kennedy-kitoko/african-farm-intelligence-artificielle

🌱 Transforming African agriculture through decentralized AI. agricultural Q/R via collaborative multi-AI pipeline. Fine-tuned LLMs for tropical farming expertise. Local deployment, zero subscription, maximum farmer autonomy. RDC→Continental expansion. # 🌿🤖 AGRO-IA OS: Agricultural AI for Africa **Fine-tuned LLMs (Llama 3.1→GPT-OSS) + Multi-AI Pipeline → 300K Q/R Dataset** **Zero Cloud • Zero Subscription • Maximum Farmer Autonomy** **kitoko muyunga kennedy** **10 September 2025** --- ## 🎯 Mission: Autonomous Agricultural Intelligence for Africa ### Résumé Cette étude présente le fine-tuning spécialisé d’un Grand Modèle de Langage (comme ChatGPT) pour l’assistance agricole en République Démocratique du Congo (RDC). En utilisant la technique Low-Rank Adaptation (LoRA) via Unsloth sur Google Colab, nous avons adapté le modèle avec un dataset de 901 paires question-réponse en français, couvrant les données et pratiques agricoles spécifiques à la RDC. Les résultats montrent une convergence efficace en 120 étapes d’entraînement, démontrant la pertinence de l’adaptation au domaine pour les applications agricoles spécialisées. ### Mots-clés : Fine-tuning , Agriculture tropicale, LoRA, Adaptation de domaine, RDC ### 1. Introduction 1.1 Contexte et Motivation L’agriculture en République Démocratique du Congo (RDC) représente environ 40 % du PIB et emploie près de 70 % de la population active. Pourtant, l’accès à l’expertise agricole demeure limité, en particulier dans les zones rurales. Les Grands Modèles de Langage (LLM) offrent une opportunité unique de démocratiser l’accès aux connaissances agricoles spécialisées, en rendant disponibles des conseils et des recommandations adaptés aux réalités locales. 1.2 Objectifs de l’Étude L’objectif principal de cette étude est de développer et d’adapter un Grand Modèle de Langage (LLM) afin de répondre aux besoins spécifiques de l’agriculture en République Démocratique du Congo. This repository contains the fine-tuning of Llama 3.1 (8B) using Unsloth on a custom agricultural dataset from the Democratic Republic of Congo (DRC). The objective is to build an agricultural expert assistant (AGRO-IA) like CHAT-GPT capable of answering farmers’ questions about …