BFM Business

L’agriculture à l’ère du big data

Les données recueillies par drones agricoles (ici Airinov) aboutissent à une cartographie précise des parcelles.

Les données recueillies par drones agricoles (ici Airinov) aboutissent à une cartographie précise des parcelles. - AFP/ Alain Jocard

Les statistiques viennent progressivement bouleverser le travail dans les champs et les élevages. L’exploitation de données massives aide à sélectionner des variétés, prévoir l’évolution des maladies qui touchent les cultures, ou encore à adapter l’alimentation des troupeaux.

Il est loin, le temps où les tracteurs n’étaient que de simples véhicules de travail. Désormais, ces bijoux de technologies se meuvent en véritables objets connectés. Bardés de capteurs, les machines agricoles enregistrent une multitude de données. Mise en commun, elles constituent un gisement de données agricoles inédit. La voie au "big data agricole" est ouverte.

Modéliser la pousse des céréales

Les mathématiques ont fait leur entrée dans les champs. Les statistiques viennent bousculer les habitudes ancestrales. Depuis leurs laboratoires, et notamment ceux des Instituts Techniques Agricoles, des chercheurs travaillent ainsi à améliorer la qualité des productions grâce à la modélisation prédictive. Il s’agit par exemple de représenter virtuellement le comportement d’un ensemble de pousses de céréales, afin de prévoir la façon la plus efficace d’aboutir à une récolte fructueuse. "Depuis peu, on peut être beaucoup plus représentatif de la diversité des situations agricoles, grâce aux masses importantes de données", explique François Brun, chercheur à l’ACTA Toulouse, animateur du réseau RMT Modélisation et Analyse de Données pour l'Agriculture.

Les statistiques permettent notamment de prévoir l’évolution des maladies qui touchent les cultures, sur les céréales ou les vignes par exemple, de façon à utiliser de manière appropriée les produits phytosanitaires. Un bénéfice aussi bien économique qu’écologique. "La modélisation prédictive existe depuis les années 1980, mais elle s’est renforcée avec les plans Ecophyto depuis les années 2010. Avec l’évolution du machinisme agricole, les données sont collectées en masse. Puis nous donnons de la valeur à ces données hétérogènes grâce aux statistiques", poursuit François Brun.

Moduler les traitements phytosanitaires

La modélisation prédictive trouve plusieurs applications. Outre le suivi des maladies, elle ouvre la voie à des sélections de variétés en fonction de leur rendement. "Les statistiques permettent d’évaluer les variétés de grandes cultures de façon objectives, sur la base de millions d’informations", poursuit François Brun. Les agriculteurs peuvent d’ailleurs acheter des cartographies de leurs champs réalisées à partir d’images satellitaires ou issues de drones, à l’image du service que commercialise la start-up parisienne Airinov. Exploitées grâce à des logiciels adaptés, les informations ainsi collectées permettent de définir des prévisions de pousse et d’adapter les traitements.

Fournies à un équipement agricole connecté dernier cri, ces prévisions permettent aux machine devenues "intelligentes" de moduler les apports en produits de traitement lors de leurs passage dans les champs, en fonction des zones. Cette méthode est opérationnelle pour des cultures de blé et de colza.

Des robots dans les étables

Du côté des éleveurs aussi, les statistiques - et donc aujourd’hui le Big data-, changent la donne. En France, 7% des exploitations laitières étaient équipés de robots de traite à fin 2015.

Connectés, ils collectent non seulement le lait mais l’analysent aussi en temps réel et remontent les informations sous forme de tableau de bord. L’agriculteur a ainsi des informations sur la qualité du lait et sur les paramètres entrant en ligne de compte. Des informations précieuses pour mieux gérer les troupeaux laitiers.

"Sur la base des données collectées jour après jour, croisées avec la qualité des aliments, nous améliorons les modèles de prédictions et sommes capables de prédire la quantité et la qualité de lait qu’un vache va produire", indique ce chercheur Toulousain. Bref, les mathématiques n’ont pas fini booster la productivité agricole.

Adeline Raynal