Hewlett Packard Enterprise fait progresser la recherche alimentaire mondiale grâce au Memory-Driven Computing

Hewlett Packard Enterprise (NYSE : HPE) annonce une collaboration avec le Groupe consultatif pour la recherche agricole internationale (CGIAR), le partenariat global qui réunit des organisations internationales œuvrant dans la recherche sur la sécurité alimentaire. L’application du « Memory-Driven Computing Sandbox » de HPE aux ensembles de données du CGIAR permettra la modélisation des systèmes alimentaires, et ainsi la découverte de nouvelles solutions pour répondre aux défis de la sécurité alimentaire, intensifiés par la crise de la COVID-19.

L'un des défis les plus urgents auxquels le monde est confronté aujourd'hui est d'assurer un approvisionnement alimentaire mondial durable. Près de 800 millions de personnes sont chroniquement sous-alimentées et 2 milliards souffrent de carences en micronutriments, tandis que le nombre de petites exploitations agricoles, à l'échelle mondiale, est en baisse en raison de la difficulté de rentabilité. Dans un avenir proche, ces problèmes empireront considérablement. L’ONU prévoit que la population mondiale atteindra 8,5 milliards d'habitants d'ici 2030, et le Forum économique mondial prévoit une population de 9,8 milliards d'habitants d'ici 2050, ce qui nécessitera 70 % de nourriture en plus par rapport à la consommation actuelle.

Le problème n'a fait que s'aggraver à la lumière de la pandémie mondiale de la COVID-19. La crise affecte les systèmes alimentaires et les chaînes d'approvisionnement de plusieurs manières différentes dans le monde entier, ce qui empêche une résolution par une solution universelle unique.

Le CGIAR est un partenariat de recherche mondial regroupant 14 instituts de recherche agricole à but non lucratif travaillant dans plus de 100 pays sur la recherche dans pratiquement tous les aspects de la sécurité alimentaire. Dans ses 11 banques de gènes à travers le monde, le CGIAR préserve et régénère 760 000 variétés de cultures vivrières qui représentent une importante diversité génétique disponible pour renforcer la résilience de l'approvisionnement alimentaire mondial.

Modéliser les ressources et leurs déplacements

Pour comprendre pleinement la situation actuelle, le CGIAR doit produire une image haute-résolution de ce qui se passe dans les zones de production alimentaire importante. Pour obtenir une image complète, il faut souvent disposer de données provenant de plusieurs sources, notamment les performances des cultures, les relevés météorologiques, l'activité économique et autres enquêtes.

Les données ainsi obtenues aident les chercheurs à répondre à des questions telles que :

Quelle est l'activité économique hebdomadaire des zones de production alimentaire et comment s’effectuent les déplacements de denrées ?
Comment ces analyses peuvent-elles guider le secteur agricole et ses participants les plus vulnérables dans une période de variabilité climatique croissante et de phénomènes météorologiques extrêmes ?
Comment les acteurs publics, privés et à but non lucratif peuvent-ils partager de manière significative toutes ces données pour permettre de meilleurs résultats pour tous ?

Les réponses aident le CGIAR à détecter et à prévoir les problèmes de sécurité alimentaire et à orienter l'action collective pour les résoudre.

« Créer une image de 200 villes ou agglomérations en peu de temps est radicalement différent de ce que nous pouvons faire avec nos ressources de calcul existantes », a déclaré Brian King, coordinateur de la plateforme de données agricoles à grande échelle du CGIAR. " « Comme les impacts de la COVID-19 sont différents selon les pays, notre capacité à examiner la situation aux niveau global et locaux est incroyablement précieuse. Cette capacité nous permet de fonctionner différemment en tant qu'organisme de recherche. Mais pour générer des aperçus à haute fréquence dans de multiples emplacements à la fois, il faut disposer d'une puissance de calcul plus importante que celle que nous avions. Le Memory-Driven Computing Sandbox de HPE est apparu au bon moment ».

Une puissance de calcul à la hauteur des ambitions du CGIAR

Le "Memory-Driven Computing Sandbox" se distingue en donnant à chaque processeur (jusqu'à 64 connecteurs réseaux) du système l'accès à un gigantesque pool de mémoire partagée - jusqu'à 48 téraoctets - ce qui constitue une nette différence par rapport aux systèmes actuels du CGIAR. En général, des quantités de mémoire relativement faibles - quelques téraoctets seulement - sont reliées à chaque processeur ; les inefficacités qui en résultent limitent les performances. En disposant de tous les ensembles de données en même temps dans la mémoire, les utilisateurs peuvent éliminer les goulots d'étranglement informatiques qui entravent la recherche et la découverte.

