Comme beaucoup de domaines, l’agriculture est impactée par l’intelligence artificielle

 

L’IA peut aussi révolutionner l’agriculture

Les promesses de l’IA pour l’agriculture

J’avoue bien humblement que ce n’est pas mon domaine de prédilection, mais je vous laisse quelques liens sur ce sujet :

Comment l’intelligence artificielle pourrait sauver les vignobles français

Alors qu’une vague de gel a frappé une large partie des vignobles français au début du printemps, une PME d’Annecy (Haute-Savoie) développe justement un système de prévention utilisant l’intelligence artificielle, qui pourrait éviter la répétition de ce scénario catastrophe. Avec une mise en marché prévue d’ici fin 2022, et le dépôt d’un brevet en cours.

La PME annécienne Coris Innovation n’avait pas prévu les fortes gelées du printemps qui ont dévasté les vignobles français. L’entreprise haute-savoyarde de 40 salariés n’a même pas l’habitude de développer des projets d’innovation pour son propre compte, car son métier est d’œuvrer, depuis sa création il y a cinq ans, comme conseil en accompagnement en innovation, auprès d’industriels français et suisses.

La suite sur : Comment l’intelligence artificielle pourrait sauver les vignobles français
Publié sur La Tribune Auvergne Rhône Alpes le 30 avril 2021 par Didier Bert

Comment l’IA entre dans la fabrication des meilleurs whiskies

J’ai trouvé le sujet rigolo, alors je vous laisse l’article ci-dessous :

Ce verre de whisky fin que vous sirotez à la fin d’une longue journée ? Il a peut-être été créé avec l’aide de l’IA.

Mackmyra, une distillerie suédoise primée, le premier whisky au monde créé à l’aide d’un programme d’intelligence artificielle.

L’art de créer un whisky IA de qualité supérieure

Mackmyra s’est associée à la société technologique finlandaise Fourkind pour développer un système d’IA qui augmente et automatise certaines des tâches du maître-distillateur, responsable de l’arôme du whisky et du développement du produit.

Les maîtres-distillateurs passent leur temps à goûter et à expérimenter méticuleusement pour créer les meilleurs arômes possibles, et ce processus peut prendre beaucoup de temps. Mackmyra souhaitait que l’apprentissage automatique fasse son œuvre en passant au crible des quantités massives de données pour trouver de nouvelles combinaisons.

Fourkind a créé son système d’IA à l’aide de Machine Learning Studio et de Microsoft Azure, puis a alimenté le système avec des ensembles de données comprenant :

  • des recettes de whisky déjà existantes de Mackmyra
  • des informations sur les fûts en bois (chaque fût donne au whisky une saveur distincte)
  • les notations des consommateurs
  • les données de vente
  • des évaluations d’experts en whisky

Le système d’IA a analysé 70 millions de combinaisons possibles et a créé un cadre permettant de créer de nouvelles recettes innovantes et savoureuses.

Après le premier lot de recettes, la master blender chez Mackmyra, Angela D’Orazio, a fourni des commentaires afin que le système d’IA puisse en apprendre davantage sur les combinaisons de whisky qui se vendent bien sur le marché.

À chaque tour, la distillerie a réduit ses options et amélioré la qualité de ses recettes. À la fin du processus, Angela D’Orazio a sélectionné la recette n°36 comme choix final pour son nouveau produit innovant.

L’IA ne peut pas remplacer le contact humain

Les maîtres-distillateurs ne sont pas près de disparaître. Même le système d’IA le plus sophistiqué ne peut reproduire ou remplacer l’intelligence et le discernement des sens humains. Le côté humain de la fabrication du whisky ne disparaîtra pas.

Mackmyra s’est lancée dans son expérience de whisky créé par l’IA pour voir s’il était possible d’augmenter les compétences de son maître-distillateur pour créer une nouvelle recette innovante.

La technologie de l’IA qui a permis à Fourkind et Mackmyra de passer en revue de vastes quantités de données pour développer de nouvelles formules et recettes pourrait avoir toutes sortes d’autres applications. Soyez à l’affût des nouveaux logiciels d’IA dans des secteurs comme les parfums, les desserts, les médicaments et les vêtements.

Les entreprises recherchent des moyens de s’associer avec des sociétés de technologie d’IA pour augmenter et étendre ce que leurs experts internes peuvent faire, afin de pouvoir tirer le meilleur parti de chaque nouveau produit qu’elles développent, et de réduire une partie de l’analyse de données et de l’apprentissage les plus lourds des épaules de leurs employés.

Le résultat final de la prochaine expérience d’IA grand public ? Il pourrait simplement avoir des notes de caramel, de poire, de pomme et de vanille crémeuse avec un léger ton de chêne.

Vous voulez essayer Intelligens ? Vous pouvez commander une bouteille ici.

Article source : Comment l’intelligence artificielle entre dans la fabrication des meilleurs whiskies ?
Publié sur Forbes France suite à la traduction de l’article original de traduit de Forbes US – Auteur : Bernard Marr

Econect transforme abeilles et escargots en sentinelles de la pollution avec l’IA

Le projet ECONECT

Conduit par le CNRS et six laboratoires de recherche en écologie, informatique et électronique ainsi que trois start-up de la région toulousaine, le projet de recherche Econect suit le comportement des abeilles, des mésanges et des limnées avec des capteurs. Il étudie leurs variations de comportement selon l’état de l’environnement, pour créer des indicateurs de pollution.

