Les technologies numériques au service de l’agriculture de demain

L’a­gri­cul­ture doit aug­menter sa pro­duc­tion, tout en dimin­u­ant sa forte pres­sion sur l’en­vi­ron­nement. Les tech­niques numériques peu­vent lui per­me­tte de réus­sir ce chal­lenge, en val­orisant les mass­es de don­nées exis­tantes, en sim­u­lant l’évolution de la crois­sance d’une cul­ture pour tenir compte des paramètres agis­sants et en prof­i­tant des pro­grès du machin­isme avec infor­ma­tique embarquée. 

L’agri­cul­ture mod­erne fait face à un cer­tain nom­bre de grands défis qui vont néces­siter le déploiement de tech­nolo­gies de rup­ture afin de pou­voir y faire face. D’une part, la crois­sance con­tin­ue de la pop­u­la­tion mon­di­ale impose d’augmenter les pro­duc­tions agri­coles d’au moins 50 % d’ici à l’horizon 2050. 

“ Toujours plus de données à tous les maillons des filières agroalimentaires ”

D’autre part, le secteur agri­cole exerce déjà une très forte pres­sion sur l’environnement, en étant respon­s­able de 32 % des émis­sions de gaz à effet de serre et en con­som­mant 70 % des ressources en eau de la planète. 

Afin de garan­tir la péren­nité des pro­duc­tions, le secteur agri­cole doit par­venir à préserv­er les ressources naturelles et respecter les con­traintes envi­ron­nemen­tales en lim­i­tant les intrants tels que fer­til­isants ou pro­duits phytosanitaires. 

L’agriculture de demain devra par­venir à pro­duire beau­coup plus en con­som­mant et pol­lu­ant beau­coup moins. 

Pour y par­venir, les tech­nolo­gies numériques représen­tent une oppor­tu­nité majeure de pro­grès. Ces sources de pro­grès reposent d’un côté sur les pro­grès en matière d’apprentissage pro­fond qui per­me­t­tent aujourd’hui de val­oris­er les grandes mass­es de don­nées générées dans le domaine agro­cli­ma­tique, et d’un autre côté sur les méth­odes de sim­u­la­tion de crois­sance de plantes fondées sur la com­préhen­sion des proces­sus biologiques. 

L’agriculture de pré­ci­sion. © PROJET SMART AGRICULTURE SYSTEM

L’EXPLOITATION MASSIVE DE DONNÉES, NOUVELLE RESSOURCE AGRICOLE

Un point essen­tiel de la nou­velle révo­lu­tion agri­cole est la disponi­bil­ité de tou­jours plus de don­nées à tous les mail­lons des fil­ières agroal­i­men­taires. Ces don­nées provi­en­nent de sources mul­ti­ples et hétérogènes, ce qui com­plex­i­fie d’autant leur traitement. 

D’abord, des mass­es de don­nées his­toriques ont été accu­mulées dans les grands organ­ismes publics tels que l’Agence san­i­taire améri­caine (USDA) ou via la PAC en Europe. 

Ensuite, les dif­férents engins agri­coles, dont typ­ique­ment tracteurs, semoirs, épan­deurs, robots ou encore out­ils de trans­for­ma­tion, sont désor­mais équipés de cap­teurs embar­qués per­me­t­tant de suiv­re en temps réel le tra­vail agri­cole et la qual­ité des productions. 

“ Les outils de modélisation permettent aujourd’hui de simuler l’évolution de la croissance d’une culture ”

Le développe­ment rapi­de de l’Internet des objets dans les champs via les réseaux de basse énergie LORA ou Sig­fox va égale­ment ren­dre pos­si­ble le déploiement de réseaux de cap­teurs in situ, per­me­t­tant de suiv­re locale­ment le développe­ment des cul­tures ain­si que les con­di­tions pédologiques et climatiques. 

Enfin, l’ouverture des don­nées issues de con­stel­la­tions de satel­lites, par exem­ple le pro­gramme Sen­tinel de l’Union européenne, va aider à inven­ter de nou­veaux mod­èles économiques autour de la mod­u­la­tion intra­parcel­laire en imageant pré­cisé­ment les hétérogénéités de développe­ment que l’on sait très impor­tantes à l’intérieur même des parcelles. 

