Piloter l’irrigation avec précision

Le secteur de l’irrigation est l’un de ceux qui investissent le plus dans l’adoption de l’IA, poussé notamment par les attentes sociétales autour de la réduction de la consommation d’eau. L’idée est d’utiliser la puissance de calcul de l’IA pour analyser les données météorologiques et celles du sol (sondes tensiométriques et capacitives) et ajuster automatiquement le début d’eau en fonction des besoins réels de la plante. Il est également possible de combiner les informations des capteurs et des stations météo avec les solutions de surveillance de l’état des cultures à partir des images aériennes. Une fois que toutes les données sont collectées, elles sont analysées par des algorithmes d’apprentissage automatique qui identifient des modèles et font des prédictions sur les besoins en eau des cultures. Sur les systèmes les plus sophistiqués, l’irrigation est déclenchée automatiquement. Sinon, les agriculteurs reçoivent sur leur smartphone des recommandations précises sur la quantité d’eau à apporter et le moment propice au déclenchement du tour d’eau. Certaines start-up comme Crop X commercialisent déjà des solutions et viennent concurrencer les spécialistes des rampes, des pivots et bientôt des enrouleurs. Dans ce domaine, Lindsay a une longueur d’avance avec sa solution FieldNet Avisor.

Suivre l’état hydrique

Depuis cette année, l’Association Climatologique de la Moyenne Garonne (ACMG) participe au projet européen e-Rigation, financé par Interreg Sudoe. Il vise à améliorer l’efficacité de l’usage de l’eau en agriculture, en développant un système de diffusion d’informations météorologiques en temps réel. Ce système repose notamment sur des stations météorologiques virtuelles, générées par l’Intelligence Artificielle (IA). « Disons que nous avons deux stations météorologiques distantes de 15 km, illustre Jean-François Berthoumieu, directeur de l’ACMG. Avec l’IA, nous allons créer une station météorologique intermédiaire ». Cette station virtuelle va alors produire de l’information et donner aux chercheurs « des éléments » pour suivre l’état hydrique d’une parcelle ou d’une culture. « Au cours des deux prochains étés, nous allons ainsi pouvoir comparer ce que le modèle va nous donner à la réalité de ce que nous allons mesurer », explique Jean-François Berthoumieu.

Selon lui, le potentiel de ce modèle basé sur l’IA est important : « cela permettrait d’économiser des sondes, des stations météo et du temps de calcul certainement. Mais la première chose à faire est de vérifier que cela fonctionne ». En effet, le chercheur reste prudent quant à la robustesse des modèles, qu’ils soient historiques ou issus de l’IA. « Il y a 30 ans, j’avais vérifié que le bilan hydrique théorique se trompait 2 fois sur 3. Est-ce que cela sera meilleur cette fois avec l’IA ? C’est ce que nous allons vérifier ».