Des abeilles, des mésanges et des escargots aquatiques vont servir de sentinelles pour surveiller la pollution de l’air , des sols et de l’eau. Le projet de recherche Econect étudie leur comportement en fonction des stress environnementaux, en utilisant des capteurs et en automatisant la collecte des données analysées par l’intelligence artificielle.

Pour comprendre par quels mécanismes les activités humaines contribuent à la dégradation des écosystèmes, il est nécessaire de pouvoir quantifier les différents types de pollutions environnementales et les réponses des organismes face à ces stress de manière fine et intégrative. Avec ECONECT, nous proposons de développer de nouveaux systèmes sentinelles de l’environnement autonomes, connectés et évolutifs qui pourront à la fois mesurer la pollution présente dans l’eau, l’air ou les sols et ses conséquences sur des organismes bio-indicateurs (algues d’eau douce, abeille domestique et mésanges).

L’utilisation de bio-indicateurs est une approche pertinente, notamment pour appréhender les effets non létaux des contaminants chimiques, souvent présents à faibles concentrations mais sous forme de mélanges complexes pouvant inclure plusieurs dizaines (voire centaines) de polluants. A ce titre, les approches basées sur des mesures comportementales ou cognitives chez les animaux, et sur l’utilisation d’écomarqueurs (indicateurs basés sur des fonctions écologiques, telles que la décomposition de la matière organique ou la production primaire) apportent de nouveaux outils pour comprendre l’impact des contaminants à des doses qui peuvent sembler sans effet lors de tests écotoxicologiques classiques basés par exemple sur le taux de mortalité des organismes.

Néanmoins, le suivi de la réponse d’organismes bio-indicateurs est une tâche difficile et chronophage, particulièrement en milieu naturel. D’où la nécessité de développer des approches automatisables, en tirant profit des évolutions technologiques rapides en matière notamment de capteurs environnementaux ou de télétransmission et de traitement des données.

La création d’un prototype d’application web avec la contribution de la société Adict Solutions, permettant de consulter les données interprétées en temps réel, sera un outil crucial pour la veille environnementale et aidera à mieux comprendre les raisons du déclin de la biodiversité et ses conséquences pour le maintien des écosystèmes et la sécurité alimentaire.

John Deere rachète Bear Flag Rotobics

L’essor de la voiture n’a pas été propulsé par les constructeurs de calèches, mais par de nouvelles entreprises telles que Ford. John Deere, une entreprise spécialisée dans le matériel agricole depuis près de 200 ans ne compte pas passer aux oubliettes comme ce fut le cas pour les fabricants de calèches. Au contraire, l’acquisition de la start-up d’automatisation des machines agricoles Bear Flag Rotobics témoigne des ambitions de John Deere de continuer à innover.

La suite sur : John Deere rachète Bear Flag Rotobics, spécialisée dans la conduite autonome
publié sur Siècle Digital le 10 août 2021 par Julia Guinamard

Moins d’herbicides, plus de lasers ?

Cet engin utilise l’IA contre les mauvaises herbes

En plein chantier de transition agro écologique, une entreprise américaine dévoile sa solution : désherber les champs par salves de tirs de lasers.

De la lumière sous le désherbeur ? Non, cet engin agricole n’a pas été tuné avec un néon. Dévoilé en avril par Carbon Robotics, ce véhicule autonome cache sous son châssis une batterie d’outils technologiques. À coups de lasers et d’intelligence artificielle, l’entreprise américaine espère proposer une alternative aux herbicides pour les agriculteurs.

Huit lasers pour détruire les mauvaises herbes

Avec un poids de 4 300 kilos et un moteur de 74 chevaux, l’imposante machine évolue à 8 km/h. Elle se démarque davantage par son nombre de capteurs, digne d’un concept car : 12 caméras à haute résolution qui balaient le champ, deux autres à l’avant et à l’arrière pour guider le véhicule, des capteurs LiDAR pour détecter les obstacles et des cartes graphiques Nvidia pour alimenter la technologie d’IA.

Principe de fonctionnement :

« Un superordinateur robuste intégré à bord utilise le machine learning pour identifier les mauvaises herbes envahissantes et vos cultures précieuses, en quelques millisecondes, tout en roulant », décrit Carbon Robotics. Une fois les indésirables détectés, huit lasers entrent en action. Avec une puissance de 150 watts, les lasers à dioxyde de carbone peuvent tirer toutes les 50 millisecondes avec une précision de trois millimètres. « Les lasers ne perturbent pas la microbiologie du sol, contrairement au labourage », argumente Carbon Robotics. Les robots automatisés permettent aux agriculteurs de réduire le coût très variable du travail manuel ainsi que l’utilisation d’intrants agricoles tels que les herbicides et les engrais. ».

Selon l’entreprise, une machine peut traiter six à huit hectares par jour. L’utilisation de l’appareil serait également compatible avec le label bio de l’agence gouvernementale WSDA.

Dans le Mont-Blanc, l’intelligence artificielle à l’affût des grands herbivores

Aidée par la machine learning de la société Devoteam Revolve, la plateforme Wild Mont-Blanc étudie chamois ou bouquetins dans le massif du Mont-Blanc. Les chercheurs associent le grand public à cette expérience inédite de science participative.

Présentation

Observer la faune et le milieu naturel jour et nuit, 365 jours par an, sur différents versants du Mont-Blanc entre 1.200 et 2.700 m d’altitude. C’est ce que permet le dispositif de 40 appareils photos mis en place par les chercheurs du Centre de recherches sur les écosystèmes d’altitude (CREA) de Chamonix.

