L’agriculture connectée a émergé dans les années 1990, avec les premiers tracteurs équipés de GPS. Mais l’essor des mégadonnées lui donne un nouveau souffle, que Philippe La Roche Audette embrasse pleinement. Photo: Donald Robitaille
Capteurs, drones, images satellites : l’agriculture est en passe de devenir une science des données. De quoi assurer un meilleur rendement et des pratiques plus durables ?
La main en visière pour se protéger du soleil d’été, Philippe La Roche Audette cherche au loin une « grosse mouche » au-dessus de son champ. L’insecte en question n’a rien d’un ravageur : il s’agit en fait d’un petit drone à quatre hélices qui survole en toute autonomie les jeunes plants de haricots.
Équipé d’une caméra, cet « employé » discipliné d’Agri-Fusion, la ferme biologique la plus importante du Québec, repère en quelques minutes les espacements entre les plants et détecte les zones de faible densité. « Avant qu’on ait le drone, le comptage se faisait à pied », souligne le directeur recherche et développement d’Agri-Fusion. À ses côtés, Cyrille Tremblay, le technologue qui supervise l’opération ce jour-là, suit le déroulement du vol et consulte les résultats de l’analyse sur sa tablette. « Cela nous permet d’estimer le rendement, voire de refaire des semis. On gagne environ 90 % de temps », se réjouit-il.
Cyrille Tremblay, technologue agricole, relève la densité de plants sur des parcelles d’Agri-Fusion grâce à un drone. Photo: Donald Robitaille
Le drone, qui revient de lui-même aux pieds des deux hommes à la fin de sa mission, est une nouvelle acquisition. Mais il n’est pas le seul joujou connecté d’Agri-Fusion, qui possède 3 000 hectares de parcelles maraîchères et céréalières dans la région de Saint-Polycarpe. En fait, l’entreprise est entrée de plain-pied dans ce qu’on appelle l’« agriculture 4.0 ». Sur ses terres, on parle autant de mauvaises herbes et de fumier que de données massives, d’algorithmes et d’intelligence artificielle (IA).
Les promesses de cette agriculture de haute technologie sont nombreuses : meilleur dosage des engrais et des pesticides, gestion de l’eau plus rigoureuse, traitement plus rapide des maladies, optimisation du calendrier des semis, compensation de la pénurie de main-d’œuvre, réduction de la pénibilité du travail et, bien sûr, augmentation des rendements. De jeunes entreprises d’« agritech » poussent d’ailleurs comme des champignons partout dans le monde, tandis que les Google, Microsoft, Monsanto-Bayer et autres John Deere investissent abondamment dans des systèmes agricoles intelligents. La croissance est fulgurante : le marché de l’IA en agriculture atteindra près de 4 milliards de dollars américains en 2026, contre 1 milliard en 2020, selon la firme d’analyse Facts & Factors.
Si les robots, comme ce drone d’Agri-Fusion, sont de précieux alliés (voir l’encadré ci-contre), le principal outil de ces fermes nouveau genre est plus immatériel : c’est la donnée, « la raison d’être de l’IA », insiste Philippe La Roche Audette. Des moissons de données, en fait, qui proviennent de tout un réseau de satellites, d’avions et de drones, de capteurs en plein champ, en serre ou sur les animaux et de la machinerie agricole connectée.
