AgriTech : comment l'Intelligence Artificielle « augmente » les récoltes

L'agriculture fertilisée au Big Data

Selon une estimation qui se veut prudente, 75 millions d'appareils agricoles connectés (IoT) devraient être en service d'ici 2020 et 4,1 millions de données quotidiennes seront produites, en moyenne, par ferme d'ici 2050.

Cette énorme volumétrie de données - recueillies grâce à des technologies allant des capteurs dans les engins agricoles à l'imagerie par drones - est trop importante pour être traitée par des humains. Les agriculteurs et les spécialistes des technologies agricoles se tournent donc vers l'IA pour analyser ces points de données, améliorant ainsi la valeur ajoutée qu'elles peuvent créer.

Grâce à la mise en œuvre de « l'AI-culture », les exploitants agricoles peuvent mieux analyser les conditions météorologiques, la température, l'utilisation de l'eau ou les conditions du sol - propres à leur ferme - pour fertiliser leurs décisions et leurs choix de cultures et de semences (hybrides ou non) qui permettront d'accroître les revenus et de réduire coûts et gaspillage.

En plus des données collectées au sol, des algorithmes cognitifs de vision assistées par ordinateur et de Deep Learning permettent de traiter des données capturées à partir d'aéronef sans pilote. L'IA, combinée aux drones, capture et analyse des images de l'ensemble de la ferme en quasi temps réel - pour surveiller et analyser la santé et l'état des sols et l'état des cultures, et identifier d'éventuelles zones à problèmes.

Agriculture de précision

L'utilisation de l'IA pour améliorer la qualité et la précision des récoltes est un style de gestion connu sous le nom d'agriculture de précision. L'agriculture de précision utilise les technologies pour détecter les maladies, les épidémies et la mauvaise nutrition des plantes.

Les capteurs peuvent aussi détecter et cibler les mauvaises herbes tout en conseillant les herbicides à appliquer et la dose juste à appliquer, ce qui prévient l'application excessive de produits chimiques potentiellement toxiques et le développement d'une résistance aux herbicides.

L'agriculture de précision crée également des modèles probabilistes de prévisions saisonnières.

Ces modèles prédictifs ont été générés en compulsant les données de récoltes passées. Ils prévoient les variétés de cultures les plus appropriées pour les saisons à venir, les périodes et les lieux de plantation idéaux. Ces modèles sont encore plus efficaces dans la gestion des champs quand on y ajoute des tendances météorologiques prévues pour la saison à venir - elles aussi augmentées à l'IA.

Les modèles prévisionnels saisonniers s'avèrent particulièrement utiles pour les petites exploitations et/ou les pays en voie de développement où l'accès aux ressources IT - et où les volumes de données recueillies sur les exploitations sont plus petits - est limité.

Le chatbot est dans les prés

Historiquement, les fermes ont eu besoin de beaucoup de travailleurs peu qualifiés - et saisonniers - pour produire et récolter les moissons. Problème, de moins en moins de personnes sont tentées par ces petits boulots. Le travail est dur, physique et les rémunérations faibles.

L'IA, en automatisant, résout une partie de l'équation. Les robots agricoles autonomes - qui sont un autre pan de l'Intelligence Artificielle - par exemple, récoltent les moissons plus efficacement et à un rythme plus élevé que les humains, en identifiant et en éliminant plus précisément les mauvaises herbes et en réduisant les coûts et les risques.

Autre application de l'IA, les agriculteurs vont de plus en plus tirer parti des chatbots et des assistants conversationnels vocaux (à la Google Home / Alexa) pour obtenir des conseils et des recommandations sur des problèmes spécifiques. Les assistants sont déjà utilisés comme interface avec des systèmes métiers (ERP, SIRH notamment) dans de nombreuses industries. Il n'est donc pas surprenant de voir arriver les chatbots dans les prés.