IA & Machine Learning : quels bénéfices pour l’agriculture ?
Temps de lecture : 5 minutes
Publié le 9 octobre 2018
Planter, irriguer et cultiver, récolter : toutes les étapes classiques de l’agriculture peuvent bénéficier des apports de l’IA. Comment ? Nous vous expliquons tout.
Aujourd’hui, l’intelligence artificielle infuse tous les niveaux de la société et tous les secteurs d’activité : la santé, le secteur bancaire, l’industrie, le retail… ou encore l’agriculture. Mais de quoi parle-t-on exactement quand on évoque l’IA ? S’il est difficile de donner une définition unique, c’est parce qu’il s’agit davantage d’un ensemble de concepts et de technologies que d’une discipline autonome.
En fait, les branches de l’IA forment de nombreuses ramifications, parmi lesquelles on trouve le deep learning et le machine learning, autrement appelé apprentissage automatique. Ce dernier regroupe les méthodes qui permettent à un ordinateur d’apprendre seul, par un processus systémique (en repérant des patterns). Il est ainsi possible d’effectuer des opérations plus ou moins complexes : classer, trier et regrouper des données, faire des prédictions… En fait, avec le machine learning, il est possible de traiter des volumes de données colossaux, et de réaliser des tâches qui, autrement, seraient extrêmement chronophages.
Mais l’IA, ce sont aussi des technologies cognitives, qui réussissent à reproduire nos sens pour en extraire de l’intelligence : reconnaissance d’image, reconnaissance faciale, reconnaissance et synthèse vocale, vision par ordinateur, traduction automatique… Bref, un ensemble vaste, à la croisée de l’informatique, de la logique mathématique, des neurosciences ou encore de la linguistique. Et, si le terme est compliqué à cerner, les avancés qu’il y a derrière sont déjà très concrètes, notamment dans le secteur agricole.
Quels usages de l’intelligence artificielle dans le secteur agricole ?
Dans le secteur de l’agriculture, actuellement, on s’intéresse surtout au machine learning.
Pour nourrir les algorithmes « intelligents », la première étape consiste à récolter des données, beaucoup de données. Comment ? Grâce à des capteurs plantés dans la terre ou installés sur des tracteurs, grâce à des caméras, ou encore grâce une cartographie des sols effectuée avec des drones. Ces données sont ensuite envoyées dans le cloud, où elles peuvent être moulinées par les algorithmes. Pourquoi le cloud ? Car les données sont tellement nombreuses qu’il faut énormément de puissance de calcul pour les traiter, une puissance que l’on peut obtenir en mobilisant de nombreux serveurs, dans le cloud (sinon, il faudrait un ordinateur ultra-performant !).
C’est alors que la magie opère : l’analyse de ces données va permettre aux agriculteurs et aux agricultrices de prendre des décisions éclairées, appuyées sur d’importants corpus de données, décortiqués par les algorithmes de machine learning. Ainsi, les « smart farmers » disposent de toutes les informations nécessaires pour faire des choix cruciaux : date de semence, de récolte ou d’ajout de produits phytosanitaires (engrais, pesticides), taux d’irrigation… Tout peut être monitoré, puis analysé par l’IA, facilitant ainsi le travail agricole.
Grace à ces avancées technologiques, de plus en plus d’agriculteurs et d’agricultrices peuvent pratiquer une agriculture de précision, qui prend en compte les données extraites pour chaque région agricole et pour chaque parcelle de terre, mais aussi l’hétérogénéité intra-parcellaire. Ils peuvent ainsi adapter leurs actions aux différents écosystèmes qu’ils rencontrent.
A ce sujet, un nombre important de technologies ont déjà été développées pour révolutionner le monde agricole.
Ranveer Chandra est un chercheur chez Microsoft. Il dirige le programme FarmBeats, un projet d’agriculture « data-driven », qui mixe IoT & IA. Pour lui, l’intérêt de ce type d’initiatives est double : « la puissance de l’informatique de pointe réduit le coût de la surveillance sur le terrain et accélère la réponse aux menaces qui pèsent sur les cultures, tandis que l’intelligence artificielle permet d’améliorer la production. » Autrement dit : de meilleurs rendements, et une réduction des risques de maladies au sein des cultures.
