Numé­ri­sa­tion de l’agriculture

En l’espace de quelques décen­nies, l’agriculture, long­temps essen­tiel­le­ment manuelle, est deve­nue un sec­teur riche en inno­va­tions tech­no­lo­giques. Leurs déve­lop­pe­ments émanent de la méca­ni­sa­tion, de la com­plexi­té des pra­tiques agri­coles et de la néces­si­té de prendre des déci­sions rapi­de­ment. La pré­ci­sion du tra­vail repose sur l’efficacité des cap­teurs uti­li­sés et sur les solu­tions d’aide à la déci­sion four­nies par des sys­tèmes com­mu­ni­quant en réseau. Pour s’y retrou­ver et conser­ver la maî­trise de son exploi­ta­tion, les pro­ces­sus sont auto­ma­ti­sés au maxi­mum et les acti­vi­tés sont enre­gis­trées avec pré­ci­sion. Extrê­me­ment hété­ro­gènes en termes de végé­ta­tion et de struc­ture du sol, les par­celles néces­sitent des déci­sions adap­tées à leurs spé­ci­fi­ci­tés pour assu­rer des ren­de­ments opti­maux. C’est là tout l’intérêt de l’agri­cul­ture de pré­ci­sion, qui se déve­loppe grâce à la poli­tique, à la science, à la socié­té et au sec­teur agri­cole lui-même. Les décou­vertes scien­ti­fiques sur les tenants et abou­tis­sants de la pro­duc­tion végé­tale révèlent des poten­tiels d’économies d’intrants et de réduc­tion des gaz à effet de serre. Le cadre régle­men­taire et les exi­gences sociales mènent le jeu et défi­nissent des orien­ta­tions. Les exi­gences sociales et juri­diques crois­santes en matière d’agriculture peuvent être satis­faites grâce aux évo­lu­tions tech­niques ful­gu­rantes. La pres­sion crois­sante des coûts exer­cée par la concur­rence inter­na­tio­nale requiert éga­le­ment l’augmentation des ren­de­ments agricoles.

Élé­ments moteurs du développement 

L’essor de la numé­ri­sa­tion touche tous les sec­teurs éco­no­miques et l’agriculture n’est pas la seule à devoir rele­ver les défis que cela pose. Elle béné­fi­cie éga­le­ment de ces avan­cées, par exemple dans le domaine des tech­no­lo­gies de l’information, notam­ment avec les sys­tèmes de posi­tion­ne­ment glo­bal (GPS) pour la géo­lo­ca­li­sa­tion pré­cise des machines. La dis­po­ni­bi­li­té de don­nées satel­li­taires gra­tuites a per­mis un bond en avant consi­dé­rable. Il est ain­si pos­sible de déter­mi­ner avec pré­ci­sion, à quelques cen­ti­mètres près, les don­nées de géo­lo­ca­li­sa­tion des machines. Un atout pour  le pilo­tage élec­tro­nique des machines comme la ges­tion des tron­çons de rampe pour les trai­te­ments phy­to­sa­ni­taires ou la modu­la­tion de dose pour les épan­deurs d’engrais et les semoirs. Des cap­teurs spé­ciaux sont éga­le­ment uti­li­sés, par exemple pour éva­luer l’état des cultures.

Aujourd’hui, le mar­ché de l’agriculture de pré­ci­sion s’est consi­dé­ra­ble­ment déve­lop­pé et nom­breux sont les four­nis­seurs de logi­ciels de ges­tion d’exploitation agri­cole (FMIS), non seule­ment pour la ges­tion par­cel­laire, mais aus­si pour la ges­tion de trou­peau ou encore la ges­tion glo­bale de son exploi­ta­tion. Il n’est donc pas tou­jours aisé de savoir par où débu­ter dans l’agriculture de pré­ci­sion. Sans par­ler des défis et pro­blé­ma­tiques inhé­rents à ce domaine.

