UNIVERSITÉ NATIONALE DU VIETNAM, HANO¨
I
ECOLE INTERNATIONALE
NGUEMDJOM TCHANGANG DARREN KEVIN
FABRICATION ET MISE EN ROUTE DE
CAPTEURS
ÉLECTRONIQUES DE MESURE DU POTENTIEL
MATRICIEL DES SOLS
TRANSMISSION DES DONNÉES EN TEMPS
RÉELS (LORA, 4G)
CH!T"OVÀV#NHÀNHCÁCC$MBI!N%I&N
T’%OTH!N(NG MA TR#NC)A%*T;
TRUY+ND,LI&UTH-I GIAN TH.C
(LORA, 4G)
MÉMOIRE DE FIN D’ÉTUDES DU MASTER
INFORMATIQUE
HANO¨
I–2025
UNIVERSITÉ NATIONALE DU VIETNAM, HANO¨
I
ECOLE INTERNATIONALE
NGUEMDJOM TCHANGANG DARREN KEVIN
FABRICATION ET MISE EN ROUTE DE
CAPTEURS
ÉLECTRONIQUES DE MESURE DU POTENTIEL
MATRICIEL DES SOLS
TRANSMISSION DES DONNÉES EN TEMPS
RÉELS (LORA, 4G)
CH!T"OVÀV#NHÀNHCÁCC$MBI!N%I&NT’%O
TH!N(NG MA TR#NC)A%*T; TRUY+ND,LI&U
TH-I GIAN TH.C
(LORA, 4G)
MÉMOIRE DE FIN D’ÉTUDES DU MASTER
INFORMATIQUE
Spécialité : Systèmes Intelligents et Multimédia
Code : 8480201.02
Sous la direction de : Christian Hartmann,
chercheur à l’IRD et responsable du programme
‘CompacSol’ et ‘LoRaSat’
HANO¨
I–2025
Remerciements
Nous remercions tout d’abord le Créateur de l’univers visible et invisible, Dieu Tout-
Puissant, à travers son Fils, notre Seigneur Jésus-Christ, pour la grâce et le soutien
constants tout au long de cette période de formation.
Nous adressons notre profonde gratitude à notre encadrant, M. Christian HARTMANN,
pour son accompagnement exceptionnel et ses conseils avisés. Son expertise en pédologie
et sa connaissance des systèmes agricoles du Laos ont été essentiels à la réalisation de ce
projet au sein des Laboratoires IRD du DALAM.
Nous remercions chaleureusement toute l’équipe de l’IRD Laos du DALAM, particulière-
ment nos collègues de bureau, Mme FANTA Nampheung et Mme PEECHA Sunee, pour
leur soutien quotidien et l’ambiance collaborative qu’elles ont su créer.
Nos sincères remerciements vont au corps enseignant de l’Institut Francophone Interna-
tional (IFI), notamment au Dr. HO Tuong Vinh pour ses précieux conseils académiques.
Nous remercions également tous nos camarades de la promotion SIM P26 pour leur soli-
darité et les moments enrichissants partagés durant ces deux années.
Nous exprimons notre profonde reconnaissance à mes parents Monsieur et Madame
TCHANGANG, pour leur soutien inconditionnel et leurs sacrifices qui ont été le pilier de
notre parcours académique.
Enfin, nous remercions l’administration de l’IFI pour son accueil chaleureux au Vietnam,
ainsi que tous ceux qui ont contribué à la réussite de ce travail.
i
Résumé
Ce mémoire porte sur le développement d’un système d’irrigation intelligent combinant
l’Internet des Objets (IoT) et l’intelligence artificielle pour la classification automatique
des états hydriques du sol dans les exploitations maraîchères du Laos. La recherche ré-
pond à la problématique cruciale de l’optimisation de l’usage de l’eau en agriculture
face aux défis du changement climatique et à la nécessité de solutions abordables pour les
petits exploitants, comblant ainsi une lacune importante dans les systèmes existants, sou-
vent trop coûteux et complexes, en proposant une alternative accessible et adaptée aux
contextes à ressources limitées. L’objectif principal était de concevoir un système capable
de transformer les données brutes des capteurs en informations décisionnelles exploitables,
permettant aux agriculteurs d’optimiser leurs pratiques d’irrigation et de réduire le gas-
pillage d’eau tout en maintenant des rendements optimaux. La méthodologie s’appuie
sur un déploiement expérimental dans le village de Thaxang, impliquant 16 nœuds de
capteurs (tensiomètres Watermark et sondes de température) communiquant via LoRa
vers des passerelles centrales, où les données collectées sur 287 jours (20 193 observations)
ont été analysées à l’aide d’algorithmes d’apprentissage de réseaux de neurones profonds
(RNN, LSTM, Bi-LSTM, CNN-LSTM) pour classifier trois états hydriques : Saturé, Op-
timal et Sec. Les résultats démontrent l’efficacité exceptionnelle du modèle Bi-LSTM avec
une précision de 97,75 %, surpassant significativement le CNN-LSTM (70,98 %), tandis
que l’analyse temporelle révèle une forte persistance des états hydriques (89–93 %) avec
des transitions critiques Optimal→Sec (17 %) essentielles pour l’anticipation des besoins
en irrigation. Cette recherche est importante car elle démontre la faisabilité technique et
économique d’une agriculture de précision accessible, l’implémentation réussie d’une in-
terface visuelle simplifiée (écran OLED) prouvant que des technologies avancées peuvent
être démocratisées pour améliorer la sécurité alimentaire et la durabilité des pratiques
agricoles dans les pays en développement.
ii
Abstract
This thesis focuses on the development of an intelligent irrigation system combining the
Internet of Things (IoT) and artificial intelligence for the automatic classification of soil
water states in vegetable farms in Laos. The research addresses the crucial issue of opti-
mizing water use in agriculture in the face of climate change challenges and the need for
affordable solutions for smallholder farmers, thus filling an important gap in existing sys-
tems, which are often too expensive and complex, by proposing an accessible alternative
adapted to resource-limited contexts. The main objective was to design a system capable
of transforming raw sensor data into actionable decision-making information, enabling
farmers to optimize their irrigation practices and reduce water waste while maintaining
optimal yields. The methodology is based on an experimental deployment in the village of
Thaxang, involving 16 sensor nodes (Watermark tensiometers and temperature probes)
communicating via LoRa to central gateways, where data collected over 287 days (20,193
observations) were analyzed using deep neural network learning algorithms (RNN, LSTM,
Bi-LSTM, CNN-LSTM) to classify three water states : Saturated, Optimal and Dry. The
results demonstrate the exceptional effectiveness of the Bi-LSTM model with an accu-
racy of 97.75%, significantly outperforming the CNN-LSTM (70.98%), while temporal
analysis reveals a strong persistence of water states (89–93%) with critical Optimal→Dry
transitions (17%) essential for anticipating irrigation needs. This research is important as
it demonstrates the technical and economic feasibility of accessible precision agriculture,
with the successful implementation of a simplified visual interface (OLED display) pro-
ving that advanced technologies can be democratized to improve food security and the
sustainability of agricultural practices in developing countries.
iii