Jérémie Wainstain, fondateur de la start-up The Green Data « Il devient urgent de modéliser l’agriculture »

Depuis soixante-dix ans, tous les secteurs économiques se sont modernisés grâce à la modélisation mathématique : la logistique, l’armement, l’aéronautique, la banque, la grande distribution, le transport, la santé… La modélisation permet de formaliser en interne les expertises et d’optimiser les prises de décision et la collaboration. Ce n’est pas encore le cas de l’agriculture, qui n’utilise quasiment pas de modélisation pour prendre des décisions. Je pense qu’il y a eu dans les années 70-80 un rendez-vous manqué entre les maths et l’agriculture. Alors que tous les autres secteurs économiques utilisaient les modèles mathématiques pour se moderniser et appréhender la complexité de leur activité, l’agriculture s’est orientée sur la voie de la simplification grâce à la chimie et à la mécanisation : il n’y avait plus besoin de modéliser les décisions car elles étaient devenues simples. Il suffisait de se fier à son "bon sens".

Rajoutez à cela les incertitudes climatiques et sanitaires, et vous comprendrez pourquoi l’agriculture est aujourd’hui un secteur d’experts, peu tourné vers l’avenir et plutôt fataliste. J’ai souvent entendu dire en agriculture : « De toute façon, il n’y a pas deux campagnes qui se ressemblent », « de toute façon on ne peut pas prévoir le climat », et on en conclut en général que l’on ne peut rien prévoir du tout, donc que toute modélisation est inutile. Or, dans un secteur où les incertitudes augmentent et où la complexité reprend ses droits avec la sortie des énergies fossiles, il devient aujourd’hui urgent de modéliser l’agriculture.

Tout le monde est obsédé par les données. C’est vrai que c’est important, mais c’est juste la moitié du problème. L’autre moitié, ce sont les calculs permettant de modéliser notre savoir-faire, notre façon de cultiver, de produire de l’alimentation, et ces modèles sont spécifiques à notre culture alimentaire européenne : nos tomates sont différentes de celles des Américains, notre cognac aussi. Il est donc important de pouvoir maîtriser nos modèles mathématiques autant que nos données, car ils reflètent notre patrimoine alimentaire.

Si les Américains arrivaient avec un outil d’optimisation de la culture des pommes de terre, ils proposeraient sans doute un mode d’organisation américain, probablement simplifié par rapport à nos pratiques européennes. On perdait alors en chemin ce qui fait notre spécificité européenne : la diversité de nos terroirs et de nos pratiques. Car nos pratiques changent en fonction des outils que nous utilisons, comme on l’a vu avec la mécanisation et la chimie.

Quand on parle aux agriculteurs de modélisation mathématique, ils ont souvent l’impression que l’on vient piller leur expertise et qu’on va leur imposer une façon de travailler, un modèle unique. Il faut verbaliser cette crainte mais je pense qu’il y a un malentendu dû à une méconnaissance de ce qu’est la modélisation mathématique. "Modéliser", ça n’est pas imposer un modèle unique. C’est au contraire très émancipateur pour les agriculteurs. C’est un moyen de formaliser et d’agréger des expertises très variées, d’inventer de nouvelles façons de collaborer, en étant accompagné et non pas remplacé par les machines.

Il est certain que la robotisation et la mécanisation remplacent les hommes, en revanche, la modélisation rend les hommes plus intelligents, plus armés pour piloter les risques. Dans d’autres secteurs qui ont été totalement modélisés mathématiquement, comme par exemple le secteur de l’énergie, les experts n’ont absolument pas disparu : ils ont évolué et leur métier est devenu bien plus intéressant qu’auparavant.

La modélisation doit nous permettre de moderniser les relations entre le monde agricole et son écosystème : avec le secteur agroalimentaire, le secteur financier et aussi avec les politiques publiques. Les pouvoirs publics travaillent aujourd’hui avec de vieux modèles totalement inadaptés à la transition agroécologique. Prenez par exemple le modèle Capri utilisé par la Commission européenne. C’est un modèle économétrique bien adapté au calcul de l’impact des subventions sur les flux mondiaux de matières premières, mais qui modélise l’agriculture de façon trop simpliste. Ça n’est pas un modèle à la hauteur de la transition agroécologique.