Ces appareils ont deux fonctions : ils se déclenchent automatiquement lorsqu’ils détectent un mouvement par infrarouge, et ils prennent chaque jour à la même heure une photo du milieu. « Cela permet d’acquérir des informations sur la faune qui fréquente le site et des données sur l’évolution saisonnière du milieu, telles que la durée d’enneigement, la date de déneigement ou encore la croissance de la végétation », explique Irène Alvarez, co-directrice du CREA Mont-Blanc.

Devoteam Revolve a été chargée de traiter cette masse de données. Spécialisée dans le cloud, cette dernière, qui emploie 250 salariés et a réalisé un chiffre d’affaires de 22 millions d’euros en 2020, a actionné sa fondation pour exercer un mécénat de compétences.

5.550 participants à la saison 1

Alors « qu’il serait techniquement impossible de traiter les 60.000 voire bientôt 100.000 photos par an », explique Michael Thibon, consultant pour cette opération, Devoteam Revolve a mis en ligne la plate-forme Wild Mont-Blanc qui permet au grand public de s’essayer à l’identification des animaux. Avec succès puisque la saison 1 (2020) de Wild Mont-Blanc a vu 5.500 participants réaliser près d’un million d’identifications. La saison 2 vient de démarrer.

L’ordinateur peut également identifier les animaux présents sur les photos. « Évidemment, un ordinateur ne sait pas ce qu’est un chamois. Nous lui soumettons un premier jeu de données de référence où nous lui donnons l’information. Plus ces données sont nombreuses et variées, mieux l’ordinateur apprend, c’est cela le machine-learning », précise Anne Delestrade, directrice du CREA Mont-Blanc. Déjà la machine a permis de repérer les deux tiers d’images « vides » où la camera s’est déclenchées sous l’action du vent et non d’un animal.

Créée pour observer les grands herbivores, chamois, bouquetin et cerfs, l’opération a dévoilé une vingtaine d’autres espèces plus timides comme le lagopède ou le lièvre variable.

Trouvé sur : Dans le Mont-Blanc, l’intelligence artificielle à l’affût des grands herbivores
Publié sur Les Échos le 21 juillet 2021 par Gabrielle Serraz

IA & Machine Learning : quels bénéfices pour l’agriculture ?

Planter, irriguer et cultiver, récolter : toutes les étapes classiques de l’agriculture peuvent bénéficier des apports de l’IA. Comment ? Nous vous expliquons tout.

Aujourd’hui, l’intelligence artificielle infuse tous les niveaux de la société et tous les secteurs d’activité : la santé, le secteur bancaire, l’industrie, le retail… ou encore l’agriculture. Mais de quoi parle-t-on exactement quand on évoque l’IA ? S’il est difficile de donner une définition unique, c’est parce qu’il s’agit davantage d’un ensemble de concepts et de technologies que d’une discipline autonome.

En fait, les branches de l’IA forment de nombreuses ramifications, parmi lesquelles on trouve le deep learning et le machine learning, autrement appelé apprentissage automatique. Ce dernier regroupe les méthodes qui permettent à un ordinateur d’apprendre seul, par un processus systémique (en repérant des patterns). 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 d’image, reconnaissance faciale, 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.

Quels usages de l’intelligence artificielle dans le secteur agricole ?

Dans le secteur de l’agriculture, actuellement, on s’intéresse surtout au machine learning.

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 (engrais, pesticides), taux d’irrigation… Tout peut être monitoré, puis analysé par l’IA, facilitant ainsi le travail agricole.

Grace à ces avancées technologiques, de plus en plus d’agriculteurs et d’agricultrices peuvent pratiquer une agriculture de précision, qui prend en compte les données extraites pour chaque région agricole et pour chaque parcelle de terre, mais aussi l’hétérogénéité intra-parcellaire. Ils peuvent ainsi adapter leurs actions aux différents écosystèmes qu’ils rencontrent.

A ce sujet, un nombre important de technologies ont déjà été développées pour révolutionner le monde agricole.

Ranveer Chandra est un chercheur chez Microsoft. Il dirige le programme FarmBeats, un projet d’agriculture « data-driven », qui mixe IoT & IA. Pour lui, l’intérêt de ce type d’initiatives est double : « la puissance de l’informatique de pointe réduit le coût de la surveillance sur le terrain et accélère la réponse aux menaces qui pèsent sur les cultures, tandis que l’intelligence artificielle permet d’améliorer la production. » Autrement dit : de meilleurs rendements, et une réduction des risques de maladies au sein des cultures.

La suite sur : IA & Machine Learning : quels bénéfices pour l’agriculture ?
Publié sur le Blog Expériences de Microsoft

Deux vidéos

 

R4Agri, un projet franco-allemand pour une agriculture numérique plus précise

Lancé dans le cadre du partenariat entre INRIA et le DFKI, le projet R4Agri développe les bases de systèmes de recommandation fondés sur l’intelligence artificielle pour l’aide à la décision dans le domaine agricole.

L’agriculture numérique en quête de précision

Alors que le numérique a pris place depuis plusieurs années déjà dans le monde de l’agriculture, les technologies agricoles intelligentes existantes, qui doivent décider à chaque instant de l’action à effectuer tout en tenant compte des données existantes, mais aussi des connaissances sur la culture des plantes, des lois, des règlements et des spécifications de l’exploitation, se retrouvent aujourd’hui face à leurs propres limites. En cause : des données, sur lesquelles elles doivent s’appuyer, souvent incomplètes ou entachées d’erreurs, ou des contextes parfois très différents ne leur permettant pas d’exploiter les données correctement.

