Retour d’expérience sur le projet pilote en IA de Farmable : les données au service d’une agriculture plus intelligente
Chez Farmable, notre priorité est de rendre la gestion agricole plus simple dans les exploitations du monde entier. C’est pourquoi nous avons récemment lancé un projet pilote basé sur l’IA avec certains de nos utilisateurs les plus investis, c’est-à-dire des agriculteurs qui testent déjà nos outils sur leurs parcelles, de la Norvège à l’Angleterre. Notre mission ? Déterminer comment l’intelligence artificielle peut s’intégrer dans le travail quotidien des agriculteurs sans le compliquer. Les résultats sont là, et nous en avons tiré une leçon : une IA n’est performante que si elle est alimentée par des données de qualité. Découvrez nos conclusions, ainsi qu’un guide pas à pas pour utiliser les notes de terrain assistées par IA dans Farmable, et ainsi améliorer la productivité de votre exploitation.
Le projet pilote : l'IA face à la réalité des exploitations agricoles
Pour ce projet pilote, nous avons introduit une nouvelle fonctionnalité : les notes de terrain assistées par IA. Les agriculteurs avaient la possibilité de prendre une photo ou de noter rapidement une observation, et notre IA l’analysait ensuite pour identifier les variétés de cultures, détecter les nuisibles et les maladies ou encore estimer les rendements. Cette technologie fonctionnait sans problème : on téléchargeait une image et on obtenait une réponse. Mais que valaient ces réponses ? Leur qualité dépendait totalement des données que nous avions introduites dans le système.
Dans Farmable, nous intégrons automatiquement les métadonnées d’une parcelle—type de culture, historique de plantation, antécédents en matière de nuisibles, traitements et récoltes—dans chaque analyse assistée par IA. Ces données sont plus qu’un bruit de fond ; elles constituent en fait l’ingrédient essentiel qui permet de transformer des conseils génériques en des informations réellement exploitables. Voyons maintenant comment cela s’est passé sur le terrain.
Cas n° 1 : transformer une photo en conseils exploitables
Imaginons que vous gériez un verger de pommiers en Norvège, une parcelle de 2,84 hectares ayant atteint un rendement record de 113 220 kg en 2023. Certaines feuilles vous semblent anormales, alors vous prenez une photo et la téléchargez comme note de terrain. Sans contexte, l’IA pourrait suggérer : « il s’agit peut-être de dégâts causés par des nuisibles, surveillez les pucerons ». Utile, mais pas vraiment révolutionnaire.
Ajoutez maintenant l’historique de la parcelle : une carence en magnésium enregistrée en 2024, des foyers de tavelure et un apport de 30 kg d’engrais au printemps. La réponse de l’IA change : « Compte tenu des antécédents de tavelure de cette parcelle et de sa faible teneur en magnésium, ces feuilles jaunissantes pourraient indiquer un stress dû à une carence en nutriments. Appliquez du sulfate de magnésium après la récolte et surveillez la tavelure avec Rimpro. » D’un seul coup, vous disposez d’un programme adapté à votre verger, et non d’une solution théorique.
Cas n° 2 : des échantillons de sol pour des informations plus poussées
Au cours du projet pilote, un agriculteur nous a pris au dépourvu. Au lieu d’une photo de plante, il a téléchargé le rapport d’analyse d’un échantillon de sol. Il s’agissait d’une analyse réalisée par les laboratoires Lancrop pour un verger de poiriers en Angleterre, dont les résultats détaillaient les niveaux de pH, de phosphore et de calcium. Nous avons pensé que l’IA s’embrouillerait. Mais non. Elle a associé l’échantillon à la bonne parcelle, analysé le sol par rapport aux besoins des poiriers et recoupé ces données avec l’historique des maladies. Verdict ? « Le calcium est bon, mais le magnésium est limite. Il faut ajuster les apports pour renforcer la résistance aux maladies ».
Cette expérience nous a démontré que les données de sol ne sont pas à prendre à la légère, mais qu’elles sont au contraire fondamentales. En les associant aux journaux de traitement (comme les 10 kg de Multi-K+Mg apportés en été), l’IA peut déterminer comment la santé du sol détermine l’évolution de votre culture.