Le pre­mier défi réside le plus sou­vent dans la mise en œuvre. Le pas­sage à l’agriculture de pré­ci­sion demande beau­coup de temps au début. À cela s’ajoutent les risques finan­ciers. Il faut ana­ly­ser les coûts et les béné­fices. Une autre dif­fi­cul­té consiste à choi­sir les appli­ca­tions et à s’assurer de leur dura­bi­li­té. La col­lecte seule des don­nées ne suf­fit pas non plus, il faut pou­voir les affi­cher et les ana­ly­ser. Ces infor­ma­tions per­mettent ensuite de pla­ni­fier et de mettre en œuvre les inter­ven­tions. Le choix des moyens de com­mu­ni­ca­tion, des inter­faces, des machines et des outils doit être éclai­ré. Un éle­vage bovin n’a par exemple que faire des cartes de modu­la­tion. Les exploi­ta­tions agri­coles doivent ain­si tenir compte de l’interaction de plu­sieurs fac­teurs et sys­tèmes pour pas­ser à l’agriculture de précision.

Le deuxième grand défi est l’adaptation aux condi­tions locales. La cou­ver­ture du réseau pose sou­vent pro­blème. Pour la col­lecte des don­nées, les fonc­tion­na­li­tés per­mettent idéa­le­ment d’enregistrer ces don­nées sur des appa­reils mobiles, puis de les syn­chro­ni­ser sur un Cloud grâce à une connexion Inter­net satis­fai­sante. Quant aux condi­tions locales, la struc­ture des exploi­ta­tions doit éga­le­ment être prise en compte. La com­mu­ni­ca­tion entre les sys­tèmes et les machines est sou­vent un obs­tacle. Dans les entre­prises de tra­vaux agri­coles notam­ment, le parc de machines est géné­ra­le­ment mixte et les machines ne sont pas logées à la même enseigne en termes de numé­ri­sa­tion. La com­pa­ti­bi­li­té entre les dif­fé­rentes machines est essen­tielle, mais com­plexe. Si l’une d’elles est très avan­cée sur le plan tech­no­lo­gique, les autres doivent sou­vent être mises à niveau pour résoudre les pro­blèmes de com­mu­ni­ca­tion. La stan­dar­di­sa­tion des maté­riels, les appli­ca­tions mul­ti­cons­truc­teurs et les pos­si­bi­li­tés de conver­sion au numé­rique des machines ana­lo­giques sont une solu­tion au pro­blème. Le pilo­tage du maté­riel ne doit pas être négli­gé. L’intuitivité des com­mandes et des fonc­tion­na­li­tés est indispensable.

Appli­ca­tions en agriculture

Il n’existe pas de défi­ni­tion pré­cise et lar­ge­ment recon­nue de l’agriculture de pré­ci­sion. Le concept a dif­fé­rentes appli­ca­tions en agri­cul­ture. Il recouvre non seule­ment les tech­no­lo­gies de ges­tion de l’hétérogénéité intra-par­cel­laire, mais aus­si l’optimisation des pro­ces­sus agri­coles et la ges­tion des infor­ma­tions. Il repose donc sur la com­bi­nai­son de plu­sieurs élé­ments et per­met la sai­sie auto­ma­tique des don­nées de réfé­rence, la modu­la­tion intra-par­cel­laire pour toutes les inter­ven­tions cultu­rales, la ges­tion de flotte (géo­lo­ca­li­sa­tion, pla­ni­fi­ca­tion des tra­jec­toires, sur­veillance des don­nées machines) et la robo­tique dans les par­celles (pilo­tage auto­ma­tique des outils pour les machines avec ou sans chauffeur).