La distinction entre les adventices (communément appelées « mauvaises herbes ») indésirables et celles qui devraient être épargnées parce qu’elles rendent divers services écosystémiques, dépasse, par exemple, les capacités technologiques actuelles. Les systèmes autonomes ne peuvent pas non plus identifier de manière robuste les plantes à partir des données des capteurs, ni savoir quelle variété de plante est ou n’est pas une adventice inoffensive voire bénéfique pour une culture donnée dans un état donné.

Des compétences complémentaires pour une IA adaptée à un domaine complexe

C’est partant de ce constat qu’est né le projet R4Agri (Reasoning on Agricultural Data), fruit de l’accord qui unit Inria et le DFKI autour de réflexions et de travaux communs sur l’intelligence artificielle. « L’idée était de voir si nous pouvions combiner nos compétences respectives pour attaquer de nouveaux problèmes liés à l’agriculture numérique », explique Marie-Laure Mugnier, coresponsable du projet, avant d’ajouter « nous nous sommes découvert un intérêt commun pour l’intégration de données hétérogènes grâce à une couche sémantique permettant de les interpréter, intégrer, analyser, afin de fournir des services de haut niveau. »

Trois équipes ont donc été impliquées dans ce nouveau projet : l’équipe Inria BOREAL (anciennement GraphIK), spécialisée dans les langages de représentation de connaissances et les techniques de raisonnement automatique pour l’exploitation de données hétérogènes, et deux équipes du DFKI, l’une, PBR, sur le contrôle de robots par des techniques d’intelligence artificielle, et l’autre, SDS, sur le développement de technologies sémantiques pour l’exploitation de grandes sources de données multimédia. Ces deux équipes ayant une expérience significative dans le développement d’applications pour l’agriculture numérique.

Un tremplin vers de nouveaux projets de recherche européens

L’objectif du projet : fournir un cadre, aux sens théorique, algorithmique et logiciel, pour intégrer et interpréter diverses sources de données existantes (données de capteurs provenant de machines agricoles, données satellitaires et météorologiques, données scientifiques sur les plantes, etc.) dans un langage de haut niveau permettant des raisonnements. En d’autres termes : permettre aux technologies agricoles d’interpréter les données avec plus de précision, afin de prendre les bonnes décisions.

« Les données brutes issues de capteurs sont par nature quantitatives, de granularité variable, entachées d’erreurs, et nécessitent donc d’être interprétées et fusionnées pour pouvoir être transformées en des informations de plus haut niveau. En pratique, ceci se fait par des techniques plus ou moins ad hoc, nous voulons passer à une approche plus générique et déclarative, prenant en compte de façon explicite le contexte d’interprétation. En effet, une même donnée ne s’interprète pas de la même façon selon ce que l’on connaît déjà sur le contexte », précise Marie-Laure Mugnier.

Le projet, débuté en janvier 2022, est encore en cours de structuration. Conformément à sa nature de recherche fondamentale, les résultats de R4Agri consisteront principalement en des publications conjointes dans des revues scientifiques. Les résultats obtenus pourront, ensuite, servir de tremplin pour d’autres projets à une échelle européenne, dans le domaine de l’agriculture intelligente et de la robotique agricole. « Et bien sûr, l’impact sociétal des applications de l’IA à l’agriculture est immense », conclut Marie-Laure Mugnier.

Source complète : R4Agri, un projet franco-allemand pour une agriculture numérique plus précise
Publié sur le site de l’INRA

L’intelligence artificielle recrutée pour booster le rendement des cannes à sucre au Brésil

Un nouveau programme d’apprentissage automatique vient d’être conçu par des chercheurs de l’Université de Sao Paulo, au Brésil. D’après les scientifiques, il permet d’améliorer l’efficacité des opérations nécessaires à la culture de la canne à sucre et des graminées fourragères, utilisées pour l’alimentation animale.

Les prémices

Et si l’Intelligence Artificielle (IA) nous révélait les capacités d’un plant avant même qu’il ne pousse ? Ce défi paraît relevé par l’équipe d’Alexandre Aono, premier auteur de l’étude scientifique publiée par la revue Nature. « Nous avons mis au point un programme capable de prédire, sur la base de la composition de l’ADN d’une plante, ses performances sur le terrain », explique-t-il à Sciences et Avenir. Cette technologie apporte une nouvelle pierre à l’édifice du procédé de « sélection génomique » : une stratégie qui vise à prédire le potentiel des animaux ou des plantes en fonction de leur hérédité. Elle a été mise en place en 2001 et est aujourd’hui appliquée dans plusieurs programmes de sélection, notamment le maïs et le bétail. Grâce à l’IA introduite par Alexandre Aono, la précision des prédictions s’est accrue de plus de 50%.

En appliquant ce nouveau programme aux végétaux, il est désormais possible d’identifier le potentiel des plantes à un âge beaucoup plus précoce, c’est-à-dire, « sans avoir besoin de les évaluer en champ. Cette IA permet de réduire à la fois le temps et les coûts des cycles de sélection », poursuit le chercheur. A titre de comparaison, la technique traditionnelle peut prendre plusieurs dizaines d’années. Elle implique que l’agriculteur croise deux plants, par exemple l’un plutôt résistant aux températures, et l’autre plus productif. Grâce au programme d’apprentissage automatique, la rentabilité du plant est estimée avant même sa croissance. Une capacité d’autant plus importante que le Brésil est le premier exportateur de sucre au monde. La récolte de 2021/2022 s’est ainsi établie à 523,11 millions de tonnes.

