Notion apparue dans les années cinquante, l’intelligence artificielle (IA) est définie par le chercheur Yann LeCun comme l’« ensemble de techniques permettant à des machines d’accomplir des tâches et de résoudre des problèmes normalement réservés aux humains et à certains animaux ». Il s’agit donc de techniques qui visent à reproduire, imiter, simuler l’intelligence, ou en tout cas les capacités que l’on peut associer à ce terme : percevoir son environnement, interagir avec lui, communiquer, mettre en œuvre un raisonnement, résoudre des problèmes…

L’approche actuelle consiste à s’inspirer du fonctionnement du cerveau, de sa façon de modéliser et de s’adapter aux variations de l’environnement. Elle a engendré les deux domaines utilisés pour l’élevage : le machine learning (apprentissage machine) et le deep learning (apprentissage profond). Grâce aux progrès constants dans ces domaines, l’IA est en mesure de comprendre les demandes de l’exploitant, de pratiquer la reconnaissance faciale, d’identifier des objets et de réaliser de la planification automatisée.

Avec le machine learning, le chargeur télescopique robotisé d’un éleveur sera capable d’atteler seul l’outil qui correspond aux travaux planifiés pour la journée. Son principe consiste à faire en sorte que l’engin apprenne tout en cherchant à améliorer les résultats par rapport à ceux attendus.

Pas de miracle sans données qualifiées

Le deep learning, issu du machine learning, est le domaine le plus élaboré de l’IA et celui qui offre le plus de perspectives de développement. Il utilise une architecture informatique comparable à celle du cerveau humain, avec un réseau de neurones. Le robot ou l’ordinateur est capable de décomposer un problème en différents niveaux d’abstraction. Il adapte en permanence et de façon instantanée son comportement au profil de l’éleveur et à ses exigences.

Très employé en grandes cultures, par exemple pour la pulvérisation ciblée, il commence à trouver des applications en élevage. Le deep learning est ainsi incontournable pour identifier les animaux sans aucun recours à un transpondeur ou une boucle RFID. C’est aussi la solution privilégiée pour analyser les comportements des animaux ou modéliser leur corps afin d’évaluer leur poids. Néanmoins, le procédé n’est pas infaillible et, pour être performant, il nécessite d’être alimenté massivement avec des données de qualité.