L’ensemble de ces don­nées, his­torique­ment peu mis­es en valeur, peut aujourd’hui être traité con­join­te­ment grâce à la mod­éli­sa­tion math­é­ma­tique et à la puis­sance de cal­cul, offrant ain­si de nou­velles per­spec­tives pour l’optimisation des proces­sus agri­coles. La val­ori­sa­tion de ces don­nées peut se faire selon deux approches complémentaires. 

L’APPRENTISSAGE STATISTIQUE

La pre­mière approche se fonde sur les out­ils de traite­ment et d’apprentissage sta­tis­tique. Une des prin­ci­pales dif­fi­cultés du traite­ment de ces don­nées est liée à leur grande hétérogénéité : images satel­lites, séries de don­nées cli­ma­tiques, infor­ma­tions par­cel­laires, don­nées économiques… 

Des méth­odes math­é­ma­tiques de réduc­tion de dimen­sion ren­dent pos­si­ble le traite­ment con­joint de ces don­nées avec des algo­rithmes de machine learning. 

Ces algo­rithmes sont typ­ique­ment de deux types et utilisent les don­nées : soit pour cal­i­br­er des mod­èles de « régres­sion » où une ou plusieurs vari­ables sont prédites à par­tir d’un grand nom­bre de covari­ables, comme le ren­de­ment à par­tir des don­nées cli­ma­tiques et itinéraires cul­tur­aux, soit pour clas­si­fi­er et iden­ti­fi­er des typolo­gies per­ti­nentes, comme recon­naître dif­férentes cul­tures à par­tir de séries d’images satellites. 

La dif­fi­culté de la cal­i­bra­tion de ces mod­èles, en rai­son de la com­plex­ité de leur archi­tec­ture, est aujourd’hui sur­mon­tée grâce aux pro­grès récents en matière d’algorithmique et de capac­ités de cal­cul, ouvrant ain­si les portes à leur appren­tis­sage sur de très grandes bases de données. 

SIMULER LA CROISSANCE DES PLANTES

En par­al­lèle de la mod­éli­sa­tion par les don­nées, des travaux sont menés depuis une trentaine d’années pour par­venir à inté­gr­er dans des for­mal­ismes math­é­ma­tiques cohérents les con­nais­sances acquis­es en matière d’agronomie, de biolo­gie et de botanique. 

Ces out­ils de mod­éli­sa­tion per­me­t­tent aujourd’hui de simuler l’évolution de la crois­sance d’une cul­ture, inté­grée dans son envi­ron­nement grâce à un cou­plage avec la mod­éli­sa­tion du sol et de l’environnement : cycle de l’azote, flux énergé­tiques sol-plante-atmo­sphère, bal­ance en eau… 

Ces mod­èles sont con­fron­tés aux don­nées pour leur étalon­nage et val­i­da­tion, et il est alors pos­si­ble de tra­vailler par sim­u­la­tion numérique sur nom­bre de fac­teurs d’intérêt : estimer le poten­tiel de ren­de­ment en fonc­tion d’une con­duite cul­tur­ale don­née, quan­ti­fi­er l’impact du change­ment cli­ma­tique sur les pro­duc­tions agricoles… 

En util­isant les out­ils de mod­éli­sa­tion et de sim­u­la­tion con­stru­its, soit à par­tir des con­nais­sances extraites des bases de don­nées, soit en injec­tant les con­nais­sances sci­en­tifiques sur le sys­tème sol-plante-atmo­sphère, un grand nom­bre de ser­vices à forte valeur ajoutée peu­vent être apportés à toutes les étapes du cycle de vie du végé­tal, depuis la sélec­tion var­ié­tale jusqu’à la pre­mière trans­for­ma­tion des pro­duits agricoles. 

“ Un large éventail de pratiques culturales peut être optimisé grâce à l’utilisation de services numériques ”

Cette approche, générique et trans­verse à toutes les fil­ières agroal­i­men­taires, repose sur des méth­odes d’optimisation sto­chas­tique prenant en compte l’aspect aléa­toire des prévi­sions cli­ma­tiques. Ces méth­odes numériques sont aujourd’hui opéra­tionnelles grâce aux pro­grès très rapi­des en matière de capac­ités de calcul. 