Les difficultés supplémentaires de la canne à sucre

Jusqu’alors, la sélection génomique était surtout pertinente pour les organismes « diploïdes », ceux qui possèdent au sein de chaque cellule deux jeux de chromosomes semblables, comme l’être humain et la plupart des animaux. « Le problème est que les plantes tropicales de grande valeur comme la canne à sucre ne sont pas diploïdes mais polyploïdes, ce qui est une complication », souligne Anete Pereira de Souza, chercheuse associée à l’étude.

En effet, la canne à sucre peut posséder jusqu’à 12 exemplaires de chaque chromosome. Pour pallier cette difficulté, les scientifiques ont dû intégrer au programme de sélection génomique déjà connu une méthode d’apprentissage automatique. Parmi les caractéristiques agronomiques que peut anticiper l’Intelligence Artificielle : le diamètre et la hauteur des tiges pour la canne à sucre, et le poids de la matière verte, récoltée pour les animaux, chez les plantes fourragères, ainsi que leur capacité de repousse. L’IA pourrait prédire non seulement la performance à venir d’un plan mais aussi la météo à laquelle il pourrait résister, sa tolérance aux stresses biotiques (insectes, maladies, champignons) et abiotiques (froid, sécheresse, insuffisance nutritive des sols).

Caractérisations génotypique et phénotypique

Pour fonctionner, le programme nécessite une population avec sa caractérisation génotypique (ADN) et phénotypique (caractères apparents de la plante sur le terrain). A partir de là, l’IA crée plusieurs modèles prédictifs, correspondants aux différents croisements possibles. « Il est ainsi possible d’évaluer les caractéristiques des plantes issues de ces croisements potentiels, avant de les cultiver », détaille Alexandre Aono.

Si l’expérience a été menée au Brésil, « elle pourrait s’avérer vraiment utile à La Réunion, très marquée par la culture de la canne à sucre », relève le chercheur. Pour l’île, dont les premiers plants de canne à sucre ont été cultivés dès 1663, la filière représente aujourd’hui la première source de revenus après le tourisme. D’après la préfecture de La Réunion, elle représente 13.800 emplois et 56% de la surface agricole utilisée (SAU).

Article source : L’intelligence artificielle recrutée pour booster le rendement des cannes à sucre au Brésil
Publié sur Sciences et Avenir par Marie Parra le 18 janvier 2023

L’attribution des aides liées à la sécheresse via l’intelligence artificielle

Au moins 500 agriculteurs ardéchois ne pourraient bénéficier des aides du « Régime des calamités agricoles » bien que leur département, comme de nombreuses régions en France, ait été touché par la sécheresse courant 2022. La raison ? Le satellite mis au point par Airbus, fiable à 90% selon le Ministère de l’Agriculture, n’a pas reconnu leurs communes en état de sécheresse avancée.

Le régime des calamités agricoles, financé par le Fonds National de Gestion des Risques en Agriculture (FNGRA), indemnise les agriculteurs lorsqu’ils subissent une perte de récolte d’au moins 30%, notamment en cas de sécheresse.

L’incompréhension des agriculteurs ardéchois exclus

Des agriculteurs du centre du département ont été exclus de ce dispositif, leur taux de perte étant reconnu à 0%, alors que leurs voisins à quelques kilomètres vont recevoir une indemnisation de 3 000 euros. Dans un reportage de TF1, Mickaël Giraud, agriculteur et éleveur de brebis, à Saint-Joseph-des-Bancs, près de Privas, explique avoir perdu 45% de sa récolte de fourrage, soit une perte financière de 9 000 euros. L’année 2022 est pour lui l’année la plus sèche depuis 30 ans, mais il ne recevra pas d’aide.

Selon Benoît Claret, Président de la Chambre d’agriculture de l’Ardèche, 500 à 800 agriculteurs seraient concernés : « c’est inacceptable, il faut que nous soyons reconnus sur l’ensemble du territoire ardéchois ».

Selon lui, toutes les études sur le terrain avaient démontré des pertes de fourrage supérieures à 30%. Il déclare durant ce reportage :

« Quand on a notre préfet de département, la direction départementale des territoires, qui sont à nos côtés pour dire, en effet, on est sur une situation où il y a eu une sécheresse, je pense qu’on ne se trompe pas. Et que s’il y a un élément qui n’est pas le bon, c’est peut-être bien le satellite et pas ceux qui sont présents sur le terrain ».

Un algorithme entraîné sur des données faussées

Le Ministère de l’Agriculture utilise les données d’un satellite d’Airbus qui mesure la pousse d’herbe et calcule les taux de rendement. L’algorithme d’IA modélise la pousse de l’herbe à partir des données d’un certain nombre d’années précédentes, où la sécheresse était également présente. Benoit Claret déclare à France Bleu :

« Comme on est d’autant plus touchés, le modèle a du mal à différencier une année normale d’une année de sècheresse. »

Il ajoute :

« Malgré un dossier robuste, une grande partie du territoire ardéchois est écarté des aides, ça laisse perplexe quant à la capacité à Paris d’analyser la situation correctement. »

Les agriculteurs ont envoyé une lettre à leur ministre pour exprimer leur mécontentement…

Article : IA et cas d’usage : l’attribution des aides liées à la sécheresse via l’intelligence artificielle
Publié sur ActuIA

Kanop, l’IA pour les forêts

Une jeune entreprise française développe des dispositifs d’intelligence artificielle pour mesurer, à partir des observations satellites, l’impact climatique des projets forestiers.
L’objectif de la jeune entreprise est d’analyser très finement, jusqu’à l’échelle de l’arbre, le carbone qui est stocké par les forêts.

