Agriculture intelligente "Smart farming "
Agriculture connectée
L’IoT (« internet of things », ou internet des objets) est partout, dans les smartphones, les maisons, les voitures, les entreprises, et même les vêtements. Nous assistons à un développement sans précédent des objets connectés permettant d’analyser chacune de nos actions, et d’améliorer la moindre défaillance des systèmes productifs – en particulier dans le domaine de l’agriculture.
L’IoT est ainsi en passe de s’imposer comme une nouvelle révolution industrielle dans tous les secteurs d’activité, et notamment dans le secteur agricole.
Les objets connectés constituent un levier de développement incontournable pour l’agriculture de demain. Incontournable et indispensable, quand on sait qu’en 2020, il faudra nourrir plus de 7,7 milliards d’habitants dans un contexte de raréfaction de la main-d’œuvre agricole.
En effet, l’IoT permet désormais aux exploitations agricoles d’augmenter leur efficacité opérationnelle en automatisant et optimisant les chaînes de production. L’IoT apporte également des bénéfices indéniables pour la gestion des exploitations.
Grâce à ces nouvelles technologies, le gérant d’une exploitation agricole 4.0 peut désormais piloter ses engins à distance via un système de guidage, rationalisant ainsi leur utilisation. Il peut aussi surveiller le parc machine et détecter la moindre anomalie. La mise en place d’une maintenance prédictive contribue de plus à améliorer la sécurité des employés.
L’IoT présente de nombreuses autres applications au service de l’agriculture de demain. Quelques exemples :
– Gestion de la quantité et de la composition des intrants en fonction de la nature du sol, des conditions climatiques, de l’état de la plante : les fermes équipées constatent des gains de 15 à 20 % sur les matières premières grâce à une meilleure exploitation du big data
-Analyse du comportement des animaux dans les élevages et surveillance des femelles en période de vêlage via des capteurs et solutions informatisées
-Automatisation des taches chronophages grâce à la robotisation (désherbage, traite…) : l’agriculture constitue déjà le deuxième marché de la robotique de service en France (Source : Institut Français de la Robotique)
-Recueil et diffusion d’informations facilitant la gestion quotidienne des exploitations : systèmes d’information géographiques restituant sur la console de pilotage du tracteur ou un smartphone des données multi-sources (capteurs, satellites, etc.), lunettes connectées apportant des informations en temps réel sur l’historique des traitements phytosanitaires ou le mode d’emploi des produits, drones embarquant des capteurs multispectraux détecter les parcelles en manque d’eau ou compter les pieds de plants…[/stm_icon_box]
Big Data & Agriculture
La quantité d’informations à disposition des agriculteurs a largement augmenté depuis quelques années. La gestion de l’eau, la fertilisation, le climat, la qualité du sol, les systèmes de protection des champs, le génome des plantes sont désormais détaillés par de nombreuses données. Ces données peuvent être collectées et utilisées pour améliorer les pratiques agricoles, mais aussi pour réaliser des avancées génétiques. En termes de production, le Big Data transfère le pouvoir aux exploitants et aux petites entreprises, tandis que les grosses compagnies tentent d’innover.
L’agriculture de précision et le Big Data sont également intimement liés. Les informations dérivées de l’agriculture de précision sont agrégées par le Big Data au sein de nombreuses fermes. Les analyses, les insights et les décisions qui en résultent peuvent être déployées au travers de techniques d’agriculture de précision.
Le Big Data impacte trois principaux secteurs:
- Génétique
Les découvertes et l’accès au génome des plantes sont facilités par le Big Data;Dans l’agriculture, le processus traditionnel utilisé pour créer de nouvelles espèces de plantes coûte cher, nécessite beaucoup de travail, et peut prendre plus de 10 ans. Le Big Data accélère les choses. L’explosion des informations biologiques découle des avancées dans le domaine du génome. Le séquençage de génome des modèles organiques et l’application rapide de techniques expérimentales ou automatisées ont permis une évolution titanesque dans ce domaine.
- Production
Les algorithmes de machine learning & le Big Data permettent de suivre et de prédire l’évolution des exploitations. Plusieurs solutions proposent des outils de pointe combinant données collectées en temps réel (météo, état des semences, niveaux d’irrigation, etc.), historiques et informations de sources diverses “Big Data” pour évaluer l’état des exploitations et proposer des recommandations en fonction des variations de climat, de l’apparition de maladies, de la situation du marché, etc
- Distribution
Le food tracking, ou pistage de la nourriture, repose sur l’utilisation de capteurs et d’outils analytiques pour empêcher le gâchis et la contamination. Enfin, la chaîne logistique des graines, des récoltes et de la nourriture est totalement bouleversée par démocratisation de la technologie.
Le suivi de la nourriture de la ferme au consommateur permet d’éviter les maladies, de réduire le gâchis et d’augmenter les profits. À mesure que la chaîne logistique s’agrandit, l’importance du traçage et de la surveillance des produits agricoles augmente. Dans le domaine de l’agriculture, les producteurs de nourriture et les transporteurs utilisent des technologies basées sur des capteurs, des scanners et des outils analytiques pour surveiller et collecter les données sur leurs chaînes logistiques.
Le Big Data est utilisé pour améliorer les opérations des niveaux de stocks en entrepôts et dans le commerce (offre demande et prix).
Agriculture intelligente “Smart farming “
“]Le smart farming, avec le big Data, l’arrivée des drones, robots, machines autonomes, capteurs, données, logiciels et outils connectés à base d’intelligence artificielle, fait donc évoluer encore davantage les outils et tâches des professionnels et leur permet de répondre aux nouveaux enjeux du secteur
le marché de intelligence artificielle” l’IA” en matière d’agriculture était évalué à près de 518,7 millions en 2017 et devrait se développer de plus de 22,5% pour atteindre 2.6 milliards d’ici 2025. Les investisseurs en sont conscients et participent de plus en plus activement aux levées de fonds de start-ups ‘Agritech’ et ‘SmartAgri’. En 5 ans, ce sont 800 millions de dollars qui ont ainsi été collectés par les jeunes pousses du secteur à travers le monde.
L’intelligence artificielle permet en effet de développer des outils d’optimisation des flux de travail pour la mise en place de processus visant à un meilleur rendement.
Les branches de l’intelligence artificielle “l’IA” forment de nombreuses ramifications, parmi lesquelles on trouve le machine learning, ou apprentissage automatique. Ce champ d’étude de l’IA regroupe les méthodes qui permettent à un ordinateur d’apprendre seul, par un processus systémique .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 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.
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, taux d’irrigation… Tout peut être monitoré, puis analysé par l’IA.