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