Chez Nature Fresh Farms à Leamington, en Ontario, il y a quelque chose de nouveau parmi les rangées de tomates, de concombres, de poivrons et de fraises.
Utilisant des milliers de capteurs dans chaque serre, la technologie de l’intelligence artificielle aide la ferme à optimiser des aspects tels que l’éclairage, l’irrigation et le calendrier des récoltes.
«Nous voulions utiliser la technologie pour nous aider à cultiver davantage, à avoir un légume plus savoureux et à faire plus en général», a déclaré Keith Bradley, vice-président des technologies de l’information et de la sécurité chez Nature Fresh Farms.
La technologie d’Intel et de Dell aide l’exploitation agricole à être proactive plutôt que réactive, a-t-il déclaré, en augmentant les rendements de ses cultures et en réduisant sa consommation d’énergie et d’eau. Cela aide même les employés à mieux concilier travail et vie privée, a-t-il ajouté.
Au milieu des recherches en cours sur les avantages potentiels de l’IA pour l’agriculture, des fermes comme Nature Fresh sont en première ligne de son adoption.
Les agriculteurs utilisent déjà toute une gamme de technologies, certains ayant adopté des outils de haute technologie tels que des drones pour inspecter les fermes et rechercher des informations sur les mauvaises herbes, les ravageurs et les maladies, a déclaré Jacqueline Keena, directrice générale d’Emili, une organisation à but non lucratif dirigée par l’industrie. L’organisation exploite Innovation Farms, une « ferme intelligente » où de nouvelles technologies sont testées et démontrées près de Winnipeg.
La prochaine phase de cette technologie implique des modèles d’IA utilisant ces données pour faire des inférences, des prédictions et même des décisions, a déclaré Keena – et l’IA permet à l’agriculture de devenir « hyper-optimisée » jusqu’à un niveau plus spécifique qu’auparavant.
La technologie devient de plus en plus sophistiquée, passant de simples systèmes basés sur des règles à de grands modèles de langage, a déclaré Rozita Dara, professeure adjointe à l’École d’informatique de l’Université de Guelph et directrice de l’initiative Intelligence artificielle pour l’alimentation.
Cela a des applications pour l’agriculture de précision, a-t-elle expliqué, qui implique l’analyse des données provenant de capteurs pour prendre des décisions sur des éléments tels que la quantité d’eau ou d’engrais à utiliser. L’IA peut être utilisée pour prendre des décisions de plus en plus complexes, prises depuis longtemps par les humains, a-t-elle déclaré.
L’IA peut aider à résoudre des problèmes tels que les pénuries de main-d’œuvre et les défis climatiques, a déclaré Darrell Petras, PDG du Réseau canadien d’automatisation et d’intelligence agroalimentaire.
À titre d’exemple, son groupe est investi dans une société appelée Croptimistic, a déclaré Petras, qui rassemble des données sur le terrain pour détecter les ravageurs, les changements de couleur des cultures et d’autres facteurs de stress potentiels sur les cultures.
L’IA « peut déterminer si un facteur de stress se produit plus tôt que… l’œil humain ne peut le détecter, et l’intervention de la direction peut alors se produire beaucoup plus rapidement », a-t-il déclaré.
L’IA a également des utilisations potentielles dans le classement des céréales sur le terrain, ce qui peut aider l’agriculteur à déterminer quand récolter sa récolte et à quoi s’attendre lorsqu’il ira la vendre, a ajouté Petras.
Cela peut également être utilisé pour atténuer les effets du changement climatique, a-t-il déclaré.
Une grande partie de la recherche sur l’IA et l’agriculture est effectuée dans des établissements postsecondaires, a déclaré Petras, mais elle doit ensuite être testée sur le terrain. Cela se fait souvent par le biais d’un « véhicule de commercialisation », a-t-il expliqué, qu’il s’agisse d’une entreprise en démarrage ou d’une entreprise existante.
Il existe un réseau de fermes dites intelligentes à travers le Canada, dirigé par le Olds College of Agriculture & Technology en Alberta, dont le but est de tester et de démontrer les technologies agricoles émergentes.
L’une des fermes du réseau est Emili’s Innovation Farms.
« Nous montrons vraiment comment elles fonctionnent dans un environnement commercial et, d’une certaine manière, nous atténuons les risques en testant ces technologies… et nous partageons ensuite avec d’autres, y compris d’autres agriculteurs, comment elles fonctionnent réellement comme moyen. pour accélérer l’adoption et l’intégration complète de ces nouvelles technologies », a déclaré Keena, d’Emili.
Une autre ferme intelligente se trouve au Olds College, où Felippe Karp mène des recherches sur la manière de développer des normes de collecte et de traitement des données pour créer des modèles d’IA.
Les modèles d’IA sont aussi bons que leurs ensembles de données, a expliqué Karp, associé de recherche au collège et candidat au doctorat en génie des bioressources à l’Université McGill. Il se concentre actuellement sur la mesure et la prévision de la variabilité des éléments nutritifs du sol.
«Avec cet ensemble de données, nous avons formé un modèle d’intelligence artificielle… et l’avons utilisé pour prédire la disponibilité des nutriments dans le sol.»
Il faut du temps pour déterminer si une nouvelle technologie ou une nouvelle approche a affecté une culture, a déclaré Dara, et cela peut constituer un obstacle à l’adoption par les agriculteurs.
«Parfois… c’est dans un délai d’un an, d’une saison ou de quelques années», a-t-elle déclaré.
Les agriculteurs n’ont souvent qu’une « seule chance » de récolter chaque année, a déclaré Keena.
«Nous ne pouvons donc pas leur demander de prendre de gros risques en intégrant de nouvelles technologies à grande échelle dans le cadre de leurs opérations dans des domaines qui n’ont pas encore fait leurs preuves.»
«Innovation Farms… s’attaque en partie à l’un des obstacles qui empêchent les personnes de pouvoir voir ces technologies déployées à grande échelle et de manière commerciale avant de pouvoir les adopter elles-mêmes.»
Le niveau de confiance des agriculteurs constitue également un obstacle, a déclaré Dara, d’autant plus qu’avec l’IA, le processus de prise de décision n’est parfois pas clair.
Les données sont primordiales pour les modèles d’IA, a-t-elle ajouté, mais les agriculteurs doivent être davantage incités à partager leurs données afin d’améliorer la technologie.
Les agriculteurs peuvent être réticents à partager leurs propres données, a déclaré Karp : « C’est l’un des défis auxquels nous sommes confrontés lorsque nous parlons de développer des modèles plus complexes. »
Mais au fil du temps, Petras a déclaré qu’il constatait une augmentation de l’engagement des agriculteurs.
«L’engagement des agriculteurs est absolument essentiel» au développement d’outils d’IA pour l’agriculture, a-t-il déclaré, qui peuvent inclure des journées de démonstration sur le terrain, des conférences et des ateliers, a-t-il déclaré.
«S’ils en ont vu la démonstration, essentiellement dans leur jardin grâce à une ferme intelligente, eh bien, nous sommes bien plus avancés vers l’adoption.»
