Début du contenu principal.
L'IA peut rendre l'agriculture plus efficace, disent des experts
Dans les fermes intelligentes du pays, les chercheurs et les agriculteurs testent la nouvelle technologie.
Des experts affirment que l’intelligence artificielle (IA) pourrait contribuer à rendre l’agriculture plus efficace et plus durable en augmentant les rendements et en réduisant la consommation d’électricité et d’eau.
Dans les fermes intelligentes du pays, les chercheurs, les entreprises et les agriculteurs travaillent ensemble pour tester et faire la démonstration de la nouvelle technologie.
Jacqueline Keena, directrice générale d'EMILI, une organisation à but non lucratif dirigée par l'industrie, affirme que les agriculteurs ont déjà adopté des technologies telles que les drones et les capteurs pour les aider dans des tâches comme la lutte contre les mauvaises herbes et les parasites.
La prochaine étape de cette technologie consiste à disposer d’un modèle d’IA permettant de prendre des décisions basées sur les informations recueillies par les drones et les capteurs.
EMILI dirige une ferme intelligente au Manitoba où certaines des technologies émergentes sont testées.
La technologie devient de plus en plus sophistiquée, passant de simples systèmes basés sur des règles à de grands modèles de langage, a déclaré Rozita Dara, professeure adjointe à l'École d'informatique de l'Université de Guelph et directrice de l'initiative Intelligence artificielle pour l'alimentation.
Cela est bénéfique pour l’agriculture de précision, a-t-elle expliqué, qui implique l’analyse des données provenant de capteurs pour prendre des décisions sur des éléments tels que la quantité d’eau ou d’engrais à utiliser. L’IA peut être utilisée pour prendre des décisions de plus en plus complexes, prises depuis longtemps par les humains, a-t-elle enchaîné.
L'IA peut aider à résoudre des problèmes tels que les pénuries de main-d'œuvre et les défis climatiques, a déclaré Darrell Petras, président et chef de la direction du Réseau canadien d'automatisation et d'intelligence agroalimentaire.
À titre d'exemple, son groupe est investi dans une entreprise appelée Croptimistic, qui rassemble des données sur le terrain pour détecter les insectes nuisibles, les changements de couleur des cultures et d'autres facteurs de stress potentiels sur les cultures.
L'IA «peut déterminer si un facteur de stress se produit plus tôt que (...) l'œil humain ne peut le détecter, et l'intervention de la direction peut alors se produire beaucoup plus rapidement», a-t-il expliqué.
Elle a également des utilisations potentielles dans l'évaluation des céréales sur le terrain, ce qui peut aider l’agriculteur à déterminer quand moissonner sa récolte et à quoi s’attendre lors de la vente, a ajouté M. Petras.
Elle peut aussi être utilisée pour atténuer les effets des changements climatiques, a indiqué le président.
Des milieux universitaires au terrain
Une grande partie de la recherche sur l’IA et l’agriculture est effectuée dans des établissements postsecondaires, a fait savoir Darrell Petras, mais elle doit ensuite être testée sur le terrain. Cela se fait souvent par le biais d’un «véhicule de commercialisation», a-t-il expliqué, qu’il s’agisse d’une entreprise en démarrage ou d’une entreprise existante.
Il existe un réseau de fermes dites intelligentes à travers le Canada, dirigé par le Olds College of Agriculture & Technology en Alberta, dont le but est de tester et de faire la démonstration de technologies agricoles émergentes.
L’une des fermes du réseau est EMILI's Innovation Farms.
«Nous montrons vraiment comment elles fonctionnent dans un environnement commercial et, d'une certaine manière, nous atténuons les risques en testant ces technologies (...) et nous partageons ensuite avec d'autres, incluant d'autres agriculteurs, comment elles fonctionnent réellement pour accélérer l'adoption et l'intégration complète de ces nouvelles technologies», a déclaré Mme Keena, d'EMILI.
Une autre ferme intelligente se trouve au Olds College, où Felippe Karp mène des recherches sur la manière de développer des normes de collecte et de traitement des données pour créer des modèles d'intelligence artificielle.
Les modèles d'IA sont aussi bons que leurs ensembles de données, a expliqué M. Karp, associé de recherche à l'école et candidat au doctorat en génie des bioressources à l'Université McGill. Il se concentre actuellement sur la mesure et la prévision de la variabilité des éléments nutritifs du sol.
«Avec cet ensemble de données, nous avons formé un modèle d'intelligence artificielle (...) et l'avons utilisé pour prédire la disponibilité des nutriments dans le sol.»
Il faut du temps pour déterminer si une nouvelle technologie ou une nouvelle approche a affecté une culture, a indiqué Rozita Dara, et cela peut constituer un obstacle à l'adoption par les agriculteurs.
«Parfois (...) c'est dans un délai d'un an, d'une saison ou de quelques années», a-t-elle précisé.
Les agriculteurs peuvent être réticents à partager leurs propres données, a dit M. Karp: «C'est l'un des défis auxquels nous sommes confrontés lorsque nous parlons de développer des modèles plus complexes.»
Au fil du temps, M. Petras a constaté une augmentation de l’engagement des agriculteurs.
«L’engagement des agriculteurs est absolument essentiel» pour développer des outils d’IA pour l’agriculture, a-t-il dit. Cela inclut des journées de démonstration sur le terrain, des conférences et des ateliers.
«S'ils en ont vu la démonstration, essentiellement dans leur jardin grâce à une ferme intelligente, eh bien, nous sommes bien plus proches de l'adoption.»