IA & Agriculture

La France est le premier producteur agricole de l’Union Européenne. Avec ces 30 millions d’hectares de terres agricoles et 450 000 agriculteurs, ce secteur représente 76 milliards d’euros de chiffre d’affaires en 2019. Pour nourrir 9,2 milliards de personnes en 2050, l’agriculture a besoin de devenir plus productive et efficace : pas de cultiver plus mais de cultiver mieux.

Si le climat est une donnée importante dans la gestion de la culture, il est possible de l’optimiser grâce au machine learning et les analyses prédictives, selon l’historique et la data :

• La météo,
• L’état des semences et des sols,
• Les niveaux d’irrigation pour gérer l’apport en eau de manière automatique,
• Le risque de maladie et mutation,
• Planifier et optimiser (plantation, récolte, enrichissement, etc.),
• Modéliser les cultures.

En couplant les données et l’utilisation de matériels comme les drônes ou les engins agricoles connectés, Cross Data est en mesure de proposer un projet IA capable de proposer des recommandations, en prenant en compte les données dynamiques (variations météorologiques, situation du marché, épidémies, etc.).

L’intérêt est essentiel : donner à l’agriculteur la possibilité de prendre la meilleure décision au bon moment, de le faire gagner en réactivité et en productivité.

Le secteur agricole a déjà dompté la robotique : la traite, l’arrosage, la récolte ou la distribution alimentaire sont très souvent déjà pris en charge par des équipements mécanisés, qu’ils soient programmés ou automatisés.

En les rendant intelligents avec l’Intelligence Artificielle, ils peuvent aller encore plus loin avec la collecte et le traitement des données pour agir ou alerter l’agriculteur en temps réel.

Avec le Deep Learning, au-delà de la simple analyse de données, les engins agricoles autonomes pourront s’adapter aux circonstances en apportant une solution concrète et pragmatique en fonction de leur expérience et de la situation.

S’il est possible de contrôler à distance les engins agricoles, on peut aujourd’hui les automatiser pour les rendre autonomes et réaliser les opérations de terrain basées sur l’analyse de données : c’est un véritable gain de temps pour l’agriculteur.

La collecte en temps réel mixée avec l’historique permet de fournir des recommandations précises des réglages pour rester compétitif.

On le sait, le domaine de l’IA est vaste et permet de solutionner de nombreuses problématiques.

Dans l’optique d’optimiser les cultures, l’IA permet de concevoir des pulvérisateurs pour un désherbage ciblé. Grâce à du traitement d’image et de l’IA, ces machines sont capables de localiser de manière précise les adventices à supprimer et de les reconnaître.

Cela permet d’éviter une pulvérisation préventive et systématique et de privilégier une pulvérisation du produit le plus approprié, au bon endroit et en quantité adaptée.

Ce désherbage parcimonieux permet de limiter le développement de résistances aux produits et réduit la consommation de produits chimiques de 80% d’après les constructeurs de ces machines.

La cause animale et le traitement dans les élevages est de plus en plus pointée du doigt.

Néanmoins, l’IA permet également d’améliorer le bien-être des animaux grâce à différents systèmes :

• La robotisation : en plus de nettoyer et traiter les couloirs du bâtiment d’élevage, ils permettent de réduire le stress des animaux. L’agriculteur limite ses déplacements dans les bâtiments, lui laissant la possibilité de se consacrer à ses autres missions.

Concernant la traite, grâce à l’IA, les robots peuvent détecter les maladies comme les mammites ou la baisse de production d’un animal ; en confrontant ces données avec son historique, la robotisation mêlée à l’IA permet d’avertir l’éleveur d’un éventuel problème de santé.

• • Les capteurs de données environnementales, de son et des outils basés sur de l’analyse vidéo (image recognition) : anticiper les risques et détecter de manière précoce d’éventuels problèmes sanitaires et des comportements anormaux (chaleurs, vêlage, agressivité, etc.).

• • L’assistance conversationnelle : l’IA est capable de répondre à presque toutes les questions de l’agriculteur concernant la météo du lendemain ou de la semaine prochaine, le prix des matières premières ou encore un rappel de la réglementation concernant l’épandage et les traitements phytosanitaires.
• Systèmes prédictifs : l’agriculteur vend sa production au meilleur moment au vu de l’évolution des prix d’achat. Certaines solutions, considérées comme des simulateurs d’aléas, permettent de simuler plusieurs scénarios économiques et climatiques possibles et de calculer le risque qu’ils se réalisent. L’agriculteur peut alors calculer ses revenus dans le cas où un risque se concrétise et éventuellement d’adopter le comportement qui minimise le risque.