Cas n° 3 : le NDVI, un outil qui permet de relier toutes les données entre elles
Nous avons ensuite ajouté des images satellites NDVI, qui permettent de suivre l’état de la végétation au fil du temps. Dans le cas du verger de pommiers, l’indice NDVI a révélé des signes de croissance inégale. L’IA a établi un lien avec les apports d’engrais enregistrés et les notes relatives aux organismes nuisibles (tavelure et pucerons), suggérant de « tailler pour améliorer la pénétration de la lumière et réduire le risque de tavelure ; ces zones plus sombres pourraient nécessiter un apport supplémentaire de 10 kg de Naraber ». Grâce à l’indice NDVI, l’IA va au-delà de la simple observation du présent : elle établit un lien entre les interventions passées et les résultats actuels.
Comment utiliser les notes de terrain assistées par IA dans Farmable : un guide pas à pas
Envie d’essayer sur votre exploitation ? Voici comment créer et stocker une note de terrain assistée par IA dans Farmable : c’est simple et ça ne prend que quelques minutes :
- Ouvrez l’application et créez une nouvelle note
Appuyez sur le bouton « + » et sélectionnez « Note de terrain ». Des options s’affichent pour saisir une observation rapide (par exemple, « Feuilles jaunes tachetées ») ou télécharger une photo, par exemple de votre culture ou d’un échantillon de sol. - Ajoutez des détails et prenez une photo
Si vous téléchargez une image, utilisez l’appareil photo de votre téléphone directement depuis l’application ou sélectionnez-en une dans la bibliothèque de votre téléphone. Par exemple, prenez une photo de votre pommier ou d’un rapport d’analyse de sol de la parcelle. Ajoutez une brève note si vous le souhaitez (par exemple, « Recherche de tavelure »). - Laissez l’IA faire l’analyse
Appuyez sur « Demander à l’IA » : l’IA entre en action. Elle va scanner la photo ou le texte, les comparer à l’historique de votre parcelle (par exemple, la pulvérisation de la semaine dernière) et vous fournir des informations, telles que des alertes sur les nuisibles ou des conseils sur les nutriments. - Stockez et partagez
Une fois que l’IA a répondu, la note est enregistrée dans le journal de votre parcelle, accessible à tout moment via l’onglet « Notes ». Vous avez besoin de la communiquer à un agronome ou à un organisme de réglementation ? Exportez-la au format PDF ou créez un lien via notre API.
C’est aussi simple que cela. L’application fait l’essentiel du travail, en combinant vos données avec les données historiques, les caractéristiques du sol et le NDVI, pour vous fournir des conseils en toute simplicité.
L'essentiel à retenir : les données sont primordiales
Notre projet pilote a permis de définir trois catégories de données indispensables à l’IA pour la gestion agricole :
- Données historiques des parcelles : récoltes, registres des attaques de nuisibles et tâches effectuées donnent le contexte.
- Échantillons de sol : : ils servent de référence, comme l’a montré le cas de l’ajustement des nutriments dans le verger de poiriers.
- Imagerie NDVI : elle permet de suivre les progrès, en établissant un lien au fil du temps entre les interventions et les résultats.
S’il manque l’une de ces données, les conseils de l’IA manquent de précision. En les associant, vous obtenez des mesures précises et exploitables, avec moins de « essayez peut-être ceci », et plus de « il faut faire cela tout de suite ».
Les avantages pour les responsables d’exploitations
Il ne s’agit pas de remplacer votre expertise, mais plutôt de l’élargir. Prenons l’exemple du producteur de pommes : son rendement de 2023 a été exceptionnel, mais l’indice NDVI de 2024 a révélé des zones de stress. Grâce à l’IA, il peut modifier son programme pour la saison prochaine, par exemple en augmentant la quantité de potassium à apporter pour produire plus de 1 200 caisses. C’est une question de profit, pas seulement de données.
Entrez dans l’agriculture de demain
Nous commençons à peine à découvrir le potentiel de l’IA. Notre projet pilote évolue, et nous invitons les agriculteurs comme vous à le faire évoluer. Vous souhaitez tester les notes de terrain assistées par IA dans votre exploitation ? Inscrivez-vous à une session de démonstration ou rejoignez notre prochaine phase pilote. Partagez vos données, et, ensemble, cultivons de façon plus intelligente.
