×
Hackathon AgriAI · Édition 2026

Hack
The Harvest.

L'IA et la data au service de l'oléiculture tunisienne.

72 heures pour bâtir des solutions IA qui transforment la filière olive en Tunisie — de la cartographie automatique satellite jusqu'au conseil vocal en darija. Données réelles EZZAYRA, sources internationales, impact concret sur AgriManager.

Format
48 – 72 heures
Équipes
4 étudiants IT
Défis
4 sujets · 4 tracks
Thématique
AgriAI · Olivier · Tomate
Candidater maintenant Voir les 4 défis
NDVI · Sentinel-2
50 000 ha équipés
AgriManager VALUE CHAIN
Parcelles
2 847
Hectares
12.4k
Rendement
8.2 t/ha
NDVI hebdomadaire · Cap Bon
Olivier
Hyper-intensif
Cap Bon
4
Défis techniques
50K
Hectares EZZAYRA équipés
72h
D'innovation intensive
∞
Impact AgriManager
Défis proposés

4 tracks. Une mission commune.

Chaque équipe choisit un défi et développe une solution opérationnelle, démontrable en live devant le jury via une procédure de validation concrète : dessine une parcelle, fournis un JSON ou pose une question vocale — la solution répond.

01
Track · Vision satellite + Classification
Cartographie intelligente des oliveraies
Détecter et qualifier les oliveraies par satellite : segmentation Sentinel-2 + classification du système de conduite (extensif / intensif / hyper-intensif).
Données : JSON oliviers EZZAYRA (avec attribut système)
Démo jury : dessine un grand polygone sur la carte → l'API retourne toutes les oliveraies détectées + leur système (vert/jaune/rouge)
U-Net Sentinel-2 Random Forest PyTorch
02
Track · Prédiction de rendement
Prédiction de rendement tomate
Prédire le tonnage d'une parcelle de tomate 30-45 jours avant récolte, en croisant NDVI, météo et sol. Tonnages réels en vérité terrain.
Données : JSON tomates EZZAYRA + tonnages réels observés
Démo jury : envoie un JSON parcelle → l'API retourne tonnage prédit + intervalle de confiance + top features SHAP
XGBoost LightGBM SHAP Feature Eng.
03
Track · Stress hydrique & santé
Détection précoce d'anomalies
Construire un système non-supervisé qui alerte 2-3 semaines avant qu'une oliveraie n'entre en stress visible — irrigation, ravageurs, sécheresse.
Données : JSON oliviers EZZAYRA + Open-Meteo + CHIRPS
Démo jury : envoie un JSON oliveraie → l'API retourne statut (vert/orange/rouge) + courbe NDVI réel vs attendu + explication
Anomaly detection Time series Open-Meteo Leaflet
04
Track · IA conversationnelle
Assistant vocal oléicole en darija
Assistant qui répond à l'agriculteur en arabe tunisien — basé strictement sur un corpus de PDF téléchargés (FAO, EPPO, CIHEAM). Refus si hors-corpus.
Données : Corpus PDF public (liens fournis) + dataset photos maladies
Démo jury : prend une photo d'une feuille d'olivier malade + pose une question vocale en darija → l'app répond vocalement + cite la source
RAG Whisper CNN photos Anti-hallucination
Datasets fournis

Données réelles EZZAYRA.

Pas de données simulées : chaque équipe reçoit un export anonymisé de la base AgriManager — la même base opérationnelle qui équipe 50 000 ha en Tunisie. Le reste des données externes (Sentinel-2, météo, sol) provient de sources publiques internationales dont les liens sont fournis.

hack-the-harvest/
oliveraies/
parcelles_olivier.json EZZAYRA
tomates/
parcelles_tomate.json EZZAYRA
liens_externes/
sentinel_copernicus.md PUBLIC
meteo_open_meteo.md PUBLIC
corpus_pdf_olivier.md PUBLIC
guide_etudiants.pdf

Parcelles oliveraies

Polygones GeoJSON d'oliveraies couvrant plusieurs gouvernorats, avec attribut système de conduite (extensif / intensif / hyper-intensif). Donnée introuvable ailleurs en Tunisie.

Anonymisé 3 systèmes WGS84

Parcelles tomates + tonnages réels

Polygones GeoJSON de parcelles de tomate avec tonnages observés à la récolte. La vérité terrain qui donne sa valeur scientifique au sujet 2 — donnée rare en Tunisie.

Multi-saisons Validé terrain

Sources externes publiques

Liens vers Sentinel-2 (Copernicus), Open-Meteo, NASA POWER, SoilGrids, CHIRPS et le corpus PDF olivier (FAO, EPPO, CIHEAM). Toutes 100% gratuites.

3 niveaux d'accès Sans CB
Architecture technique

Pipeline IA recommandé.

Une suggestion de workflow type — chaque équipe est libre d'adapter selon son défi.

STEP 01
Collecte
Sentinel-2 Open-Meteo JSON EZZAYRA
STEP 02
Prétraitement
Cloud mask Reprojection
STEP 03
Feature Eng.
NDVI · GDD ET₀ · pluie
STEP 04
Modélisation
XGBoost U-Net RAG · CNN
STEP 05
Évaluation
RMSE · IoU SHAP · F1
STEP 06
API démo
FastAPI Dashboard
Évaluation

Critères du jury.

Chaque livrable est évalué selon quatre dimensions équilibrées. Le sujet 4 ajoute un critère anti-hallucination spécifique avec pénalité de 30 points.

25%
Innovation
Originalité de l'approche et caractère disruptif de la solution proposée pour le contexte oléicole tunisien.
25%
Performance technique
Qualité du code, des modèles IA et métriques d'évaluation obtenues sur les données fournies.
25%
Impact réel
Applicabilité concrète pour l'agriculteur tunisien et la plateforme AgriManager. Validation jury en live.
25%
UX / UI démo
Clarté de l'interface, fluidité de la démo en live et lisibilité des résultats par un non-technique.
L'opportunité réelle
Du code étudiant au produit réel.
Les meilleures solutions sont évaluées pour une intégration directe dans la plateforme AgriManager, qui équipe déjà 50 000 hectares en Tunisie.

Au-delà des récompenses du hackathon, EZZAYRA SOLUTIONS s'engage à discuter d'opportunités professionnelles avec les talents identifiés pendant l'événement.
Cartographie satellite
Intégration dans le module de monitoring temps réel des parcelles AgriManager.
Financement & assurance
Les prédictions de rendement alimentent directement les outils financiers agricoles.
Conseil agronomique IA
L'assistant darija pourrait devenir le canal de conseil pour des milliers d'oléiculteurs.