Les pro­ces­sus sont géné­ra­le­ment en ligne ou hors ligne. Les cartes de poten­tiel et de modu­la­tion sont géné­rées en amont et trans­fé­rées sépa­ré­ment au ter­mi­nal du trac­teur, en géné­ral manuel­le­ment. Il s’agit donc d’un pro­ces­sus hors ligne. Les machines se basent alors sur les don­nées GPS créées pour les inter­ven­tions cultu­rales. La sta­bi­li­té du signal GPS est ain­si indis­pen­sable pour la conduite auto­nome et le gui­dage des outils. Avec le pro­ces­sus en ligne, les don­nées sont col­lec­tées en temps réel. Pour les trai­te­ments phy­to­sa­ni­taires par exemple, des infor­ma­tions sont col­lec­tées sur les cultures au moyen des cap­teurs ins­tal­lés à l’avant du trac­teur. Elles per­mettent d’adapter la régu­la­tion du pul­vé­ri­sa­teur en direct. Grâce à la com­mu­ni­ca­tion élec­tro­nique entre les dif­fé­rents élé­ments, l’échange des don­nées est ins­tan­ta­né. Des pro­ces­sus simi­laires peuvent être uti­li­sés pour l’épandage d’engrais. La qua­li­té des cap­teurs uti­li­sés pour les dif­fé­rents pro­ces­sus est par consé­quent essen­tielle. Ils per­mettent entre autres d’estimer la teneur en azote des cultures, d’évaluer la quan­ti­té de bio­masse et de détec­ter les adven­tices ou les mala­dies. Les cap­teurs optiques uti­lisent la capa­ci­té des plantes à absor­ber la lumière rouge qui est la plus effi­cace pour la pho­to­syn­thèse. Cela per­met de mesu­rer la bio­masse pho­to­syn­thé­ti­que­ment active. Avec la spec­tro­sco­pie proche infra­rouge (NIR), c’est l’effet contraire qui est employé. Les struc­tures des plantes réflé­chissent la lumière proche infra­rouge invi­sible pour l’œil humain. On obtient ain­si un spectre de réflexion carac­té­ris­tique pour l’état des cultures sur les par­celles. Pour détec­ter les mala­dies, il est entre autres pos­sible de mesu­rer la tem­pé­ra­ture de sur­face des feuilles au moyen de cap­teurs ther­miques afin de pou­voir par exemple dis­tin­guer les feuilles saines des feuilles malades en cas d’attaque fongique.

On a sou­vent dit que les agri­cul­teurs étaient fâchés avec la comp­ta­bi­li­té. Par­mi les rai­sons avan­cées, l’investissement impor­tant en temps, l’absence de mesures valides et les dif­fé­rents for­mats. Sans par­ler de l’analyse et de l’interprétation ensuite néces­saires de ces don­nées. Pour trans­for­mer les mesures en infor­ma­tions, les don­nées doivent dans un pre­mier temps être col­lec­tées et enre­gis­trées. L’agriculture de pré­ci­sion per­met de le faire auto­ma­ti­que­ment à chaque étape. Grâce au signal GPS, les don­nées peuvent être éga­le­ment affec­tées à une posi­tion dans la par­celle et affi­chées dans dif­fé­rentes cartes. C’est le cas de la car­to­gra­phie de ren­de­ment, qui repose sur les infor­ma­tions col­lec­tées par les machines de récolte, et des cartes de végé­ta­tion qui uti­lisent les don­nées satel­li­taires. Il est éga­le­ment pos­sible d’intégrer les résul­tats d’analyses de sol pour les affi­cher sur les par­celles. Les don­nées car­to­gra­phiques per­mettent de pla­ni­fier et de réa­li­ser avec pré­ci­sion les inter­ven­tions culturales.

Cette dyna­mique de numé­ri­sa­tion devrait encore s’intensifier dans les années qui viennent. Le déve­lop­pe­ment de la robo­ti­sa­tion au champs et dans les éle­vages est encore loin d’être ter­mi­né. Ces robots sont de plus en plus fré­quents dans les éle­vages, mais se ren­contrent encore peu dans les champs. Ces machines sont capables d’effectuer un semis ou de lut­ter contre les adven­tices à l’aide de leurs cap­teurs et obtiennent à plu­sieurs un ren­de­ment simi­laire aux grands modèles. En matière de robo­tique, la marge de pro­gres­sion reste en tout cas large. Dans le domaine des logi­ciels, les four­nis­seurs qui s’imposeront seront ceux qui sau­ront s’adapter de façon dyna­mique aux besoins des uti­li­sa­teurs et du secteur.