Bringing data analytics to forests of all sizes

State-of-the-art AI models provide precision, ease and speed to projects all over the world

Présentation de puis le site

Easy Setup

Sign up with your email and you’re good to go. Want to integrate us to your product?
Our API is ready.

Configuration facile

Inscrivez-vous avec votre adresse électronique et c’est parti. Vous voulez nous intégrer à votre produit ?
Notre API est prête.

Flexible Indicators

Each project can be customized to use various levels of indicators.
You ultimately decide with a single click.

Indicateurs flexibles

Chaque projet peut être personnalisé pour utiliser différents niveaux d’indicateurs.
Vous décidez en fin de compte d’un seul clic.

Centralized Data

Tracking and monitoring however many projects you have in one place
is made easy with dashboards.

Données centralisées

Le suivi et la surveillance de tous vos projets en un seul endroit sont facilités par les tableaux de bord.

Breathing AI Models

Our models are built in-house and trained to provide you with improved precision and speed.

Modèles AI respirants

Nos modèles sont construits en interne et formés pour vous offrir une précision et une rapidité accrues.

Frequently asked questions

Is there a free trial available?

Yes, you can test it by making a project that’s up to 25 hectares big. You’ll be able to measure using standard measurement levels (10x10m resolution) and see how your project changes over time. No more calling consultants for long processes. Try us, it’s easy like signing up for a movie streaming website
Oui, vous pouvez le tester en créant un projet d’une taille maximale de 25 hectares. Vous pourrez mesurer à l’aide de niveaux de mesure standard (résolution de 10x10m) et voir comment votre projet évolue dans le temps. Plus besoin d’appeler des consultants pour de longs processus. Essayez-nous, c’est aussi simple que de s’inscrire sur un site de streaming de films.

How big or small can projects be?

Any size, from a few hundred hectares to many thousands of hectares.
We think all forests deserve to have modern forest measuring tools.
Toutes les tailles, de quelques centaines d’hectares à plusieurs milliers d’hectares.
Nous pensons que toutes les forêts méritent de disposer d’outils de mesure modernes.

What’s needed to get started?

Just your email, a few clicks, and your shapefile or geojson. Our platform will make a report just for the area you’re interested in.And don’t worry, we won’t ask for your credit card to try us out.
Votre adresse électronique, quelques clics et votre fichier shapefile ou geojson.Notre plate-forme produira un rapport pour la zone qui vous intéresse.
Et ne vous inquiétez pas, nous ne vous demanderons pas votre carte de crédit pour nous essayer.

What data sources do you use?

D
Our AI uses imagery from satellites that use radar and optical instruments. Some of the imagery is public and some is commercial.
The mix gives you fast and accurate reports. You’ll discover the power of easy and accurate measuring.
Notre IA utilise l’imagerie des satellites qui utilisent des instruments radar et optiques. Une partie de l’imagerie est publique et une autre est commerciale.
Ce mélange vous permet d’obtenir des rapports rapides et précis. Vous découvrirez la puissance d’une mesure facile et précise

Is ground data necessary to measure?

Our AI models and automation push for a very limited need for ground data. Depending on your need, you may provide us with ground data that will help our AI perform even better in your area. If that’s the case, we will support you in importing it.
For now, keep the planes and drones grounded, we’ve got you covered.
Notre IA utilise l’imagerie des satellites qui utilisent des instruments radar et optiques. Des données au sol sont-elles nécessaires pour mesurer ?
Nos modèles d’IA et l’automatisation poussent à un besoin très limité de données au sol.

How independent and unbiased is Kanop?

To make carbon offsets trustworthy, we concentrate solely on measuring and don’t get involved in buying or selling.
Pour que les compensations carbone soient dignes de confiance, nous nous concentrons uniquement sur la mesure et ne nous impliquons pas dans l’achat ou la vente.
Une version de démonstration est disponible sur le site.

Quelques précisions

Le dispositif génère un véritable « jumeau numérique » de la forêt afin de suivre son évolution ou constater sa dégradation, nous précise Romain Fau, dirigeant et cofondateur de Kanop : « Pour parvenir à résoudre la crise climatique, nous avons à notre disposition deux leviers d’actions. Premièrement, il faut réduire nos émissions de gaz à effet de serre et c’est évidemment par là que nous devons commencer. Le second levier d’action est d’utiliser les écosystèmes naturels pour augmenter la séquestration de carbone atmosphérique et c’est dans ce domaine que Kanop intervient. Notre objectif est de faciliter les projets de séquestration du CO2 notamment en mesurant la quantité qui est absorbée par les forêts. Pour y parvenir, nous utilisons l’imagerie satellitaire et depuis quelques années, elles sont en haute définition.

Actuellement, il est assez compliqué de mesurer le succès des campagnes de plantation d’arbres et l’amélioration des pratiques sylvicoles. Mais de nombreuses études internationales démontrent qu’une bonne gestion des terres cultivées, des pâturages et des parcelles forestières, a un potentiel de séquestration entre 5 et 12 gigatonnes de CO2 par an. Ces puits de carbone naturels, qu’il convient de protéger ou de réparer, nous permettraient ainsi de limiter, d’ici à 2030, le réchauffement climatique.

