Aller au contenu principal

Réussir Grandes Cultures : le média des céréaliers

E-mailPrintFont SizeFacebookTwitter

Numérique
A quoi l'intelligence artificielle peut servir en grandes cultures

Des voitures autonomes aux assistants vocaux, l’intelligence artificielle (IA) fait beaucoup parler. Robots simplificateurs de tâches, appui à la décision au champ, prévisions de rendements… les potentiels sont multiples en cultures. Mais les développements opérationnels commencent à peine.

Des projets de tracteurs autonomes, qui embarquent de l'intelligence artificielle.
© CNH

Pour faire face aux défis posés à l’agriculture mondiale, « l’intelligence artificielle peut constituer une ressource précieuse », explique le mathématicien et député Cédric Villani dans son rapport sur l’intelligence artificielle publié en mars 2018. Certes… Mais de quoi parle-t-on exactement ? Selon une définition donnée dans une intervention au Collège de France par Yann Le Cun, l’un des pionniers de l’intelligence artificielle moderne, l’IA est « un ensemble de techniques permettant à des machines d’accomplir des tâches et de résoudre des problèmes normalement réservés aux humains et à certains animaux ». L’IA est aujourd’hui presque systématiquement associée au machine learning ou au deep learning, c’est-à-dire à la capacité qu’a une machine d’apprendre et d’améliorer les réponses qu’elle donne aux problèmes qui lui sont posés. Cette capacité repose sur un algorithme d’apprentissage et des données d’entraînement. À partir de ces dernières, l’algorithme cherche un modèle de traitement qui lui permettra de fournir le résultat demandé. Puis il l’améliore sans cesse en fonction des nouvelles données qui lui sont fournies. Le modèle stabilisé est ensuite testé puis mis en production. « Les data permettent de rendre les algorithmes plus performants grâce à l’incrémentation », résume Samy Aït-Amar, à l’Acta. Ces nouvelles technologies font leur entrée petit à petit dans le monde agricole. D’après une étude publiée en 2017 de Research and Markets, le marché de l’IA en agriculture représentait un peu moins de 520 millions d’euros et il devrait croître au niveau mondial de plus de 20 % par an d’ici 2025, pour atteindre 2,6 milliards.

De l’avenir pour l’IA dans la robotisation

L’utilisation de l’IA dans la robotisation est probablement l’une des applications les plus médiatisées. Comme les constructeurs de voitures, Case IH, New Holland ou John Deere, par exemple, travaillent sur des projets de tracteurs autonomes. À l’image du Challenge Centéol sur maïs, qui réunit Kuhn et la société Agreenculture, des essais sont effectués pour montrer qu’il est possible de cultiver un champ sans intervention humaine dans les parcelles. Des robots de désherbage qui reconnaissent et traitent les adventices pointent également leur nez, comme Oz de Naïo Technologies. « L’IA intervient quand il faut analyser beaucoup de mesures en parallèle et que l’action devient compliquée à imaginer de façon intuitive », explique Frédéric Colledani, chercheur au CEA-Tech impliqué dans l’agriculture. Elle ne conduit pas toujours à la création de nouvelles fonctions. « Elle peut améliorer l’exécution d’une tâche faite par un robot en corrigeant ses erreurs, par exemple », souligne Samy Aït-Amar. En pratique, cette technologie est dissociable des robots. « L’intelligence artificielle est là pour assurer la perception des choses, afin de faciliter la prise de décision, explique Éric Lucet, chercheur au CEA Tech spécialisé en robotisation. Le robot n’est utile que s’il y a une action à réaliser. »

Des usages déjà opérationnels dans la reconnaissance d’adventices

Dans une étude publiée fin 2018, la chaire AgroTIC recense les usages potentiels de l’IA en grandes cultures : détection et/ou reconnaissance de plantes, de maladies, de stades phénologiques, de cultures, estimation des rendements, détection d’obstacles, prédiction de la météo ou des caractéristiques du sol…. Ils impliquent de l’apprentissage mais pas forcément de robotisation. Certains outils sont déjà disponibles, telles des applications autour de la reconnaissance d’adventices basées sur l’analyse d’images : l’appli Pl@ntnet issue de la recherche publique (Inra, IRD, Inria, Cirad, Agropolis), les services de cartographie des adventices de la société Carbon Bee ou les solutions Xarvio, plus larges, développées par Bayer et aujourd’hui détenues par BASF. Et ce ne sont que quelques exemples.