Un autre exemple de ce que l’IA peut apporter à l’agriculture au monde agricole ? Prenons l’hydroponie. Le principe est le suivant : les plantes sont cultivées hors-sol, directement dans une solution à base d’eau contenant tous les éléments nutritifs – minéraux et oligo-éléments – essentiels.
Si les cultures hydroponiques existent depuis des années, notamment pour les tomates et les laitues, l’intelligence artificielle leur offre une nouvelle jeunesse. Là aussi, le machine learning permet de prendre les meilleures décisions, pour régler l’intensité de la lumière pour de meilleurs rendements avec des coûts d’électricité maîtrisés, ou pour calculer la quantité optimale de nutriments.
L’IA permet non seulement d’améliorer la production des cultures existantes, mais aussi d’envisager de nouvelles cultures hydroponiques pour des plantes qui ne poussaient jusqu’à présent que dans la terre. Cela ouvre un nouveau champ potentiel pour les légumes verts feuillus, fruits et herbes. En fait, grâce à l’apport de l’IA dans l’hydroponie il est même possible d’envisager de nouveaux lieux pour ces cultures, comme par exemple des fermes dans des immeubles résidentiels Cela signifie des aliments frais, disponibles localement, moins chers et plus sains pour des millions de personnes.
Pourquoi c’est important ?
Parce que le besoin est critique ! Dès 2050, dans à peine plus de trois décennies, la population mondiale devrait frôler les 10 milliards d’habitants (contre 7,6 milliards aujourd’hui). La production alimentaire devra donc absorber cette croissance de population, alors que la quantité de terres arables disponibles est limitée et que nous devrons également économiser l’eau. Il est donc indispensable que l’agriculture se transforme, pour optimiser les ressources et éviter le gaspillage.
Le secteur évolue déjà : si, en 2017, le marché de l’IA en matière d’agriculture était évalué à près de 518,7 millions de dollars, il devrait atteindre les 2.6 milliards de dollars d’ici 2025, soit un bond de plus de 22,5%, d’après les chiffres de Research and Markets.
Où en est-on aujourd’hui ?
Partout dans le monde, des projets commencent à voir le jour.
Avec le programme AI for Earth, Microsoft met en place son cloud et ses outils d’IA entre les mains de celles et ceux qui essayent de résoudre les grands défis environnementaux. Depuis le lancement, fin 2017, 110 bourses ont déjà été attribuées, dans 27 pays. C’est d’ailleurs dans ce cadre qu’a été développé FarmBeats, qui combine les algorithmes de machine learning de Microsoft, des capteurs et des drones pour permettre aux agriculteurs d’avoir une vision fine de l’activité de leur exploitation, afin d’augmenter leur productivité tout en diminuant leur impact environnemental.
Enfin, de leur côté, les investisseurs s’intéressent de plus en plus aux start-ups Agritech. En 5 ans, près de 800 millions de dollars ont ainsi été collectés à travers le monde par les jeunes pousses du secteur… Ce qui ne fait que confirmer que le secteur est florissant !
Pour aller plus loin :
· Intervention de Ranveer Chandra dans le podcast Microsoft Research (en anglais)
Questions Fréquentes
Comment utiliser l’IA en agriculture ?
L’IA peut permettre plusieurs choses d’aider les agriculteurs et agricultrices à pratiquer une agriculture de précision grâce à des capteurs plantés dans la terre, etc. Elle peut aussi permettre d’améliorer la production des cultures existantes en envisageant de nouvelles cultures hydroponiques.
Pour en savoir plus sur l’IA
Pourquoi utiliser l’IA en agriculture ?
Dès 2050 la population mondiale devrait atteindre les 10 milliards d’habitants (contre 7,6 milliards aujourd’hui). La production alimentaire devra donc suivre cette croissance de population, alors même que la quantité de terres disponibles est limitée et que nous devrons économiser l’eau.