Aller sur le site de cette entreprise : Kanop

Quelques articles supplémentaires

 

  • Quand une IA permet de mieux comprendre le langage des animaux
    Depuis très longtemps, l’homme cherche à décoder le langage des animaux. Une des dernières recherches les plus spectaculaires en la matière a été effectuée en 2016 par Vyacheslav Ryabov, un chercheur russe. Il affirmait alors que les dauphins « ont un langage parlé hautement développé » comme les humains.
    Publié sur Presse Citron par Jean-Yves Alric le 1er mars 2020
  • L’IA révolutionne la lutte contre la fraude au vin
    À une époque où l’authenticité est aussi précieuse que le millésime lui-même, l’industrie viticole est confrontée à un défi pressant : la fraude au vin. Cette pratique trompeuse sape la confiance des consommateurs et ternit la réputation de grands vignobles. Et si la solution résidait dans l’intelligence artificielle (IA) et la technologie émergente de l’olfaction numérique ? À l’aube d’une renaissance technologique, l’IA pourrait révolutionner la lutte contre la fraude au vin.
    Publié sur Forbes le 31 janvier 2004

Les deux vidéos permettent de montrer que l’IA peut aussi aider le monde agricole africain

Chaire UNESCO

Pratiques émergentes en technologies

Quand l’intelligence artificielle aide à piloter les installations de méthanisation

Basé au Val d’Oust (56), Nevezus a été lancé en mai 2020 par trois passionnés. « Nous cumulons de nombreuses années d’expérience dans les domaines de l’ingénierie process, le traitement de l’eau, l’automatisme, la biologie aérobie et anaérobie, le réglementaire ou la comptabilité carbone », détaille Joël Tanguy, fondateur et président de Nevezus. De multiples compétences qu’ils ont mises au service de la méthanisation, qu’ils ont voulu optimiser.

« Biogaz-IA est un assistant à l’exploitation », explique Nevezus. « En suivant l’ensemble des indicateurs, qu’ils soient techniques, biologiques, économiques ou réglementaires, l’application permet d’optimiser le process de méthanisation en temps réel, grâce à l’utilisation d’algorithmes dintelligence artificielle ».

Collecter et traiter les informations

Concrètement, Biogaz-IA collecte des informations, sur site mais aussi externes (météo, analyses de laboratoire, tarif de l’énergie, coût et empreinte carbone des énergies…) et traite l’ensemble de ces données, afin de donner des consignes à l’exploitant, et d’optimiser les commandes. Il va ainsi maximiser la production de biométhane, optimiser les coûts énergétiques de l’installation, gérer le stockage des intrants et réguler les productions prévisionnelles de biogaz, fiabiliser les process et prévenir les risques en assurant une détection des anomalies et une maintenance prédictive. « Il assure aussi un suivi des indicateurs de performance et une traçabilité des flux et simplifie la gestion administrative de l’installation ». En augmentant la production de 10 % tout en réduisant la consommation énergétique de 10 %, il améliore le bilan carbone de 20 %.

Trois démonstrateurs en Bretagne

« Nous avons commencé par installer Biogaz-IA sur trois méthaniseurs, en Bretagne », indique Joël Tanguy. Les retours étant bons, la commercialisation va démarrer sans tarder. « Il nous reste encore des briques à apporter à notre système, mais il est d’ores et déjà opérationnel ». Et dans quelques jours, le Space, à Rennes, leur permettra de mieux se faire connaître du milieu agricole, où de nombreux méthaniseurs ont déjà été installés.

« L’Innov’Space nous apporte une visibilité », apprécie le dirigeant. Biogaz-IA s’adresse aux installations déjà existantes, en permettant d’en optimiser le fonctionnement. « Il leur faut, notamment, dégager de nouvelles ressources pour assurer la maintenance et le renouvellement des pièces d’usure ». Les porteurs de projets y trouveront aussi un intérêt. « La méthanisation est, en quelque sorte, un nouvel élevage, dont il faut prendre soin sans négliger le reste de l’exploitation. Et l’assistant numérique est là pour les aider à piloter leur installation ».

Un outil sécurisé

L’entreprise cherche désormais à recruter de nouvelles compétences, pour assurer la commercialisation de Biogaz-IA. « Ce système s’adapte à toutes les tailles de méthanisation », assure Joël Tanguy. « Le tarif dépend de la capacité du site ». L’abonnement se fait sans aucun engagement de durée. « Si, au bout de 6 mois, l’exploitant n’a pas pris ou pas eu le temps de bien le prendre en main et d’en mesurer les gains, il peut tout à fait s’en aller ». Et Nevezus a pris soin de concevoir un outil sécurisé, les bases de données étant hébergées dans des serveurs situés en France, à Châteaubourg et Rennes, au sein de data centers certifiés.

Article source : Quand l’intelligence artificielle aide à piloter les installations de méthanisation
Publié sur Actu.fr par Chantal Pape le 6 Septembre 2023

Le langage des poules enfin décrypté par l’intelligence artificielle ?

C’est un grand bond en avant pour la science. Et ce n’est que le début. Nous espérons pouvoir adapter ces techniques à d’autres animaux.”

 

Décoder le langage des animaux, un rêve pour nombre d’individus ! Et il pourrait prochainement devenir réalité grâce à l’intelligence artificielle. Des chercheurs de l’université de Tokyo affirment être parvenus à mettre au point un système capable de déchiffrer les émotions des poules sur la base de leurs signaux sonores, autrement dit de leurs vocalisations.

Se faire réveiller par le chant du coq n’aura peut-être bientôt plus la même signification, si l’on se fie aux conclusions d’un travail de recherche mené par des chercheurs de l’université de Tokyo. Ces derniers assurent avoir développé un système permettant de décoder le langage des poules, ou tout du moins certains de leurs états émotionnels comme la faim, la peur, le bonheur, la fatigue ou la douleur. Un modèle qui repose essentiellement sur l’intelligence artificielle (IA) et qui pourrait induire – à long terme – des avancées dans de nombreux domaines, comme le bien-être animal, la médecine vétérinaire, l’aviculture, et bien sûr les interactions avec le règne animal.

