Dans le monde moderne de l'agriculture et de la production alimentaire, les entreprises génèrent de vastes quantités d'enregistrements numériques. Chaque fois qu'un capteur mesure la température d'un réservoir de lait, qu'un ordinateur enregistre le poids d'une récolte ou qu'un système suit le mouvement d'une expédition, une entrée numérique est créée. Pendant des décennies, l'hypothèse a été que ces enregistrements numériques étaient la même chose que des preuves. Si un ordinateur disait qu'une vache avait été nourrie, la logique voulait que la vache ait été nourrie. Cependant, une nouvelle étude remet en question cette équation simple. Elle soutient que posséder un enregistrement numérique n'est pas la même chose que posséder une affirmation vérifiable. Ce n'est pas parce qu'un chiffre existe sur un écran qu'un observateur indépendant peut examiner les événements originaux, suivre les étapes de calcul effectuées et confirmer que le résultat est vrai. Cette distinction est cruciale pour quiconque dépend des entreprises agroalimentaires pour garantir leur honnêteté concernant leur qualité, leur durabilité ou leur efficacité. Si une entreprise affirme que ses systèmes numériques ont amélioré la santé de son bétail ou la durabilité de ses processus, cette affirmation doit être étayée par une chaîne de preuves qui peut être reconstruite de toutes pièces, et non simplement par un chiffre final sur un tableau de bord.

Les chercheurs Oksana Makovoz et Sergii Lysenko ont entrepris d'étudier précisément la solidité de cette chaîne de preuves dans le monde réel. Ils se sont concentrés sur les secteurs agricole et alimentaire, un domaine où les événements physiques, tels que la croissance animale ou les rendements des cultures, sont de plus en plus gérés par des systèmes numériques complexes. L'équipe a examiné douze entreprises différentes, cinq basées en Ukraine et sept firmes internationales, en analysant leurs rapports publics, leurs divulgations de durabilité et leurs données opérationnelles. Leur objectif n'était pas de compter le nombre d'ordinateurs possédés par ces entreprises, mais de voir si les affirmations spécifiques faites dans leurs rapports pouvaient être reconstruites de manière indépendante. Ils ont posé une question simple mais difficile : si un tiers voulait prouver qu'une affirmation commerciale spécifique était vraie, pourrait-il remonter jusqu'à l'événement d'origine, identifier qui en était responsable et comprendre exactement comment le chiffre final a été calculé ?

Les chercheurs ont trouvé un modèle clair dans les preuves recueillies. Dans chaque cas étudié, les entreprises ont réussi à rapporter leurs résultats finaux. Qu'il s'agisse du volume total de lait produit, du nombre d'œufs traités ou du gain de poids quotidien du bétole, ces résultats opérationnels étaient toujours visibles. Cependant, l'histoire changeait lorsque les chercheurs cherchaient les étapes permettant d'y parvenir. Dans trois cas sur quatre, les entreprises fournissaient certains détails sur les mécanismes ou les contrôles numériques utilisés. Mais lorsqu'il s'agissait de la pièce la plus critique du puzzle — une preuve claire de la responsabilité des données et de la possibilité d'auditer les registres — le tableau devenait beaucoup moins net. Dans plus de la moitié des cas, les rapports publics ne contenaient pas assez d'informations spécifiques pour lier directement un chiffre final à une personne ou un système responsable. Bien que les entreprises décrivent souvent leurs processus généraux de gouvernance et de surveillance, elles fournissaient rarement la trace spécifique, étape par étape, nécessaire pour reconstruire une affirmation à partir de zéro.

L'étude a utilisé une méthode appelée analyse de sensibilité pour tester si ce manque d'information était une lacune réelle ou simplement une question de détail. Lorsque les chercheurs ont autorisé des informations partielles — comme des descriptions générales de la responsabilité plutôt que des noms spécifiques — le nombre de cas présentant des preuves suffisantes a considérablement augmenté. Cela suggère que la plupart des entreprises disposent de systèmes de gouvernance, mais qu'elles les maintiennent souvent à un niveau élevé qui ne se connecte pas directement aux chiffres spécifiques qu'elles publient. La différence est subtile mais vitale : un rapport peut dire « nous avons des contrôles stricts », ce qui est une déclaration d'intention large, mais il ne montre pas le journal spécifique de qui a saisi les données et comment elles ont été modifiées pour arriver au chiffre final. Sans ce lien spécifique, l'affirmation reste difficile à vérifier de manière indépendante.

Pour comprendre l'impact pratique de ces conclusions, les chercheurs ont examiné des exemples spécifiques de la manière dont les entreprises rapportaient l'évolution de leurs performances. Une grande entreprise ukrainienne, Astarta, a rapporté une augmentation de trente-cinq virgule cinq pour cent de la production de lait entre 2020 et 2025. L'entreprise a également documenté la mise en œuvre de nouveaux systèmes numériques de gestion du bétail durant cette période. Bien que la croissance de la production soit réelle et mesurable, les registres publics ne fournissaient pas assez de détails pour séparer l'effet des systèmes numériques d'autres facteurs, comme le simple fait pour l'entreprise d'acheter plus de vaches. Les chercheurs ont conclu que, bien que les systèmes numériques existent et que la production ait augmenté, il était impossible de prouver que les systèmes numériques étaient la cause de cette croissance sur la base des preuves disponibles.