Ces applications ne sont qu’un début. Pour Éric Lucet, tout l’intérêt de l’IA réside dans le croisement de données de nature différente, ce qui devient possible avec le développement des capteurs à bas coûts : « toutes les perceptions possibles de la réalité sont à prendre en compte. Plus les données d’entrée ont des sources différentes (caméras, hygromètres, lasers…), plus on obtient une information riche et précise », expose-t-il. Mais pour le chercheur, « cela ne veut pas dire mettre des capteurs partout, mais là où c’est utile ». Une image satellite pourra ainsi permettre d’identifier dans une parcelle une zone atypique, à étudier grâce à des capteurs spécifiques.

Des avancées conditionnées au croisement de données multiples

Même s’il travaille chez Cybele Tech, société spécialisée dans les technologies numériques appliquées au monde végétal, Théophile Lohier se montre nuancé sur l’apport de l’IA en termes d’aide à la décision. « En agriculture, on ne connaît pas les règles du jeu : la physiologie de la plante reste encore mystérieuse. Il y a énormément d’interactions entre la plante et son environnement que l’on ne peut pas intégrer dans un algorithme parce qu’on ne les connaît pas. » Pour le spécialiste, les modèles mécanistes, qui reposent sur la physiologie de la plante et de l’expérimentation de laboratoire, sont plus fiables. Chez ITK, qui se définit comme l’un des leaders mondiaux de « l’agri-intelligence », Philippe Stoop, directeur recherche et innovation, partage cet avis. « Les modèles mécanistes ont été testés dans de très nombreuses conditions, bien au-delà de ce qui se passe dans la nature, explique-t-il. Ils peuvent être fiables dans une gamme large de variations. » Le professionnel croit en l’hybridation des deux méthodes. « Les modèles mécanistes produisent beaucoup de variables intermédiaires qui peuvent alimenter des modèles statistiques ou basés sur de l’IA », signale-t-il par exemple.

Éric Lucet, lui, est confiant dans la capacité d’adaptation de la machine à des conditions inconnues : « toute la question est de savoir si les données qui entrent dans des bornes sont déjà observées ou non par l’algorithme d’apprentissage. Car c’est le changement de paradigme qui met l’algorithme en échec ». Si les racines d’une plante s’asphyxient au-delà d’un certain pourcentage d’humidité dans le sol, il faut que l’algorithme ait traité des données dépassant ce seuil afin que le modèle final intègre ce paramètre.

« Pour l’instant, on est dans l’explosion des projets, la technologie n’est pas encore mature », conclut Samy Aït-Amar. En grandes cultures en particulier, la valeur ajoutée hectare étant plus faible qu’ailleurs, le secteur n’est pas en pointe. Pour Frédéric Colledani, le champ des possibles est en tout cas très large. « L’AI peut apporter une aide à plusieurs niveaux : diminuer la pénibilité d’une tâche grâce à de la robotisation, réduire la charge mentale de l’utilisateur en facilitant la prise de décision, diminuer le risque d’erreur, objectiver la transmission de savoirs…, explique-t-il. Mais il faut partir des besoins de l’agriculteur pour savoir ce qui sera réellement utile sur le terrain. »

C’est le changement de paradigme qui met l’algorithme en échec
 

La fouille de données en embuscade

Après le deep learning, ce sera peut-être le nouveau champ de progrès de l’intelligence artificielle. La fouille de données est en tout cas un domaine encore assez neuf en agriculture. « Peu de gens se sont intéressés à ce secteur, estime Alexandre Termier, chercheur à l’Inria (Institut de recherche en numérique et automatique) impliqué dans Digitag, l’institut Convergences agriculture numérique. Les données agricoles sont un peu particulières : elles sont produites sur de petites échelles de temps, inférieures à la journée, tout en s’inscrivant dans le temps long de l’année ou de la saison, et en plus, elles sont spatialisées. » Schématiquement, la fouille consiste à détecter des motifs qui se répètent, des regroupements dans un jeu de données. « Il faut ensuite travailler avec des experts qui donneront un sens ou non à ce qui a été trouvé », précise Alexandre Termier. Une nouvelle approche qui implique beaucoup de collaboration… et de temps.

