AgritTrack

Accélérer l’indemnisation agricole grâce à l’IA et aux satellites.

Comment 1

Agri-Verify — Plateforme d’audit et d’assurance agricole basée sur l’IA

Inspiration

Ce projet est né d’un constat terrain : les processus d’audit et d’indemnisation agricole sont souvent lents, manuels et peu précis face aux aléas climatiques. Les assureurs comme MAMDA / Crédit Agricole doivent analyser un grand volume de parcelles avec des données parfois incomplètes.

Nous avons voulu répondre à une problématique clé : Comment automatiser et fiabiliser l’évaluation des risques agricoles grâce aux données satellites et à l’intelligence artificielle ?

What it does

Agri-Verify est une application web full-stack qui permet d’analyser et prioriser les risques agricoles à partir de données satellites.

Fonctionnalités principales :

  • Audit de parcelles via imagerie satellite et calcul de NDVI (indice de végétation)
  • Comparaison avec une baseline historique sur 5 ans
  • Calcul d’un score d’écart (deviation_score)
  • Attribution d’un verdict de risque : sain, modéré, stress hydrique, etc.

Côté utilisateur :

  • Tableau de bord avec KPIs :
    • contrats actifs
    • surface assurée
    • risque moyen du portefeuille
    • échéances et réclamations
  • Gestion des contrats avec filtres et vue détaillée :
    • carte de la parcelle
    • évolution NDVI
    • interprétation experte multilingue (FR/EN/AR)
  • Module de réclamations avec analyse IA et suivi des statuts

Le cœur analytique repose sur une formule simplifiée :

$$ deviation_score = \frac{NDVI_{current} - NDVI_{baseline}}{NDVI_{baseline}} $$

How we built it

Le projet a été conçu avec une architecture moderne full-stack :

  • Frontend : React (Vite) pour une interface rapide et interactive
  • Backend : Django avec API REST
    • /api/contracts/
    • /api/audits/
    • /api/claims/
    • /api/dashboard-stats/
  • Authentification : JWT pour sécuriser les accès
  • Cartographie : Mapbox et Leaflet pour la visualisation des parcelles
  • Analyse : traitement des données NDVI et logique métier côté backend

Nous avons structuré le projet autour de micro-modules indépendants (contrats, audits, réclamations, dashboard) pour garantir scalabilité et maintenabilité.

Challenges we ran into

  • Accès et traitement des données satellites fiables
  • Définition d’une baseline pertinente sur 5 ans malgré la variabilité climatique
  • Calibration du deviation_score pour éviter les faux positifs
  • Intégration fluide entre frontend, API et cartes interactives
  • Gestion des performances pour traiter plusieurs parcelles en temps réel
  • Conception d’une UX claire pour des utilisateurs non techniques

Accomplishments that we're proud of

  • Mise en place d’un pipeline complet d’analyse NDVI
  • Dashboard fonctionnel avec KPIs exploitables en temps réel
  • Système de scoring permettant de prioriser les contrats à risque
  • Interface multilingue adaptée à différents profils utilisateurs
  • Intégration réussie des cartes interactives avec données analytiques
  • Architecture scalable prête pour une utilisation réelle

What we learned

  • Exploitation des données satellites dans un contexte métier réel
  • Conception d’API REST robustes avec Django
  • Développement frontend moderne avec React
  • Importance de la qualité des données dans les modèles décisionnels
  • Collaboration entre logique métier (assurance) et technique (IA)

What's next for AgritTrack

  • Intégration de données météo en temps réel
  • Amélioration des modèles IA pour une meilleure précision
  • Ajout de prédictions (forecast des risques)
  • Déploiement cloud et passage à l’échelle
  • Intégration avec des systèmes d’assurance existants
  • Version mobile pour accès terrain

Notre ambition est de transformer la gestion des risques agricoles en la rendant plus rapide, plus fiable et basée sur des données objectives.

Built With

Share this project:

Updates