Les 4 sujets détaillés
de Hack The Harvest.

Énoncé métier

Personne en Tunisie ne dispose d'une carte fine, actualisée et qualifiée des oliveraies. Les statistiques officielles agrégées par gouvernorat ne distinguent pas les systèmes de conduite, alors que les rendements et besoins en eau sont radicalement différents : 1-3 t/ha en extensif sec, 4-8 t/ha en intensif, 10-15 t/ha en hyper-intensif irrigué. Une carte qui détecte ET qualifie chaque oliveraie devient un actif stratégique inédit pour la planification logistique, le ciblage commercial AgriManager, l'allocation d'eau et la prévision de production nationale.

Mission étudiant

Livrable attendu

Une application web avec une carte Leaflet permettant de dessiner un polygone, une API REST qui exécute le pipeline complet (détection + classification), et un export GeoJSON téléchargeable des oliveraies annotées.

Procédure de validation par le jury

Approche technique

Pipeline en deux étages :

1. [Étage 1 — Segmentation] Splitter les JSON oliviers EZZAYRA en train (70%) / val (15%) / test (15%) avec stratification spatiale par gouvernorat — ne jamais mélanger des polygones d'une même zone.
2. [Étage 1] Pour chaque polygone, télécharger les bandes Sentinel-2 L2A (B2, B3, B4, B8, B11) sur la période mai-juin où le contraste olivier/sol est maximal. Filtrer les nuages avec la masque SCL.
3. [Étage 1] Entraîner un U-Net avec backbone ResNet pré-entraîné (segmentation_models_pytorch). Loss = BCE + Dice combinées.
4. [Étage 2 — Classification] Sur chaque polygone détecté, extraire features : NDVI moyen/max/min, amplitude saisonnière, NDWI, NDRE, densité de canopée (FAPAR/LAI).
5. [Étage 2] Calculer features de texture GLCM sur les images haute saison — la régularité géométrique des hyper-intensifs en haies se voit nettement à 10 m.
6. [Étage 2] Random Forest ou XGBoost multi-classe (E/I/HI). Validation par CV spatiale obligatoire.
7. [Démo] FastAPI + frontend Leaflet avec outil de dessin de polygone (Leaflet.draw). Limiter la taille max du polygone (ex: 100 km²) pour la démo live.

Sources de données

Critères jury spécifiques

Pièges à éviter

• Fuite de données spatiale : ne jamais mettre des polygones voisins dans train et test — l'autocorrélation spatiale gonfle artificiellement les scores.
• Confusion intensif/hyper-intensif : les deux peuvent avoir des NDVI similaires en pleine saison. Différencier par texture et amplitude saisonnière.
• Déséquilibre des classes : probablement plus d'extensifs que d'hyper-intensifs. Utiliser class_weight ou SMOTE.
• Période d'acquisition : en hiver, l'olivier ressemble spectralement à beaucoup d'autres cultures. Privilégier mai-juin.
• Démo trop lente : précalculer un cache des images Sentinel sur la zone démo pour répondre en quelques secondes.

Énoncé métier

La tomate est une culture stratégique pour la Tunisie : transformation industrielle (concentré, double-concentré, conserves), marché frais et export. Le rendement varie fortement selon l'irrigation, le sol, la météo et le calendrier de plantation. Une prédiction fiable du tonnage 30-45 jours avant récolte est un actif stratégique pour : le financement agricole (banques, micro-finance), l'assurance récolte, la planification logistique des conserveries, et le pré-positionnement commercial.

Mission étudiant

Livrable attendu

Une API REST qui prend en entrée un JSON parcelle (polygone + date de prédiction) et retourne le tonnage prédit avec intervalle de confiance et explication SHAP. Un dashboard qui visualise la prédiction sur la carte et explique les facteurs déterminants.

Procédure de validation par le jury

Approche technique

1. Pour chaque parcelle, calculer une série NDVI Sentinel-2 (10-15 dates par saison) et des agrégats météo (cumul pluie, jours de stress >35°C, ET₀ cumulé, GDD).
2. Feature engineering temporel par phase phénologique tomate : levée, croissance végétative, floraison, fructification, maturation. Chaque phase a son propre indicateur.
3. Ajouter des features sol (SoilGrids) : texture, pH, capacité de rétention en eau.
4. Modèles : LightGBM ou XGBoost en baseline, puis tester un LSTM si la série temporelle le permet.
5. Validation croisée spatiale (K-Fold groupé par région) — la CV temporelle classique ne suffit pas car les parcelles voisines sont corrélées.
6. SHAP values obligatoires pour expliquer chaque prédiction. C'est le critère d'adoption terrain le plus important.
7. Calibration de l'intervalle de confiance : conformal prediction ou quantile regression — pas juste une valeur ponctuelle.

Sources de données

Critères jury spécifiques

Pièges à éviter

• Fuite temporelle : ne jamais utiliser de features postérieures à la date de prédiction.
• Métrique RMSE seule : trompeuse quand les classes sont déséquilibrées. MAPE par tranche est plus honnête.
• Saisonnalité ignorée : en Tunisie, la tomate de saison ouverte (printemps-été) et celle de plein champ d'hiver sous abri ont des rendements très différents — les distinguer si l'info est dans le JSON.
• Variétés mélangées : les variétés industrielles (Rio Grande, Heinz) ont des potentiels très différents des variétés de bouche.

