Publié Édition 2026 10.5281/zenodo.10000001 Système IoT pour la surveillance de la qualité de l'eau dans les rizières du Lac Alaotra Cet article présente un système IoT déployé dans la région du Lac Alaotra pour le suivi en temps réel de la qualité de l'eau dans les rizières. Le système utilise des capteurs multiparamètres (pH, température, turbidité, oxygène dissous) reliés à une passerelle LoRaWAN. Les données sont transmises à une plateforme cloud pour visualisation et alertes. Les premiers résultats montrent une corrélation significative entre la turbidité et les rendements rizicoles. Cette approche low-cost permet aux petits exploitants de bénéficier d'une agriculture de précision adaptée au contexte malgache. IoT LoRaWAN qualité de l'eau +2
Publié Édition 2026 10.5281/zenodo.10000002 Deep Learning pour la classification automatique des variétés de riz par imagerie drone La classification des variétés de riz est essentielle pour la gestion des semences et l'amélioration génétique. Nous proposons une approche basée sur des réseaux de neurones profonds (ResNet-50 et EfficientNet) entraînés sur un jeu de données de 15 000 images acquises par drone au-dessus des parcelles expérimentales du CNRAA. Le modèle atteint une précision de 94,7% sur 12 variétés de riz malgaches. L'approche permet une classification en temps réel embarquée sur drone, facilitant le phénotypage à grande échelle. deep learning classification imagerie drone +2
Publié Édition 2026 10.5281/zenodo.10000003 Plateforme Blockchain pour la traçabilité de la filière vanille de Madagascar La filière vanille malgache fait face à des défis de traçabilité et d'authenticité. Cet article présente une plateforme basée sur Hyperledger Fabric permettant la traçabilité de bout en bout, de la plantation à l'exportation. Chaque lot de vanille se voit attribuer un identifiant unique enregistré sur la blockchain, avec des smart contracts gérant les transitions de propriété et les certifications. Un prototype fonctionnel a été déployé avec 5 coopératives de la région SAVA. Les résultats montrent une réduction de 40% du temps de vérification documentaire. blockchain traçabilité vanille +2
Publié Édition 2026 10.5281/zenodo.10000004 Détection précoce des feux de brousse par analyse d'images satellitaires Sentinel-2 à Madagascar Les feux de brousse constituent une menace majeure pour les écosystèmes malgaches, en particulier les forêts sèches du Sud et les forêts humides de l'Est. Nous développons un système de détection précoce basé sur l'analyse d'images Sentinel-2 utilisant des indices spectraux (NBR, NDWI) et un réseau de neurones convolutionnel. Le système génère des alertes en moins de 3 heures après l'acquisition satellite, avec un taux de faux positifs inférieur à 5%. Une démonstration live sera effectuée sur la région d'Ankarafantsika. feux de brousse Sentinel-2 deep learning +2
Publié Édition 2026 10.5281/zenodo.10000005 Analyse des sentiments en langue malgache par modèles transformers multilingues L'analyse des sentiments pour les langues peu dotées comme le malgache reste un défi. Nous évaluons plusieurs modèles transformers multilingues (mBERT, XLM-R, AfriBERTa) sur un corpus de 50 000 textes en malgache annotés en sentiments (positif, négatif, neutre). Le meilleur modèle (XLM-R large) atteint 86,3% de F1-score. Nous proposons également une version fine-tunée optimisée pour le domaine des médias sociaux malgaches, avec une application concrète de veille citoyenne pour les élections communales. TAL analyse de sentiments malgache +2