evidoria

← Retour à la liste

Bonne pratique Importée

Détection du bétail et des gers assistée par IA — Projet pilote de recensement satellitaire de l'Office national des statistiques de Mongolie

Mongolie · Ulaanbaatar · Voir le profil de Mongolie · Voir le profil de Ulaanbaatar

Preuves: Observationnel / avant-après Top 75% 47/100 · Demandez à Evidence Copilot à propos de cette pratique

L'Office des statistiques de Mongolie a testé l'IA par satellite et drone dans la province d'Arkhangai, identifiant le bétail avec 81,6 % et les gers traditionnels avec 98,1 % de précision, une étape vers le remplacement des recensements agricoles manuels coûteux.

81.63 %
Précision de détection du gros bétail (pilot, Arkhangai province)
98.11 %
Précision de détection des habitations ger (pilot, Arkhangai province)
Détection du bétail et des gers assistée par IA — Projet pilote de recensement satellitaire de l'Office national des statistiques de Mongolie

Détails

Maturité
Pilote
Promoteur
National Statistics Office of Mongolia (NSO), with PARIS21
Période
2022-2024 (pilot)
Mots-clés
statistics, agriculture, remote sensing, machine learning

Contexte

L'Office national des statistiques de Mongolie (NSO), confronté à un recensement agricole porte-à-porte coûteux auprès d'une population d'éleveurs nomades ou semi-nomades, s'est associé à PARIS21 pour piloter la détection par apprentissage automatique du bétail et des habitations à partir d'images satellite et de drone dans la province d'Arkhangai, en utilisant la méthode Spectral Angle Mapper (SAM), validée par rapport aux données de référence du recensement agricole de 2022.

Résultats

Le pilote a rapporté un taux de précision de 81,63% pour l'identification du gros bétail (bovins, chevaux, chameaux) et de 98,11% pour l'identification des habitations traditionnelles ger à partir d'images de télédétection.

Conclusions

Mi-2026, il s'agit toujours d'un pilote limité à une seule province plutôt que d'un déploiement national ; la précision de 81,6% pour la détection du bétail implique un taux d'erreur significatif qui devrait être amélioré avant que la méthode puisse pleinement remplacer le dénombrement sur le terrain, bien que le NSO travaille désormais avec les ministères de l'Alimentation, de l'Agriculture et de l'Industrie légère sur un système open source destiné à une extension nationale, et que des chercheurs universitaires indépendants aient par ailleurs appliqué une technique similaire de détection des ger à la cartographie de la pauvreté à Oulan-Bator.

Mise en œuvre
Coût indicatif
Faible (< 50 k€) — No cost figures published; the pilot reused ground-truth data already collected for the 2022 agriculture census, implying incremental rather than large new cost.
Délai jusqu’aux résultats
Court (< 1 an) — Pilot conducted 2022-2024 in Arkhangai province; nationwide open-source scale-up is a stated future goal, not yet implemented.
Personnel et compétences
National Statistics Office of Mongolia (NSO), with PARIS21, NSO staff note that training in image processing and AI remains necessary to manage the technology sustainably in-house

Conditions de réussite

  • Availability of ground-truth data from the 2022 agriculture census enabled model validation
  • Partnership with an international technical body (PARIS21) supported methodology
  • Coordination with the Ministries of Food, Agriculture and Light Industry is underway to build an open-source system for national scale-up

Modes d’échec courants

  • Pilot covers a single province (Arkhangai); NSO itself describes nationwide rollout as a future goal
  • 81.6% livestock-detection accuracy implies a meaningful error rate not yet resolved
  • Reliance on costly high-resolution imagery and specialised drone operations remains a constraint NSO is trying to reduce

Où cela s’applique

Type de gouvernance
national statistics agency with international donor partner
Échelle
sub-national pilot (single province)
Niveau de revenu
lower-middle income

Habituellement financé par

National / regional programmes

Pistes de financement indicatives pour des pratiques de ce type — vérifiez toujours les appels en cours et les règles d'éligibilité de chaque programme.

Vous portez cette pratique ? Revendiquez-la — les porteurs vérifiés obtiennent un contact public sur la page et peuvent proposer des corrections.

Sources de données

D'où proviennent les informations de cette pratique, et quand.

Pièces jointes

Pratiques similaires qui pourraient vous être utiles