L’avènement du cloud et plus récem­ment des offres du type HPC as a ser­vice ouvre désor­mais une nou­velle fenêtre pour des mod­èles économiques pro­posant des ser­vices en ligne à forte valeur ajoutée en évi­tant des investisse­ments lourds dans des infra­struc­tures de calcul. 

TOUTE LA FILIÈRE AGROALIMENTAIRE EST CONCERNÉE

L’horizon des pos­si­bles ouvert par les tech­nolo­gies numériques en agri­cul­ture est large et touche l’ensemble des étapes suc­ces­sives des fil­ières agroalimentaires. 

À com­mencer par la sélec­tion var­ié­tale, dans un marché très concurrentiel. 

L’effort pour par­venir à pro­duire une nou­velle var­iété plus per­for­mante est long (une dizaine d’années) et donc coû­teux. Chaque année, les semenciers réalisent des mil­lions d’essais en car­rés latins de croise­ments nou­veaux dans l’espoir de faire ressor­tir une géné­tique avec des traits tou­jours plus performants. 

Les tech­nolo­gies numériques intro­duisent un véri­ta­ble change­ment de par­a­digme en promet­tant de rem­plac­er les coû­teux essais en champ par des sim­u­la­tions par ordi­na­teur, de la même façon que la con­cep­tion d’une voiture ou d’un avion a été com­plète­ment boulever­sée par l’introduction de la sim­u­la­tion numérique dans les années 70. 

LE CHAMP D’APPLICATION EST ÉTENDU

Les tech­nolo­gies numériques au ser­vice de l’ensemble de la fil­ière agroal­i­men­taire. © CYBELETECH

Au niveau de la con­duite des cul­tures, c’est un large éven­tail de pra­tiques cul­tur­ales qui peu­vent être opti­misées grâce à l’utilisation de ser­vices numériques. 

Ces ser­vices sont per­ti­nents qu’il s’agisse d’intervenir en amont de la sai­son, choix de var­iétés adap­tées, opti­mi­sa­tion de la den­sité de semis en fonc­tion du poten­tiel du sol ; ou pen­dant la sai­son : opti­mi­sa­tion des pra­tiques de fer­til­i­sa­tion et d’irrigation en fonc­tion des réels besoins de la plante… 

Un point impor­tant est l’adaptation des pré­con­i­sa­tions de con­duite aux hétérogénéités par­cel­laires en pro­duisant des cartes d’application mod­ulées sur la par­celle adap­tant la con­duite en fonc­tion des dif­férences de développe­ment et donc des besoins de la plante. 

La mesure du développe­ment des cul­tures à l’échelle intra­parcel­laire est effec­tuée en qua­si-temps réel grâce à la télédé­tec­tion par satel­lite avec des temps de revis­ite réduits à cinq jours, offrant une cou­ver­ture exhaus­tive sur l’ensemble de la saison. 

Un autre champ d’optimisation des con­duites con­cerne le pilotage des ser­res pour le maraîchage pour réguler le cli­mat interne de la serre et les apports aux plantes en fonc­tion du stade de développe­ment et du cli­mat extérieur. Un cer­tain nom­bre de cap­teurs, reliés par l’Internet des objets, per­me­t­tent de suiv­re en temps réel les pro­grès de la cul­ture et ain­si quan­ti­fi­er les besoins de la plante et les besoins d’environnement optimal. 

L’ensemble de ces ser­vices, touchant à l’ensemble des fil­ières et proces­sus agroal­i­men­taires, est ren­du aujourd’hui pos­si­ble grâce aux pro­grès en matière d’algorithmique et d’infrastructure de cal­cul haute performance. 

Le déploiement de ces ser­vices est une oppor­tu­nité sans précé­dent pour assur­er la com­péti­tiv­ité et la péren­nité des activ­ités agri­coles, tout en s’adaptant aux con­traintes envi­ron­nemen­tales tou­jours plus fortes.

---

Articles similaires :

Les tech­nolo­gies numériques clés du futur Pas d’ITER sans numérique Un écosys­tème français à la pointe du numérique Mod­éli­sa­tion et sim­u­la­tion en ingénierie et sci­ences physiques Con­stru­ire l’IA : des don­nées, des algo­rithmes, des ressources et des hommes Numérique et san­té, l’exemple du cerveau