Avec l'accès au Sandbox, ainsi nommé pour l'environnement contrôlé qu'il offre aux utilisateurs pour expérimenter des ressources de calcul avancées, le CGIAR construit des vues transversales à haute fréquence des systèmes alimentaires reliant la modélisation des cultures. Cela inclut donc entre autres les enregistrements météorologiques, la façon dont les cultures se sont comportées, le rendement et l'activité économique globale (par exemple le mouvement des biens et des personnes).

Le CGIAR surveille les émissions de près de 1 000 points en Inde et en Afrique de l'Est en utilisant les données satellitaires publiques des agences spatiales. Les changements dans les émissions indiquent des changements dans l'activité économique qui donnent aux chercheurs un contexte important pour la compréhension des défis de la sécurité alimentaire selon le lieu. Grâce à cette image dynamique, le CGIAR est en mesure de comparer les données sur les cultures afin de suivre l'impact de chacune sur l'ensemble de l'approvisionnement alimentaire mondial.

Ces données permettront au CGIAR de voir et de plus en plus de prévoir, afin d'informer les décideurs politiques, les acteurs de l'aide alimentaire et les autres parties prenantes. En utilisant la technologie existante du CGIAR, l'analyse des émissions sur un point de la Terre pourrait prendre quatre à cinq heures. Aujourd'hui, le CGIAR peut effectuer des analyses multiples sur plusieurs points avec une fréquence suffisante pour informer des actions opportunes en matière de sécurité alimentaire.

« Chez HPE, notre objectif est d’améliorer la manière dont les gens vivent et travaillent, et nous nous engageons à utiliser la technologie pour aider à relever certains des défis les plus complexes de notre époque », commente Janice Zdankus, vice-présidente de l'innovation pour l'impact social, HPE. « L'un de nos domaines d'intérêt est la faim dans le monde, inspiré par les résultats de la ferme de recherche de 1 400 acres de l'université Purdue et son application de l'agriculture de précision pour augmenter les rendements des cultures tout en préservant les ressources. Avec le CGIAR, nous avons vu la possibilité d'appliquer des technologies innovantes, comme le "Memory-Driven Computing Sandbox" de HPE, pour obtenir des résultats plus rapides et aider à relever ce défi ».

Si la pandémie a engendré des problèmes immédiats et à court terme qui doivent être résolus, l'avenir de la sécurité alimentaire doit également être évalué sur un horizon plus lointain. La cartographie et la prévision des risques climatiques, de la vulnérabilité et des options d'adaptation sont des priorités absolues pour le CGIAR.

« Il est essentiel de renforcer les capacités de surveillance et de modélisation », analyse Brian King, coordinateur de la plateforme de données agricoles à grande échelle du CGIAR. « Le monde entier a été pris au dépourvu pendant la pandémie parce que nous avons constaté qu'il y avait d'énormes lacunes dans la qualité donnée pour surveiller et répondre rapidement à la myriade de perturbations du système alimentaire. La communauté mondiale et les acteurs de la sécurité alimentaire ont commencé à renforcer ces capacités de surveillance pour un diagnostic et une réponse plus rapides et localisés, et à compléter ces capacités par la cartographie et la prévision des risques et des vulnérabilités des chocs climatiques potentiels pour la sécurité alimentaire sur le plus long terme. Nous serons en mesure de mettre en évidence les meilleures options pour les agriculteurs de ces régions afin de s'adapter aux changements et de les aider à s'équiper avant que la prochaine crise ne survienne ».

Par exemple, le CGIAR utilise des modèles pour prévoir les types de risques climatiques (catastrophes telles que cyclones, inondations et sécheresses) qui menaceront probablement les petits exploitants agricoles dans les économies en développement. Le CGIAR aide ensuite les décideurs politiques et les agriculteurs à risque eux-mêmes à se préparer à ces types de chocs climatiques afin de minimiser l'impact sur le système alimentaire.

À l'approche de l'année 2030, les efforts mondiaux pour atteindre l'objectif de développement durable « zéro faim » doivent être supporter par les technologies numériques. « La communauté mondiale constate que nous devons examiner ces types de données ensemble et plus fréquemment afin d’identifier des investissements ciblés qui renforceront la résilience des petits exploitants agricoles », a déclaré Brian King. « Il y a beaucoup de travail à faire pour créer les bases analytiques qui permettront d'atteindre l'objectif ultime d’éradication de la faim dans le monde ».