Véritable ferme expérimentale, Agri-Fusion s’est tournée en 2018 vers l’Institut de recherche et de développement en agroenvironnement (IRDA) et vers l’entreprise Agrisoft, spécialisée dans la transformation numérique des opérations agricoles, pour « valoriser les données accumulées sur les 20 dernières années, qui dormaient sur les étagères », poursuit notre guide, fils du propriétaire de l’exploitation. « On avait beaucoup d’équipements de haute technologie, mais les données ne se parlaient pas entre elles. Nos tracteurs ou nos moissonneuses-batteuses, par exemple, collectent automatiquement des mesures sur le rendement. Et on avait d’autres données, saisies manuellement ou dans des fichiers Excel : les variétés semées, la quantité de fumier, la fréquence de désherbage, la température du sol, l’humidité, etc. »
De cette collaboration unique est né le projet de recherche DataBio, dont l’objectif est de passer au crible cette mine d’informations afin d’améliorer les pratiques agricoles. Et de propulser la ferme le plus vite possible dans l’ère de l’agriculture « prédictive », grâce à l’apprentissage automatique. En se nourrissant des informations historiques, de paramètres recueillis en temps réel et de prévisions météo, les algorithmes d’IA passent tout à la moulinette, apprennent et génèrent des conseils agronomiques sur mesure. Quand semer ? Récolter ? Désherber ? « Mon rêve, reprend Philippe La Roche Audette en arpentant les bureaux d’Agri-Fusion, c’est d’avoir une salle de contrôle remplie d’écrans où je pourrais suivre tout ce qui se passe sur l’exploitation. »
C’est aussi l’image que Thierry Warin se fait de l’agriculture de demain. « Ce n’est plus de la science-fiction, la technologie est là. C’est un changement incroyable de paradigme », affirme le professeur à HEC Montréal et spécialiste de la science des données. En 2020, il a cosigné avec le Centre interuniversitaire de recherche en analyse des organisations (CIRANO) un rapport sur les enjeux du numérique dans le secteur agricole québécois. Basé en partie sur une enquête menée auprès de producteurs et productrices, il se révèle le seul portrait disponible sur le sujet – le ministère de l’Agriculture, des Pêcheries et de l’Alimentation du Québec nous ayant dirigés vers ce rapport pour trouver réponse à nos questions. Si certains domaines, comme l’industrie laitière ou la culture en serre, ont déjà amorcé le virage vers la numérisation, la province accuse, globalement, un retard comparativement à d’autres régions, comme les États-Unis et l’Europe, indique ce rapport.
Double défi
La numérisation du secteur apparaît comme un passage obligé. À la fois grande victime des changements climatiques et grande contributrice au phénomène, l’agriculture n’a d’autre choix que de se transformer si elle veut pouvoir nourrir les 9,6 milliards de bouches qu’il devrait y avoir sur Terre en 2050 (contre près de 8 milliards en 2022).
Il faudra « accroître la productivité agricole moyenne de 28 % dans les 10 prochaines années pour atteindre à l’échelle planétaire l’Objectif de développement durable Faim zéro », souligne un récent rapport conjoint de l’Organisation des Nations unies pour l’alimentation et l’agriculture et de l’Organisation de coopération et de développement économiques. Or les activités agricoles sont déjà responsables d’environ 30 % des émissions totales de gaz à effet de serre, principalement en raison de l’élevage intensif et de l’utilisation d’engrais chimiques et de pesticides.
En théorie, l’agriculture de « précision » portée par l’essor des mégadonnées est la voie à prendre pour relever ce double défi. « Tout repose sur le principe suivant : utiliser la bonne source de nutriments ou de pesticides, à la bonne dose, au bon moment et au bon endroit », résume Saeid Homayouni, spécialiste en télédétection et géomatique environnementale à l’Institut national de la recherche scientifique (INRS). Il utilise l’imagerie infrarouge ou en lumière visible, réalisée par drone ou par satellite et combinée à des images satellites radar, pour suivre l’état de santé de la végétation, quasiment plant par plant.
Avec des collègues de l’INRS et de l’Université McGill, le chercheur forme une trentaine de fermes canadiennes à utiliser des drones pour prédire la productivité des cultures de luzerne. « Les agriculteurs téléversent leurs images dans une plateforme infonuagique. En les combinant avec la télédétection et la météorologie, nous pouvons modéliser le rendement, donner des conseils : à tel endroit, vous avez des parasites ou un stress hydrique. L’objectif ultime, c’est d’aller vers l’agriculture durable, avec des cartes au centimètre près. Ça va se démocratiser, car beaucoup de données sont disponibles gratuitement. »
Le chercheur valide notamment un modèle qui aidera à estimer le pourcentage de résidus végétaux recouvrant les champs avant l’hiver (une pratique qui protège les sols), à partir des seules données satellites gratuites. Il tente également de mettre au point des outils gratuits, alors que les applications disponibles à ce jour peuvent coûter plusieurs centaines de dollars par année.
