Les drones surveillant les champs à la recherche de mauvaises herbes et les robots ciblant et traitant les maladies des cultures peuvent ressembler à de la science-fiction, mais cela se produit déjà, du moins dans certaines fermes expérimentales. Des chercheurs du pôle d'excellence PhenoRob de l'université de Bonn travaillent à faire progresser la numérisation intelligente de l'agriculture et ont publié une liste des questions de recherche qui devront être abordées en priorité à l'avenir. Leur article paraît dans le European Journal of Agronomy. .
Si la Terre nourrit aujourd’hui plus de 8 milliards de personnes, c’est notamment grâce à une agriculture moderne et performante. Toutefois, ce succès a un coût élevé. Les méthodes de culture actuelles menacent la biodiversité, tandis que la production d'engrais synthétiques génère des gaz à effet de serre et que les produits chimiques agricoles polluent les plans d'eau et l'environnement.
Bon nombre de ces problèmes peuvent être atténués en utilisant des méthodes plus ciblées, par exemple en appliquant des herbicides uniquement sur les parcelles d'un champ où les mauvaises herbes deviennent réellement un problème plutôt que de traiter l'ensemble de la zone. D’autres possibilités consistent à traiter les cultures malades individuellement et à n’appliquer des engrais que là où cela est réellement nécessaire. Pourtant, de telles stratégies sont extrêmement compliquées et pratiquement impossibles à gérer à grande échelle par des moyens conventionnels.
"Une réponse pourrait être d'utiliser des technologies numériques intelligentes", explique Hugo Storm, membre du pôle d'excellence PhenoRob. L'Université de Bonn s'est associée au Forschungszentrum Jülich, à l'Institut Fraunhofer d'algorithmes et de calcul scientifique de Sankt Augustin, au Centre Leibniz de recherche sur le paysage agricole de Müncheberg et à l'Institut de recherche sur la betterave sucrière de Göttingen dans le cadre d'un projet à grande échelle visant à rendre l'agriculture plus efficace et plus respectueux de l'environnement grâce aux nouvelles technologies et à l'intelligence artificielle (IA).
Les chercheurs viennent de divers domaines, notamment l’écologie, les sciences végétales, les sciences du sol, l’informatique, la robotique, la géodésie et l’économie agricole. Dans leur prise de position récemment publiée, ils exposent les étapes qui, selon eux, doivent être abordées en priorité à court terme.
"Nous avons identifié quelques questions de recherche clés", explique Storm. L’un d’eux concerne la surveillance des terres agricoles pour détecter en temps réel toute carence en nutriments, croissance de mauvaises herbes ou infestations de ravageurs. Les images satellite fournissent une vue d’ensemble, tandis que les drones ou les robots permettent une surveillance beaucoup plus détaillée. Ce dernier peut couvrir systématiquement un champ entier et même enregistrer l'état de plantes individuelles au cours du processus.
"Une difficulté réside dans la liaison de toutes ces informations", explique Sabine Seidel, collègue de Storm, qui a coordonné la publication avec lui :"Par exemple, quand une faible résolution sera-t-elle suffisante ? Quand faut-il que les choses soient plus détaillées ? Comment les drones doivent-ils voler pour obtenir une efficacité maximale en observant toutes les cultures, en particulier celles à risque ?"
Les données obtenues donnent une image de la situation actuelle. Cependant, les agriculteurs s'intéressent avant tout à l'évaluation des différentes stratégies potentielles et de leurs implications possibles :à combien de mauvaises herbes ma culture peut-elle résister et quand dois-je intervenir ? Où dois-je appliquer de l’engrais et quelle quantité dois-je en mettre ? Que se passerait-il si j'utilisais moins de pesticides ?
"Pour répondre à des questions comme celles-ci, vous devez créer des copies numériques de vos terres agricoles, pour ainsi dire", explique Seidel. "Il existe plusieurs façons de procéder. Les chercheurs doivent encore découvrir comment combiner les différentes approches pour obtenir des modèles plus précis." Des méthodes adaptées doivent également être développées pour formuler des recommandations d’action basées sur ces modèles. Les techniques empruntées au machine learning et à l'IA ont un rôle majeur à jouer dans ces deux domaines.
Toutefois, si l’on veut que la production agricole s’adapte réellement à cette révolution numérique, ceux qui la mettront réellement en œuvre – les agriculteurs – devront également être convaincus de ses avantages. "À l'avenir, nous devrons nous concentrer davantage sur la question des conditions sous-jacentes nécessaires pour garantir cette acceptation", déclare le professeur Heiner Kuhlmann, géodésiste et l'un des deux intervenants du pôle d'excellence aux côtés du chef de son groupe de robotique, le professeur Cyrill Stachniss.
"Vous pourriez par exemple proposer des incitations financières ou fixer des limites légales à l'utilisation d'engrais." L'efficacité de tels outils, seuls ou en combinaison, peut également être évaluée aujourd'hui à l'aide de modèles informatiques.
Dans leur article, les chercheurs de PhenoRob utilisent également des exemples pour démontrer ce que les technologies actuelles sont déjà capables de faire. Par exemple, un « jumeau numérique » des zones cultivées peut être créé et alimenté un flux constant de divers types de données à l'aide de capteurs, par exemple pour détecter la croissance des racines ou la libération de composés azotés gazeux du sol.
"À moyen terme, cela permettra d'adapter en temps réel les niveaux d'engrais azotés appliqués aux besoins des cultures en fonction de la richesse en nutriments d'un endroit particulier", ajoute le professeur Stachniss. Dans certains endroits, la révolution numérique dans l’agriculture est donc déjà plus proche qu’on pourrait le penser.
Plus d'informations : Hugo Storm et al, Priorités de recherche pour tirer parti des technologies numériques intelligentes pour une production agricole durable, European Journal of Agronomy (2024). DOI :10.1016/j.eja.2024.127178
Fourni par l'Université de Bonn