Un autre cas concernait une entreprise nommée KSG Agro, qui a rapporté une amélioration de huit virgule un neuf pour cent du gain de poids quotidien de son bétail. Il s'agit d'un résultat positif qui pourrait suggérer une intervention numérique réussie. Cependant, la documentation de l'entreprise stipulait explicitement que l'amélioration était due à une meilleure génétique, et non à la technologie numérique. Dans ce cas, les chercheurs ont trouvé que la chaîne de preuves était suffisamment solide pour rejeter l'idée que les systèmes numériques en étaient responsables, même si le résultat était positif. Cela met en lumière une conclusion clé de l'étude : un bon résultat ne prouve pas automatiquement qu'un système numérique en est la cause. Si la chaîne de preuves pointe vers une cause différente, telle que la génétique ou la météo, cette cause doit être acceptée, quelle que soit la sophistication de la technologie de l'entreprise.

Un troisième exemple provient d'une entreprise nommée Ovostar, qui a connu un changement significatif dans la proportion d'œufs traités par rapport aux œufs produits. Les données montraient un changement clair dans le flux des produits, mais les rapports publics n'identifiaient pas de mécanisme numérique spécifique expliquant ce changement. Les chercheurs ont constaté que, bien que le changement opérationnel soit réel, le lien avec une cause numérique manquait dans la documentation. Dans un quatrième cas, une entreprise appelée YASENSVIT disposait d'un système de contrôle numérique bien documenté pour la gestion de l'eau dans ses bâtiments avicoles. Le système était clairement conçu et son architecture était visible. Cependant, les registres publics n'incluaient pas les horodatages spécifiques de l'instant où les alarmes ont été acquittées, ni la rapidité de la réponse du système. Sans ces détails, il était impossible de vérifier si le système avait réellement amélioré la vitesse ou la qualité de la réponse, même si le système lui-même était bien réel.

Ces exemples illustrent le problème central abordé par l'étude. Les chercheurs soutiennent que les organisations traitent souvent la transformation numérique comme un problème d'adoption technologique, supposant que l'achat du bon logiciel créera automatiquement de la confiance. Au lieu de cela, ils proposent que la confiance dépend d'une capacité organisationnelle spécifique qu'ils appellent la vérifiabilité des preuves. Cette capacité ne consiste pas à posséder la technologie la plus avancée, mais à concevoir des processus qui préservent l'histoire de la création d'un chiffre. Cela exige de garder une trace de qui a fait quoi, de la manière dont les données ont été modifiées et de la raison pour laquelle une décision spécifique a été prise. Si une partie de cette chaîne manque, l'affirmation finale ne peut être pleinement vérifiée, quelle que soit la sophistication de la technologie sous-jacente.

L'étude suggère que pour que les entreprises bénéficient réellement de la transformation numérique, elles doivent changer leur conception des enregistrements. Au lieu de simplement collecter des données pour produire un rapport final, elles devraient concevoir leurs systèmes pour garantir que chaque affirmation puisse être tracée jusqu'à sa source. Cela signifie tenir des journaux détaillés des corrections, identifier les personnes ou les systèmes spécifiques responsables de chaque étape, et s'assurer que les règles utilisées pour calculer les résultats sont claires et accessibles. Les chercheurs ont constaté que lorsque les entreprises procèdent ainsi, elles réduisent l'effort requis pour que des tiers vérifient leurs affirmations. Lorsqu'elles ne le font pas, elles créent un fossé où la confiance doit être accordée sans preuve.

Les conclusions ont des implications importantes sur la façon dont nous percevons la durabilité et la qualité dans la chaîne d'approvisionnement alimentaire. Alors que de plus en plus d'entreprises font des déclarations sur leur impact environnemental ou le bien-être animal, la capacité de vérifier ces affirmations devient cruciale. L'étude démontre que posséder un système numérique ne suffit pas à prouver qu'une affirmation est vraie. La preuve doit être complète, de l'événement d'origine jusqu'à la déclaration finale. Si une entreprise ne peut pas présenter la chaîne de preuves complète, ses affirmations restent non vérifiées, quels que soient les résultats positifs. Cela ne signifie pas que les entreprises mentent ; cela signifie simplement que le registre public ne contient pas assez d'informations pour prouver l'histoire derrière les chiffres.

En fin de compte, la recherche souligne la nécessité d'une nouvelle approche de la gestion des preuves numériques. Elle suggère que la valeur des enregistrements numériques ne réside pas dans leur volume, mais dans leur capacité à raconter une histoire complète et reconstructible. Pour les entreprises du secteur alimentaire, cela signifie que la prochaine étape de leur parcours numérique n'est pas seulement de collecter plus de données, mais de les organiser de manière à permettre à quiconque de suivre le chemin de la ferme jusqu'au rapport final. Ce faisant, elles peuvent transformer de simples enregistrements numériques en preuves défendables qui instaurent une véritable confiance auprès des consommateurs, des régulateurs et des partenaires. L'étude conclut que sans cette approche de la « preuve par la conception », la promesse de transparence numérique restera cela — une promesse, plutôt qu'une réalité.