Cette image satellite infrarouge met en évidence les différentes concentrations de chlorophylle dans les feuilles et permet aux chercheurs de l’INRS et de l’IRDA de cartographier le sol, la couverture végétale et les résidus végétaux dans les champs en utilisant l’IA (projet CarTéCos). Image: Planet Company/Saeid Homayouni
Des données tous azimuts
Même en dehors des projets de recherche, les données fleurissent aux champs. En plus des sites internet publics, la plupart des agriculteurs et agricultrices disposent de leurs propres stations météo. Les quantités de pesticides épandus et d’eau utilisée de même que les rendements sont déjà, en général, consignés dans des bases de données par les technologues ou les agronomes, notamment car elles sont exigées à des fins de contrôle par le ministère de l’Environnement et de la Lutte contre les changements climatiques. Quant aux tracteurs, ils sont désormais de vrais ordinateurs sur roues, bourrés de capteurs. « Le problème, c’est que les logiciels et les systèmes sont très hétérogènes. John Deere n’a pas les mêmes standards que d’autres équipementiers, par exemple. Un de nos défis est de faire une application qui va connecter toutes les sources sans que l’agriculteur ait besoin de faire des lignes de code », indique Pierre Otis, cofondateur d’Agrisoft et partenaire du projet DataBio.
Autre défi : se concentrer sur les informations réellement pertinentes. « Si on mesure les mauvaises herbes, est-ce qu’on doit noter leur densité, leur distribution ? Cueillir la donnée, c’est beau, mais il faut avoir des protocoles », ajoute-t-il. Dans le cadre du projet DataBio, l’IRDA se penche justement sur cette question. « Collecter les données demande du temps, cela a un coût d’entreposage, de traitement. Donc on veut identifier les variables importantes et développer des protocoles de collecte standardisés dès le départ, pour que cela ne devienne pas un fardeau pour les producteurs », ajoute Caroline Côté, chercheuse et coordonnatrice aux partenariats et à l’innovation à l’IRDA.
À l’automne, le projet accouchera de son premier outil d’aide à la décision, généré par l’apprentissage automatique. Le modèle déterminera la date idéale de semis en se basant sur quelques variables comme le type de sol, la variété et la température. « Qu’est-ce que ça va donner ? On ne le sait pas exactement. Une des premières retombées de cette démarche est d’encourager les producteurs à analyser leurs processus, à les normaliser. C’est un premier pas vers l’optimisation », reprend Pierre Otis.
Mais tous les membres du projet le concèdent : rendre l’IA performante sur le terrain agricole est un travail de longue haleine. Ils espèrent rallier peu à peu d’autres fermes. « On va sortir une ébauche de plateforme pour permettre à d’autres agriculteurs de contribuer à améliorer les prédictions en mettant leurs données à la disposition des chercheurs », ajoute Pierre Otis. Le but est que la technologie ne soit pas réservée à l’agriculture et à l’élevage intensifs, mais puisse aussi bénéficier aux petites exploitations et à l’agroécologie. D’autant que, pour que l’apprentissage automatique soit pertinent, il faut que les bases de données couvrent le plus de conditions et de territoire possible.
Passer des « petites » données récoltées par chaque ferme à des données massives, agrégées et puissantes est un pas difficile à franchir. En Amérique du Nord comme en Europe, les gouvernements investissent des millions pour y parvenir, une tendance à laquelle n’échappe pas le Québec avec son Plan d’agriculture durable 2020-2030. À ce jour, toutefois, il ne se passe pas grand-chose de concret, déplore Martin Caron, le président de l’Union des producteurs agricoles du Québec, alors que les données recueillies de manière routinière pourraient déjà être exploitées. « Il faut que les indicateurs exigés par l’État soient aussi des outils qui m’aident dans ma gestion. Pour l’instant, les données sur l’eau ou les pesticides que j’envoie aux ministères sont utilisées pour le côté réglementaire, mais rien de tout ça ne m’est utile pour la gestion de mon entreprise. On ne me dit pas quelles actions mettre en place pour être plus efficace sur les ravageurs ou dans l’utilisation des pesticides. »
À qui les richesses ?
Ces investissements massifs sont-ils justifiés ? Certains y voient un engouement prématuré, voire un techno-optimisme aveugle. « Il y a un activisme politique fort sur cette question, avec une croyance partagée par les pouvoirs publics et privés que l’agriculture doit s’appuyer sur des données. Or, pour l’instant, l’agriculture ne produit pas tant de données, comparativement à d’autres secteurs. Et tout est très éparpillé », avance Baptiste Kotras, sociologue du numérique à l’Institut national de recherche pour l’agriculture, l’alimentation et l’environnement, en France.
