Traçabilité de bout en bout intégrée et notation de crédit par IA pour débloquer l'accès au financement

20 Jun 2023 • 5 minutes read

Steven de Jonge,

Wangari Nduta

Qu'est-ce que l'innovation ?

Traçabilité de bout en bout et notation de crédit par IA : les agents de terrain, équipés de scanners d'empreintes digitales, d'un smartphone avec une application développée en interne préinstallée, et plus encore, créent un profil complet, vérifiable et traçable des agriculteurs et de leurs produits. Les données sont stockées dans l'application, ce qui permet leur numérisation, leur agrégation et leur manipulation. Associées à un algorithme de notation de crédit par IA propriétaire, les données sont exploitées pour prédire les prêts non performants (NPL) avec une très grande précision. Avec l'échelle et au fil du temps, les prédicteurs des NPL peuvent être mieux compris.

Principaux défis relevés

De nombreux agriculteurs du nord du Ghana sont pris dans un cercle vicieux de faibles revenus et d’accès limité aux services. L’accès aux prêts d’intrants et aux primes de qualité est un moyen de permettre aux agriculteurs de produire et de gagner plus, et de réinvestir dans leurs exploitations. Cependant, les risques et les coûts élevés (perçus) empêchent les fournisseurs d’intrants et de services financiers de répondre aux besoins des petits exploitants. Dans le même temps, le manque de produits de haute qualité traçables empêche les primes de se répercuter sur les agriculteurs. Des données pertinentes, vérifiables et traçables, capables de prédire avec précision les performances (ou non) et de retracer les produits jusqu’à l’agriculteur, peuvent attirer les prestataires de services, les banques, les fonds de pension et les acheteurs de primes.

Comment ça marche

Conseils pour la réplication

Bonnes pratiques

Données pertinentes : De nombreuses données pertinentes doivent être collectées pour répondre à différents cas d'utilisation, notamment les données personnelles, la participation aux formations, les pratiques appliquées et les taux de récupération.
Saisie de données : les agents doivent être correctement formés et équipés pour permettre la saisie de données en ligne/hors ligne de tous les points de données requis
Gestion des données : l'infrastructure de données et le logiciel doivent être conçus en fonction de l'objectif final, conformes aux réglementations en matière de sécurité et de confidentialité et suffisamment flexibles pour des mises à jour continues.

Conditions d'activation

Échelle : La précision et donc la valeur ajoutée du modèle augmentent avec l'échelle, donc le (potentiel d') échelle est crucial pour le succès
Marché premium : pour monétiser les produits traçables, il faut qu'il y ait une demande
Compétences disponibles : Accès à des développeurs et à des agents férus de technologie possédant des compétences pertinentes

Étude de cas

Résultats pour Degas Ltd.

Risque de crédit réduit

Grâce aux données collectées par Degas, ils font une prévision précise de la capacité de l'agriculteur à rembourser le crédit accordé par Degas. Seuls les agriculteurs ayant un bon score de crédit (95-99%) sont éligibles pour (plus) d'intrants la saison prochaine, réduisant ainsi le risque de crédit pour Degas .

Accès aux marchés premium

Le modèle de Degas permet une traçabilité complète par sac . Ce n'est pas courant dans le secteur, bien qu'il y ait une demande croissante de la part d'acheteurs prêts à payer un supplément. Degas est donc en mesure d'exploiter ces marchés premium .

Collecte efficace de données

Le personnel de vulgarisation de Degas est bien équipé et formé, ce qui permet de mettre en place un modèle de haute qualité mais très coûteux. Ils collectent des données fiables au niveau des exploitations de manière intégrale et continue . Degas pourrait être en mesure de monétiser les données, car de nombreuses organisations cherchent à savoir ce qui fonctionne dans les chaînes de valeur des petits exploitants.

Cas d'impact

Résultats pour les petits exploitants agricoles

Accès au financement

En collectant et en analysant des données qualitatives et quantitatives au niveau des exploitations, le risque (perçu) lié à la fourniture de services financiers aux petits exploitants agricoles est réduit. Cela permet aux agriculteurs d'accéder à des services financiers essentiels comme les prêts, mais aussi les assurances et les retraites.

Primes de traçabilité

Grâce aux étiquettes QR, chaque sac peut être retracé jusqu'à l'agriculteur concerné . De plus en plus, les acheteurs sont prêts à payer un supplément pour ce niveau de traçabilité. Cette prime peut se répercuter sur les agriculteurs.

Productivité accrue

En collectant et en analysant les données détaillées sur les exploitations, les prestataires de services sont en mesure d'adapter leur prestation de services en fonction des besoins et du profil de chaque agriculteur. Cela conduit à une prestation de services optimisée, sur mesure et rentable , qui à son tour profitera aux agriculteurs grâce à une productivité accrue.

Apprenez-en plus sur le modèle de Degas dans cette vidéo

Sources de données et clause de non-responsabilité

Les informations sont basées sur l'analyse du modèle de prestation de services (SDM) de l'IDH pour le programme Grains for Growth, y compris les données de Degas. En outre, des entretiens avec les entreprises ont eu lieu depuis le début de l'assistance technique (2022) au cours desquels l'innovation est testée et mise à l'échelle. Une période plus longue et des données supplémentaires sont nécessaires pour vérifier et quantifier les impacts. Farmfit procédera à une évaluation finale du SDM de l'entreprise et des moyens de subsistance des agriculteurs sur la base d'une collecte répétée de données au niveau de l'entreprise et de l'exploitation.