En chiffres

Une technologie qui date

1956 Invention du mot « intelligence artificielle » à l’université de Dartmouth

1957 Naissance aux États-Unis du Perceptron, premier réseau de neurones artificiels doté d’un algorithme d’apprentissage

1969 Premier robot contrôlé par ordinateur à l’université de Stanford (États-Unis)

1997 Victoire de l’ordinateur Deep blue sur Gary Kasparov aux échecs

2012 Première reconnaissance d’image (un chat) par Google grâce au deep learning

2016 Victoire d’Alphago contre le champion du monde du jeu de Go

Des robots encore largement au stade de prototype pour les cultures

Aujourd’hui, c’est dans les exploitations d’élevage que se concentrent 90 % des robots agricoles présents en France, en particulier en bovins laitiers. 8000 d’entre eux sont utilisés pour la traite, 10 % des éleveurs étant équipés, et 70 % en acquérant un lors du renouvellement de leur matériel, selon une enquête de l’Observatoire des usages de l’agriculture numérique. Les racleurs et aspirateurs de lisiers se développent également. Mais en viticulture, les usages sont extrêmement faibles et ils sont absents en grandes cultures, ainsi qu’en aviculture et en arboriculture.

La recherche foisonne néanmoins d’idées autour de robots intelligents et polyvalents. À l’Irstea, l’équipe Romea (Robotique et mobilité pour l’environnement et l’agriculture) développe entre autres les projets PumAgri et Baudet-Rob. Le premier vise à créer une « plateforme universelle mobile », plus puissante que les robots actuels, capable de s’adapter à des conditions difficiles et de diminuer la pénibilité de certaines tâches. Sorte de brouette électronique, Baudet-Rob serait quant à lui capable de suivre un groupe de personnes en transportant du matériel adapté à leurs besoins.

Sous-titre
Vous êtes abonné(e)
Titre
IDENTIFIEZ-VOUS
Body
Connectez-vous à votre compte pour profiter de votre abonnement
Sous-titre
Vous n'êtes pas abonné(e)
Titre
Créez un compte
Body
Choisissez votre formule et créez votre compte pour accéder à tout Réussir Grandes Cultures

Les plus lus

Rodolphe Lormelet, agriculteur à Versainville. "Les jachères mises en place pour favoriser la biodiversité sont bien perçues des chasseurs, des riverains..." © L'agriculteur normand
Environnement/PAC : des jachères SIE pour une biodiversité utile en agriculture
Des jachères dites « mellifères » ont été conçues pour alimenter les insectes pollinisateurs avec des avantages en termes de…
Avec des blés semés tard et des variétés tolérantes aux maladies, le premier traitement fongicide est souvent retardé au stade "dernière feuille étalée". © L. Vimond
Fongicides céréales : Protéger ses blés des maladies pour moins de 20 euros
Les semis tardifs et le recours à des variétés de blé tolérantes aux maladies autorisent une protection fongicide efficace à…
L'ambroisie se développe fortement dans le Sud-Ouest en plus d'être déjà bien installé dans la vallée du Rhône. © G. Omnès
Désherbage : empêcher datura et ambroisie d'empoisonner le maïs
Dans certaines régions, il faut compter dorénavant sur les infestations de datura et d’ambroisie en cultures d’été. Le maïs…
Du fait d'une approche purement quantitative et non qualitative, le système des SIE pousse les agriculteurs à respecter la réglementation a minima. © C. Gloria
Haies, couverts, jachères... : les principales infrastructures reconnues comme surfaces d'intérêt écologique en grandes cultures
La France a opté pour un large choix d’éléments autorisés au titre des surfaces d’intérêt écologique. Ce « catalogue »  inclut…
Après vingt ans de non-labour, François-Xavier Déchamps a opté pour une charrue déchaumeuse pour faire face aux graminées résistantes et à la fin annoncée du glyphosate. © G. Omnès
Charrue déchaumeuse : le bon compromis agronomique grâce au labour à faible profondeur
Efficiente dans la gestion des adventices grâce au retournement du sol, mais tout en conservant la matière organique dans les…
Le reliquat de sortie d'hiver permet de déterminer précisément les fournitures en azote par le sol et d’établir la dose optimale d'azote.  © C. Baudart
Pilotage de la fertilisation des céréales : bien mesurer son reliquat sortie d’hiver d'azote
Faire un prélèvement de sol en vue d’un reliquat de sortie d’hiver n’a rien de compliqué. Mais s’il est mal fait, la mesure est…
Publicité
Titre
Je m'abonne
Body
Moins de 8.20€/mois
Liste à puce
Accédez à tous les articles du site Grandes Cultures
Consultez les revues Réussir Grandes Cultures au format numérique sur tous les supports
Ne manquez aucune information grâce à la newsletter Grandes Cultures