L'intelligence artificielle aide de plus en plus les agriculteurs : irrigation de précision, prévisions de rendement et suivi des cultures
Lors de ma visite, il y a trois ans, d'un salon agricole à Izmir, en Turquie, l'utilisation de l'intelligence artificielle dans l'agriculture se limitait au suivi des stocks, proposée sous forme de solutions spécialisées par des entreprises reléguées derrière les stands des grands fabricants de tracteurs.
PUBLICITÉ
PUBLICITÉ
Mais la situation évolue.
Voici cinq façons dont l'IA change notre manière de produire de la nourriture et des aliments pour le bétail :
Surveillance des cultures
La surveillance des cultures reste largement une affaire d'intuition. Les agriculteurs doivent comprendre comment leurs plantations sont affectées par les ravageurs et les maladies selon la saison, les vents et le climat.
Mais cela est en train de changer.
Des drones et des images satellites alimentent des modèles de vision par ordinateur capables de repérer les infestations fongiques ou les parasites bien avant qu'ils ne soient visibles à l'œil nu, et de recommander l'utilisation de produits de protection des cultures ou de pesticides de manière plus ciblée. Si les agriculteurs utilisent des capteurs de sol, ces jeux de données gagnent encore en précision.
Prévision des rendements
Comme pour la surveillance des cultures, les prévisions de rendement basées sur des capteurs permettent aux agriculteurs de disposer non seulement d'un inventaire de ce qu'ils ont déjà récolté, mais aussi de ce qu'ils s'apprêtent à récolter. Syngenta a développé une IA générative qui atteint 95 % de précision dans la prévision des rendements et fournit en plus des recommandations de positionnement des semences.
L'intérêt de ces prévisions est que les agriculteurs doivent anticiper toute la logistique autour de leurs récoltes. Plus ils peuvent fournir des informations fiables aux distributeurs et aux transporteurs, moins ils perdent d'argent.
Une étude commandée par la National Corn Growers Association et réalisée par des économistes agricoles de Virginia Tech ("What Do We Know About the Accuracy and Impact of USDA Forecasts") a évalué la valeur des rapports WASDE (World Agricultural Supply and Demand Estimates) publiés par le département américain de l'Agriculture pour le marché du maïs.
Elle estime la valeur annuelle de ces informations de prévision à environ 301 millions de dollars (258,9 millions d'euros), soit environ 0,55 % de la valeur totale du marché du maïs, ventilée par composante : les estimations de surfaces ont contribué à hauteur d'environ 145 millions de dollars (124,8 millions d'euros), celles de rendement à environ 188 millions (161,8 millions d'euros), celles de production à environ 299 millions (257,3 millions d'euros) et les estimations d'exportations à environ 320 millions (275,4 millions d'euros).
Une agriculture robotisée
La robotique connaît un essor spectaculaire dans un monde porté par l'IA : il ne s'agit plus seulement de véhicules autonomes qui nous transportent en ville, mais aussi de tracteurs et d'autres équipements agricoles, désormais automatisables grâce à l'intelligence artificielle.
John Deere travaille à la mise au point de tracteurs entièrement autonomes et le LaserWeeder de Carbon Robotics en offre une illustration concrète : cette machine utilise 24 lasers, 36 caméras et 24 GPU NVIDIA pour repérer et éliminer jusqu'à 10 000 mauvaises herbes par minute sur plus de 100 types de cultures, grâce à un entraînement sur 150 millions d'images de plantes annotées collectées par des appareils déjà en service dans 15 pays.
Irrigation de précision
L'irrigation est une science qui, jusqu'à présent, reposait essentiellement sur l'expertise individuelle de chaque agriculteur. L'irrigation de précision n'est pas une nouveauté et des systèmes automatisés existent déjà, mais ils dépendaient encore largement des données saisies manuellement par les exploitants.
Des systèmes de fusion de capteurs, qui croisent l'humidité du sol, la température du couvert végétal et les prévisions météo, sont désormais utilisés pour réduire la consommation d'eau d'environ 30 %, tout en augmentant les rendements dans certains cas. Une étude menée dans des champs de canne à sucre en Inde fait état d'une baisse de 30 % de l'utilisation de l'eau associée à un gain de 40 % de rendement.
De la même manière, des systèmes de pulvérisation à débit variable n'appliquent les pesticides que là où ils sont nécessaires, ce qui réduit les volumes de produits chimiques et génère des traces d'audit utiles pour se conformer aux réglementations.
L'IA au service de l'élevage
Plus une exploitation d'élevage est grande, plus il devient difficile de veiller à la fois au bien-être et à la productivité économique des animaux. Les solutions d'IA pour l'élevage s'appuient sur la vision par ordinateur et des capteurs portés par les bêtes (accéléromètres, capteurs biométriques) pour détecter des signes de maladie plusieurs jours avant l'apparition de symptômes visibles. Elles permettent ainsi de réduire le recours aux antibiotiques et d'améliorer le bien-être animal, un enjeu de plus en plus crucial face au durcissement des règles et aux exigences des distributeurs en matière d'utilisation d'antibiotiques dans la viande et les produits laitiers.
Ce contenu a été publié à l'origine sur EU Tech Loop (source en anglais) et est diffusé sur Euronews dans le cadre d'un accord de syndication.