“Dans cette étude novatrice, nous présentons une nouvelle approche de la communication inter-espèces, axée sur la compréhension des vocalisations des poules. En nous appuyant sur des modèles mathématiques avancés d’intelligence artificielle (IA) et d’apprentissage automatique, nous avons mis au point un système capable d’interpréter divers états émotionnels chez les poules”, peut-on lire en préambule de cette étude publiée dans Research Square. Il y est toutefois précisé qu’il s’agit d’une “prépublication”, autrement dit que ces travaux n’ont pas fait l’objet d’une évaluation par un comité de lecture pour figurer dans une revue scientifique.

Distinguer la peur et le bonheur

Les auteurs de ces recherches se sont appuyés sur une approche d’intelligence artificielle baptisée Deep Emotional Analysis Learning (DEAL), une technique qui permet de comprendre des états émotionnels via des sons. “DEAL s’appuie sur des algorithmes mathématiques complexes qui permettent au système d’apprendre et de s’adapter à de nouveaux modèles vocaux au fil du temps”, expliquent les chercheurs. Ces derniers se sont attelés à analyser les vocalisations d’un échantillon de 80 poules, en collaboration avec des psychologues animaliers et des vétérinaires. Après avoir identifié chaque émotion en lien avec des sons précis, les scientifiques ont utilisé ces données pour entraîner leur modèle, puis l’ont soumis à de nouveaux enregistrements pour tester sa précision et sa fiabilité.

Ces recherches ont mis en lumière le potentiel de l’intelligence artificielle et des techniques d’apprentissage automatique pour déterminer les états émotionnels des poules, simplement via leurs vocalisations. Les scientifiques affirment que leur “système a démontré un taux de précision impressionnant de près de 80%, ce qui constitue une avancée significative dans le domaine de la communication animale”. Cette approche aurait en outre permis de distinguer plusieurs états émotionnels différents chez les volailles, dont la peur, la fatigue, la faim ou encore le bonheur.

“C’est un grand bond en avant pour la science. Et ce n’est que le début. Nous espérons pouvoir adapter ces techniques d’IA et d’apprentissage automatique à d’autres animaux et jeter les bases d’une intelligence incroyable dans les diverses industries liées aux animaux. Si nous savons ce que les animaux ressentent, nous pourrons concevoir un monde bien meilleur pour eux”, s’est réjoui le professeur Adrian David Cheok, qui a dirigé ces travaux avant de les relayer sur les réseaux sociaux.

Article source : Le langage des poules enfin décrypté par l’intelligence artificielle ?
Publié sur Positiv’R le 25 septembre 2023

Connecting Food ou comment favoriser la traçabilité des aliments grâce à l’IA

Crée en 2016, cette entreprise développe un système basé sur la blockchain permettant aux industriels de l’agroalimentaire de tracer l’ensemble de leurs opérations.
Objectif : gagner en productivité et répondre aux injonctions de transparence du consommateur.

 

Les bases

Produire en toute transparence nécessite de maîtriser l’ensemble des informations de son process. C’est en partant de ce postulat que Maxine Roper et Stefano Volpi, deux spécialistes de l’ agroalimentaire , ont lancé il y a sept ans leur jeune pousse, Connecting Food. Leur intuition d’alors : la technologie de la blockchain, déjà utilisée dans le monde des cryptomonnaies , pouvait permettre aux producteurs et transformateurs de tracer l’ensemble de leurs matières premières et de suivre, pas à pas, les étapes de leur transformation.

« Nous avons fait le choix, depuis le départ, d’une solution adaptée aux spécificités de cette industrie, à forts volumes et à faibles marges unitaires. En un mot, capable de récupérer des millions d’informations, de les agréger et de standardiser leur traitement », indique Stefano Volpi, qui a travaillé avec le CEA-List , le centre de recherche de Paris-Saclay spécialisé dans les systèmes numériques intelligents.

Passer en  « Conduite industrielle »

Pour les industriels, l’intérêt de cette technologie est double : en améliorant la traçabilité, elle permet de renforcer le contrôle qualité et, donc, de réduire les risques. « La maîtrise d’une information précise, grâce aux algorithmes, peut ainsi conduire à une adaptation du process, si nécessaire », poursuit le dirigeant. L’autre avantage pour les transformateurs réside dans une communication plus performante vis-à-vis de consommateur, garantissant une adéquation entre la supply chain et la promesse de marque.

« La transparence est aujourd’hui centrale dans la conduite d’une entreprise agro-industrielle. Maîtriser l’information est en effet nécessaire, non seulement pour s’assurer du respect de la réglementation, mais aussi des engagements pris envers les actionnaires ou les clients finaux. C’est un outil de conduite industrielle, mais aussi marketing », analyse Stefano Volpi, estimant toutefois que « beaucoup de travail reste pour apprendre aux acteurs de la filière à gérer leurs données ».

La recette de Connecting Food semble fonctionner. Depuis sa création, l’entreprise, qui emploie une vingtaine de personnes à Paris, est parvenue à lever quelque 7 millions d’euros au total. Travaillant pour des grands noms tels que Herta, Nestlé, ou Mondelez, elle est désormais présente en France, mais aussi en Allemagne, en Italie, au Royaume-Uni, et a commencé « à poser le pied aux Etats-Unis ». Son chiffre d’affaires – tenu secret par ses dirigeants – est « supérieur au million d’euros », selon le PDG.

Rejoindre le site le l’entreprise : Connectig Food

Quelques articles en plus…