Agriculture 4.0 et grappes industrielles d'innovation : Une analyse de science des données géospatiales

Ce rapport a pour but d’analyser la synergie entre la grappe industrielle d’innovation numérique agricole et la réalité de ce secteur au Québec et de développer un outil d’aide à la décision à destination des décideurs québécois. Le constat de l’immobilité des terres arables du secteur agricole végétal ainsi que les opportunités lieu au positionnement géographiques des entités des grappes industrielles d’innovation ont donné lieu à une méthodologie de recherche basée sur la science des données et des données géospatiales. En effet, en identifiant les différents acteurs de la grappe d’innovation, leurs services et leur influence sur l’écosystème d’innovation, il est possible de modéliser un centre géographique pondéré correspondant à un proxy du signal de l’écosystème d’innovation pour la transition numérique des exploitations agricoles québécoises. Des entretiens avec des parties prenantes du secteur ont mis en évidence 43 entités formant le coeur de la grappe industrielle. Celles-ci comprennent des entreprises de services, des centres de recherche, des organismes gouvernementaux ou encore de grands joueurs du secteur agricole. La base de données du Registre des Entreprises du Québec met à disposition des informations sur toutes les entreprises québécoises en fonction de leur code d’activité économique Le traitement de cette base de données a permis d’identifier 14 133 exploitations agricoles québécoises issues de 14 secteurs d’activités différents. L’analyse de la grappe industrielle d’innovation a mis en évidence deux regroupements principaux de ses entités, à Montréal d’un côté et à Québec de l’autre, ainsi qu’une concentration très importante dans les zones urbaines. Au contraire, l’analyse des secteurs d’activité agricole a mis en exergue une forte hétérogénéité spatiale du centre des coordonnées des exploitations agricoles selon les secteurs. Certains secteurs apparaissent très concentrés, d’autres très dispersés, et l’on constate de fortes variations dans l’âge et la taille des exploitations. Par ailleurs, l’analyse de la distance entre le signal de l’écosystème d'innovation et le positionnement des exploitations agricoles démontre des distances très hétérogènes selon les secteurs. Des secteurs tels que les érablières apparaissent très éloignées géographiquement du signal de l’écosystème, à l’inverse des exploitations de maïs sont très proches de la grappe. L’analyse de la synergie entre la grappe actuelle et les entreprises agricoles donne lieu à un questionnement sur le positionnement optimal des signaux de l’écosystème. Les méthodologies de science des données permettent de calculer un partitionnement des exploitations agricoles suivant différents modèles mathématiques. Cette analyse a permis de déterminer le partitionnement optimal permettant de minimiser les distances entre les exploitations agricoles et de calculer la répartition des différents secteurs agricoles dans ces partitions. Les résultats mettent en évidence un cluster principal situé dans les régions administratives autour de Montréal, un deuxième similaire autour de Québec et deux clusters plus petits respectivement au sud de Trois-Rivières et au nord-est d’Ottawa. Les visualisations montrent des compositions variables des différents secteurs agricoles. Les opportunités d’innovation pour les exploitations agricoles dépendent donc de leurs proximités aux exploitations voisines et des caractéristiques sectorielles environnantes et démontrent qu’elles peuvent être optimisées par une délocalisation des signaux de l’écosystème aux plus proche des exploitations. Ce travail s’inscrit dans une réflexion d’utilisation de données probantes et de méthodologies innovantes afin de permettre une prise de décision augmentée. Les résultats démontrent la complexité de la synergie entre les besoins effectifs des exploitations agricoles et la réalité des grappes d’innovation actuelles et mettent en exergue les nouvelles opportunités apportées par l’exploitation de la science des données pour les décisions de politiques publiques. Les méthodologies de science des données offrant la possibilité de visualisation dynamique, les résultats de la collecte, du traitement et de l’analyse des données probantes ont été valorisées en un outil d’aide à la décision accessible en ligne à l’adresse : luricpolymtl.github.io

Abstract

This report aims to analyze the synergy between the industrial cluster of digital agricultural innovation and the reality of this sector in Quebec, and to develop a decision support tool for Quebec decision-makers. The observation of the immobility of arable land in the plant agricultural sector, as well as opportunities arising from the geographical positioning of entities in the industrial innovation clusters, led to a research methodology based on data science and geospatial data. Indeed, by identifying the different actors in the innovation cluster, their services, and their influence on the innovation ecosystem, it is possible to model a weighted geographic center corresponding to a proxy of the innovation ecosystem signal for the digital transition of Quebec's agricultural sector. Interviews with sector stakeholders have highlighted 43 entities forming the core of the industrial cluster. These include service companies, research centers, government agencies, and major players in the agricultural sector. The Quebec Enterprise Register database provides information on all Quebec companies based on their economic activity codes. Processing this database allowed the identification of 14,133 Quebec farms from 14 different activity sectors. The analysis of the innovation cluster has highlighted two main groupings of its members, in Montreal on the one hand and Quebec City on the other, as well as a very significant concentration of entities in urban areas. On the contrary, the analysis of agricultural activity sectors has shown a high spatial heterogeneity of the coordinate center of farms depending on the sectors. There are highly concentrated sectors, others very dispersed, and strong variations in the age and size of farms. Thus, the analysis of the synergy between the innovation ecosystem signal and the positioning of farms demonstrates very variable distances depending on the sectors. As a result, sectors such as maple groves appear very geographically distant from the ecosystem signal, whereas corn farms are very close to the cluster. The analysis of the synergy between the current cluster and agricultural enterprises leads to questioning the optimal positioning of signals in the ecosystem. Emerging methodologies in data science allows to calculate a partitioning of agricultural enterprises according to different mathematical models. This analysis led to determine the optimal partitioning to minimize distances between agricultural enterprises and to calculate the sector composition of each one. The results highlight a main cluster located in administrative regions around Montreal, a second similar one around Quebec, and two smaller clusters respectively south of Trois-Rivières and northeast of Ottawa. Visualizations demonstrate variable compositions reflecting analyses of different agricultural sectors. Opportunities for innovation for agricultural enterprises thus depend on their neighboring enterprises and surrounding sectoral characteristics and can be optimized with a relocation of ecosystem signals closer to the farms. This work is part of a reflection on the use of evidence-based data and innovative methodologies for augmented decision-making. The results demonstrate the complexity of the synergy between the actual needs of agricultural enterprises and the reality of current innovation clusters, and support the opportunities related to data science for public policy decisions. Data science methodologies offering dynamic visualization opportunities, the analysis results have also been condensed into an online dashboard at the address: luricpolymtl.github.io