Il commence ses recherches sur le sujet, mais dresse déjà quelques constats. « Les promoteurs de ces technologies et leurs détracteurs s’entendent paradoxalement pour dire que les données agricoles sont une nouvelle forme de capital. Or la sociologie montre que c’est un casse-tête technique, politique et professionnel de mettre tout ça en lien et d’en faire quelque chose d’intelligible. »
Se pose aussi la question de la souveraineté de l’information, alors que des géants des technologies et de l’agriculture font déjà partie de l’équation. À titre d’exemple, le nombre de spécialistes en science des données embauchés par Monsanto est passé de 200 en 2017 à 500 en 2020. Quant à Climate FieldView, la plateforme numérique de Bayer, elle est utilisée par des agriculteurs et agricultrices dans 20 pays et couvre déjà 60 millions d’hectares. Le risque est que le milieu agricole devienne encore plus tributaire de ces entreprises. « La donnée devrait appartenir au producteur. Mais quand un fermier achète un équipement, c’est l’équipementier qui collige l’information et la lui transmet, sous forme agrégée. Or, pour faire de l’IA, on a besoin des détails », déplore en outre Pierre Otis.
Philippe La Roche Audette, un touche-à-tout qui « codait un jeu du pendu tout seul dans son coin à huit ans », est bien conscient de l’enjeu. Il veut d’ailleurs développer son propre logiciel pour compter les plants avec son drone plutôt que de dépendre d’un fournisseur. Des réflexions sont en cours, au Canada comme ailleurs, pour que les données puissent être détenues par des coopératives agricoles plutôt que par le secteur privé.
« Il existe un besoin urgent de gouvernance des données, en ce qui concerne la protection de la vie privée, la propriété et la compensation des agriculteurs lorsque les entreprises utilisent leurs données de terrain pour améliorer les performances des technologies du secteur privé », avertissaient des chercheurs de l’Université de Guelph, dans un article paru fin 2021 dans la revue canadienne en accès libre FACETS.
Autre écueil : le risque de creuser le fossé entre petites et grandes exploitations, entre pays pauvres et riches, entre zones connectées et déserts numériques. Dans l’enquête du CIRANO, près de 20 % des entreprises agricoles québécoises disaient rencontrer de graves problèmes de connexion. Dans un document publié en février 2022, la Commission de l’éthique en science et en technologie du Québec notait que la fracture numérique renvoie « à l’écart entre, d’un côté, les entreprises de l’agronumérique qui possèdent les technologies et les données numériques et qui ont l’expertise pour interpréter les résultats et, de l’autre côté, ceux qui n’ont pas accès au traitement des données, en l’occurrence les agriculteurs […] ».
Ces enjeux d’éthique et d’autonomie ne sont pas les seules ombres au tableau. Le virage numérique permettra-t-il vraiment à l’agriculture d’être plus efficace ? Plus écologique ? D’autant que son coût intrinsèque pour l’environnement (fabrication des capteurs, stockage des données, etc.) n’est pas chiffré… Permettra-t-il aux producteurs et productrices de gagner en qualité de vie ? « On ne le sait pas encore », admet Sophie Rochefort, directrice adjointe à la protection des ressources à l’IRDA.
Très peu d’études existent sur le sujet. Il y en a bien une, parue au début de 2022, qui a estimé que l’adoption de technologies numériques permettait de réduire de 7 % l’utilisation d’engrais, de 9 % celle d’herbicides, de 4 % la quantité d’eau… Sauf que l’étude en question a été menée par l’Association américaine des manufacturiers d’équipements, l’Association américaine du soya, CropLife America et l’Association américaine des producteurs de maïs. Un léger parti pris, disons…
Ce désherbeur d’Agri-Fusion pourra un jour utiliser la vision par ordinateur pour identifier les mauvaises herbes. Pour l’instant, sa caméra lui permet d’ajuster sa trajectoire au centimètre près. Photo: Donald Robitaille
Effet à prouver
Une revue de la littérature sur les retombées concrètes de l’agriculture numérique est à l’étape de finalisation à l’Université d’Ottawa. Kelly Bronson, titulaire de la Chaire de recherche du Canada sur la science et la société, et son équipe ont trouvé 142 études quantifiant l’impact de ces pratiques. Bilan ? « Seuls 11 articles montrent un effet positif, révèle la chercheuse. Nos conclusions, c’est d’abord qu’il y a très peu de données sur le sujet. Ce n’est pas forcément une mauvaise approche, mais il faut absolument faire davantage de recherche. Le deuxième constat, choquant, c’est qu’il y a beaucoup de greenwashing de la part de l’industrie, mais aussi de la part des universitaires. Tous les articles scientifiques sur le sujet partent de la prémisse que l’agriculture de précision permet d’adopter des pratiques plus durables, sans la remettre en question ! » Et sans la prouver, donc.