Énoncé métier

Quand une oliveraie souffre (stress hydrique, attaque de ravageurs, problème d'irrigation), le stress visible apparaît trop tard — les pertes sont déjà actées. Une détection 2-3 semaines en amont permet à l'agriculteur d'intervenir : irrigation d'appoint, traitement ciblé, vérification du système. Détecter ces anomalies sans avoir besoin de labels "stressé/sain" est un sujet typiquement non-supervisé qui colle aux données disponibles.

Mission étudiant

Livrable attendu

Un dashboard cartographique Leaflet qui affiche en temps quasi-réel chaque parcelle en vert / orange / rouge selon son score d'anomalie, plus une API qui retourne ce statut pour une parcelle donnée.

Procédure de validation par le jury

Approche technique

1. Pour chaque parcelle, construire un "NDVI attendu" en fonction de (date saisonnière, pluviométrie cumulée, température cumulée, système de conduite). Régression Ridge ou Prophet.
2. Calculer un anomaly score = écart normalisé entre NDVI observé et NDVI attendu sur fenêtre glissante 3 semaines.
3. Seuiller dynamiquement en vert / orange / rouge avec des seuils basés sur les quantiles historiques de la parcelle.
4. Dashboard Leaflet avec couches : parcelles colorées, popup détail (courbe NDVI réel vs attendu), filtre par gouvernorat / système.
5. Bonus : ajouter la température de surface (LST) de Landsat 8/9 thermique pour détecter le stress thermique avant qu'il n'apparaisse en NDVI.
6. Module d'explication : générer automatiquement un texte court qui explique pourquoi la parcelle est en alerte.

Sources de données

Critères jury spécifiques

Pièges à éviter

• Phénologie ignorée : le NDVI d'un olivier varie naturellement entre saisons. Le baseline doit être saisonnier, pas global.
• Bruit pixel : moyenner sur la parcelle entière, pas sur un seul pixel. Les pixels de bordure sont contaminés par le sol nu.
• Faux positifs après taille : une chute de NDVI après taille est normale, pas une anomalie. Stratifier par mois et par système.
• Différence E/I/HI : un extensif sec a naturellement un NDVI plus bas qu'un hyper-intensif. Le baseline doit être par système.

Énoncé métier

Une grande partie des oléiculteurs tunisiens lisent peu, parlent dialecte, et n'ont pas accès régulier aux conseillers agricoles. Un assistant vocal en darija couplé à la vision (photo de feuille) démocratise le conseil agronomique. Mais attention : un chatbot agricole qui hallucine peut faire perdre une récolte ou empoisonner un agriculteur. Ce sujet est autant un défi technique qu'un défi de sécurité.

Mission étudiant

Livrable attendu

Une PWA (Progressive Web App) ou app mobile qui :

• Prend une photo de feuille avec l'appareil photo du téléphone
• Écoute la voix de l'agriculteur en darija (Whisper)
• Classifie la photo (CNN entraîné sur PlantVillage olive disease) + cherche dans le corpus PDF
• Répond vocalement en darija avec citation de la source
• Refuse poliment quand le score de pertinence est trop bas

Procédure de validation par le jury

Exemples de questions traitées

Approche technique

1. Vision (CNN photo de feuille) : entraîner sur PlantVillage olive disease (open dataset) ou utiliser un modèle pré-entraîné. Classes : sain, œil de paon, anthracnose, verticilliose, etc.
2. ASR (Whisper) : transcrire la voix darija en texte. Whisper-large gère bien l'arabe tunisien.
3. Constitution du corpus : télécharger les PDF des URLs fournies (FAO ECOCROP, EPPO Global Database, FAO Olive Production Manual, CIHEAM-IAMB Bari, Cahiers Agricultures CIRAD). Convertir PDF → texte → chunks de ~500 tokens.
4. Indexation vectorielle : embeddings multilingues (sentence-transformers paraphrase-multilingual-MiniLM), stockage FAISS ou ChromaDB.
5. Récupération hybride : recherche sémantique sur le corpus + injection du résultat de la classification photo.
6. Garde-fou anti-hallucination : si le score de pertinence top-1 < seuil, l'app répond "Je n'ai pas l'information dans ma base, contacte un conseiller agricole".
7. LLM : uniquement pour reformuler la réponse en darija à partir des passages trouvés. Prompt strict : "Ne réponds qu'à partir des extraits ci-dessous, ne complète pas avec tes propres connaissances".
8. TTS : synthèse vocale arabe (Coqui TTS ou edge-tts gratuits).

Sources de données — corpus à scraper / télécharger

Critères jury spécifiques — anti-hallucination

Pièges à éviter

• Laisser le LLM "compléter" : sans prompt strict et sans seuil de pertinence, le LLM hallucine systématiquement. Le prompt doit interdire l'usage des connaissances pré-entraînées.
• Embeddings monolingues : si l'index est en français mais la question en arabe, la recherche échoue. Utiliser un modèle multilingue.
• Corpus trop petit : moins de 50 documents = système qui refuse trop souvent. Viser 200-500 documents bien chunked.
• Dosages précis : ne jamais laisser l'app donner un dosage de pesticide précis — toujours renvoyer vers la fiche produit ou un conseiller. Risque légal.
• CNN sur-entraîné : PlantVillage est un dataset "lab" avec fond uniforme. Les vraies photos terrain ont du fouillis — augmenter avec data augmentation agressive.