Pour penser la transition agroécologique, il faut construire des modèles de production agricole qui évaluent par exemple les bénéfices environnementaux des changements de rotations, et pour cela, il faut des modèles de calcul qui descendent à l’échelle des fermes. L’Iddri utilise par exemple un modèle développé par le Cirad et Inrae (Tyfa), qui descend au niveau des pratiques agroécologiques. C’est un bon début, mais il faudrait qu’on puisse nourrir ces modèles de données réelles, et y rajouter des modèles de scénarios de consommation, d’évolution de tendances comme celles des protéines végétales. Bref, pouvoir piloter beaucoup plus finement la transition agro-écologique.

Mais au-delà du Green Deal, il faut quand même se rendre compte que la plupart des politiques publiques sont pilotées sans modélisation ni scénarios. Par exemple, sur les départs à la retraite des agriculteurs, personne n’a jamais vraiment calculé les scénarios possibles et leur impact économique en termes de revenus, de marges, d’agrandissement des structures. C’est toute une culture de la modélisation des politiques publiques agricoles qui reste à inventer.

La finance est un outil essentiel pour accélérer la transition, et le langage des financiers, ce sont les mathématiques. C’est grâce aux mathématiques qu’ils peuvent concevoir les modèles de risques sous-jacents aux produits financiers. Le sujet des prochaines années va donc être de modéliser les risques liés à la transition agroécologique et de la financiariser. Pour l’instant on n’y est pas, et c’est le frein principal à l’utilisation à plein régime de la puissance de la finance pour transformer les modèles agricoles.

Les Green bonds actuels sont un peu fourre-tout, ils n’ont aucun impact concret, et leurs rendements financiers ne sont pas très différents des bonds classiques. Si on veut s’attaquer au problème, il faut modéliser mathématiquement les risques de transition agricole. Beaucoup de fonds d’investissement sont aujourd’hui prêts à financer ces risques si on leur donne les bons outils pour le faire.

S & OP signifie "Sales and Opérations". C’est une méthode développée dans les années quatre-vingt par l’industrie permettant une prise de décision collaborative entre les ventes, la production et la finance : on réfléchit en termes de "supply chain" ou de filière, de bout en bout. Le principe est de mettre en place un plan, révisable par exemple tous les trimestres, et piloté par des modèles mathématiques : prévisions de ventes, optimisation de la chaîne de production et calcul du risque financier.

Aujourd’hui, entre l’agriculture et l’industrie agroalimentaire, les relations ne sont absolument pas basées sur ce type de processus. Les informations ne sont pas partagées entre l’amont et l’aval, chacun reste chez soi. Je pense que les interprofessions devraient s’inspirer de ce type de processus de modélisation pour optimiser le pilotage des filières, sans pour autant courir le risque d’entente sur les prix. Cela se fait dans tous les autres secteurs.

Oui, c’est un autre processus issu de l’industrie manufacturière, qui s’appelle le PLM, "Product Lifecycle Management". C’est une façon collaborative de développer de nouveaux produits entre différents fournisseurs d’une chaîne de production. Par exemple, pour concevoir la nouvelle Twingo, on va s’appuyer sur une plateforme de modélisation unique, où l’ensemble des fournisseurs vont pouvoir interagir et participer. Cela raccourcit énormément les cycles d’innovation. Dans le secteur agricole, on pourrait imaginer que demain l’aval et l’amont puissent collaborer sur une même plateforme de modélisation pour faire, ensemble, de l’innovation de produits alimentaires.

Mon pari, c’est que demain le sujet environnemental sera un gros vecteur d’innovation et de collaboration au sein des chaînes alimentaires. Je travaille avec Danone, qui s’intéresse actuellement aux pratiques des agriculteurs pour développer l’agriculture régénérative. Ils travaillent en relation étroite à l’échelle des fermes, pour pouvoir ensuite valoriser cette proximité dans de l’innovation produit.

Aujourd’hui, les relations amont-avail restent encore très simplistes. Quand les distributeurs commandent du bio, ils ne se préoccupent ni des investissements, ni de la façon de travailler des agriculteurs, ni des bénéfices environnementaux. Tout est couvert par le label bio qui fonctionne pour l’instant, mais qui arrive à bout de souffle, et qui est à réinventer. L’approche par cahier des charges est simple, contractuelle, mais elle n’aide pas à l’innovation et encore moins à la collaboration au sein des filières. Sur le sujet environnemental, tout reste à faire. La modélisation mathématique peut aider à matérialiser les bénéfices environnementaux, à développer la collaboration entre l’amont et l’aval et à en réinventer le modèle économique.