L’équipe de l’Université de Guelph concluait la même chose dans son article de 2021, après une revue moins exhaustive : les technologies « n’ont pas encore fait l’objet d’études scientifiquement fondées qui permettraient d’estimer leur impact sur l’environnement ». Pire, ajoutent les auteurs, l’utilisation de ces outils « pourrait être motivée par la maximisation des profits plus que par leurs bienfaits pour l’environnement ; par conséquent, l’intensification de l’agriculture grâce au numérique pourrait exacerber l’expansion [des terres agricoles] plutôt que de protéger les écosystèmes ».
L’une des auteures, Emily Duncan, le dit sans détour : pour l’instant, le potentiel de ces technologies est surestimé. La géographe, en mission de terrain au Ghana, fait l’hypothèse que le numérique sera peut-être plus transformateur dans un contexte d’agriculture peu industrialisée. « Au Canada, les jeux de données générés par ces technologies risquent plutôt d’être utilisés comme données d’entraînement pour développer l’IA dans d’autres industries ou comme moyen de surveillance par ceux qui investissent dans les terres agricoles », dit-elle.
Impossible, en effet, de dissocier agriculture et économie. « L’agriculture 4.0, c’est la valorisation des données, mais c’est surtout un modèle économique qui est en train de changer, comme en finances, en santé et dans l’industrie automobile, où les données massives ont déjà fait leur entrée », analyse Thierry Warin.
Comme dans tous les domaines, les données ne sont que des outils, et non une fin en soi. Leur potentiel dépendra surtout des cibles et des lois mises en place par les gouvernements pour réduire l’empreinte environnementale de l’agriculture.
Chez Agri-Fusion, où les pesticides sont déjà bannis, on reste toutefois convaincus que la technologie est la voie d’avenir pour les exploitations agricoles. Elle sera notamment indispensable pour faire face au défi du réchauffement. « Les changements climatiques, on les sent déjà, on les voit partout : sur les plantes, les insectes, l’apparition de maladies », témoigne Philippe La Roche Audette. Quand tout se dérègle, les algorithmes ont le mérite de garder la tête froide. Espérons qu’ils seront à la hauteur des attentes.
Un coup de main… robotique
La haute technologie en agriculture n’est pas qu’affaire d’algorithmes et de données : les robots se multiplient sur les fermes.
Dans une des parcelles d’Agri-Fusion, le jour de la visite de Québec Science, un tracteur tirant un désherbeur mécanique (qui sarcle le sol et arrache les mauvaises herbes grâce à des têtes rotatives) ratissait le champ avec une précision chirurgicale, grâce à ses caméras embarquées. Une prochaine version utilisera la vision par ordinateur pour identifier les mauvaises herbes et les tuer par électrification, espère l’équipe d’Agri-Fusion.
Durant l’été, de gros drones ont aussi survolé les champs de maïs sucré pour larguer de minuscules larves de trichogramme, un insecte qui lutte naturellement contre la pyrale du maïs, un ravageur.
« La robotisation et l’automatisation sont un passage obligatoire si on veut pérenniser nos entreprises agricoles », assure Martin Caron, de l’UPA, qui constate année après année la pénurie de main-d’œuvre.
D’abord mises au point pour l’élevage (les robots de traite, notamment), les machines sont de plus en plus précises, légères et fiables. De quoi atteindre des zones difficiles d’accès, déceler des maladies, pulvériser des microdoses de pesticides et limiter le compactage des sols.
Prochaine étape, loin d’être gagnée : la robotisation de la délicate récolte de fruits, comme les raisins, les pommes ou les fraises. Certains vergers sont réorganisés pour que les fruits poussent sur un plan vertical. De nombreux prototypes plus ou moins aboutis utilisant l’aspiration, la cassure de la tige ou des pinces coussinées sont testés de par le monde, mais la main humaine reste pour l’instant l’outil le plus efficace (et le moins cher) pour attraper un fruit mûr sans le broyer.
Certaines entreprises commencent toutefois à faire leurs preuves. Ainsi, la britannique Fieldwork Robotics a mis au point un robot récolteur de framboises doté de quatre bras. Celui-ci va pour l’instant cinq fois moins vite qu’un humain – mais il prouve que la mission n’est pas impossible.
