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 La place des entre­prises : la bio et la tran­si­tion alimentaire Ali­men­ta­tion et agri­cul­ture : com­ment sor­tir du greenwashing ?