous-jacente de la culture des arachides.

L'étude a approfondi la question pour comprendre pourquoi ces gains se produisaient. Le principal avantage semblait provenir d'une meilleure gestion des ravageurs et des maladies. Les agriculteurs utilisant l'IA pouvaient identifier les problèmes de leurs cultures beaucoup plus rapidement et plus précisément. Au lieu d'attendre qu'un voisin remarque une nielle ou de deviner la cause du flétrissement des feuilles, ils pouvaient consulter l'IA, qui les aidait à diagnostiquer le problème et à appliquer le traitement approprié plus tôt. Cette rapidité et cette précision ont réduit la quantité de récoltes perdues à cause des maladies. De plus, la technologie a aidé les agriculteurs à utiliser leur main-d'œuvre plus efficacement. En prenant en charge le travail mental de recherche d'informations et de planification des tâches, l'IA a libéré du temps pour que les agriculteurs puissent se concentrer sur le travail physique dans les champs. L'étude a constaté que ces améliorations étaient concentrées dans le domaine de la lutte antiparasitaire ; l'IA n'a pas modifié de manière significative la façon dont les agriculteurs adoptaient de nouvelles variétés de semences, de nouveaux engrais ou de nouvelles machines de récolte. La technologie se révélait la plus utile pour les décisions quotidiennes et récurrentes qui nécessitent des réponses rapides et localisées.

Tous les agriculteurs n'ont pas bénéficié de la même manière. L'étude a révélé que les avantages de l'IA générative n'étaient pas automatiques ; ils dépendaient fortement des compétences et de la situation de l'agriculteur. Les gains de rendement étaient plus prononcés chez les agriculteurs possédant déjà un niveau de littératie numérique plus élevé, c'est-à-dire qu'ils étaient à l'aise avec les smartphones et la navigation dans les outils numériques. Cela aidait également ceux qui avaient précédemment suivi une formation technique ou échangé des connaissances avec d'autres agriculteurs. Ces groupes étaient mieux équipés pour poser les bonnes questions et interpréter les conseils de l'IA en actions concrètes. En outre, les bénéfices étaient plus clairs pour les agriculteurs disposant de parcelles de terre plus grandes et moins fragmentées. Pour les agriculteurs ayant de nombreuses petites pièces de terre éparpillées, la technologie n'a pas produit le même élan de rendement, suggérant que l'échelle de l'exploitation compte lorsqu'on tente de traduire une meilleure information en de meilleurs résultats.

Au-delà des champs, les chercheurs ont examiné l'impact économique sur les ménages. L'augmentation du rendement et des surfaces plantées s'est traduite directement par des revenus plus élevés pour les familles utilisant la technologie. Curieusement, l'IA ne semblait pas modifier les dépenses en engrais ou en pesticides, ni le prix auquel elles vendaient leurs arachides. La valeur provenait purement du fait de cultiver davantage et de perdre moins à cause des maladies. En regardant vers l'avenir, les agriculteurs utilisant l'IA ont exprimé un fort désir de continuer à l'utiliser, particulièrement pour des tâches fréquentes, comme le choix des semences, la gestion de l'eau et la surveillance des ravageurs. Ils étaient moins enthousiastes à l'idée de l'utiliser pour des décisions majeures et ponctuelles, comme l'achat de machines lourdes ou le traitement de la récolte après la collecte du produit. Cela suggère que les agriculteurs voient la technologie comme un assistant puissant pour le rythme quotidien de l'agriculture, plutôt que comme un remplacement des investissements de capital majeurs.

Les conclusions offrent un portrait clair de la position actuelle de cette technologie. L'intelligence artificielle générative n'est pas une baguette magique qui résout instantanément tous les problèmes agricoles ou transforme complètement la production alimentaire. Au contraire, elle agit comme un outil de soutien à la décision hautement efficace qui comble une lacune critique : le besoin de conseils opportuns et localisés. En aidant les agriculteurs à détecter les problèmes tôt et à mieux gérer leur main-d'œuvre, elle peut augmenter la production et les revenus, mais seulement si les agriculteurs possèdent les compétences pour l'utiliser et la structure foncière pour la soutenir. L'étude suggère que l'avenir de la technologie agricole ne réside pas seulement dans la création d'algorithmes plus intelligents, mais dans l'association de ces derniers avec l'éducation humaine et de meilleures infrastructures. Si les agriculteurs peuvent apprendre à travailler efficacement avec ces nouveaux outils numériques, et si les terres qu'ils cultivent sont organisées de manière à permettre une gestion efficace, alors l'IA générative pourrait devenir une partie standard de la boîte à outils des petits exploitants, transformant l'information, d'une ressource rare, en un allié fiable.