Réduire les pesticides, optimiser les fertilisants, planifier l’irrigation ou gérer les mauvaises herbes… Des scientifiques explorent comment drones, robots et intelligence artificielle pourraient transformer l’agriculture.
Des robots capables d’enlever les mauvaises herbes
À l’Université du Québec à Rimouski (UQAR), une équipe dirigée par le professeur en informatique Mehdi Adda développe une plateforme robotique modulable destinée notamment au secteur agricole. Il s’agit d’une escouade d’engins terrestres et de drones autonomes, entraînés grâce à l’IA.
Yve-Roland Kagambega, étudiant à la maîtrise, travaille à l’entraînement de robots capables de reconnaître les mauvaises herbes de façon autonome et de les arracher sans abîmer les cultures. Le système repose sur de nouveaux modèles d’IA appelés « Vision-Language-Action », inspirés des grands modèles de langage développés récemment (comme ChatGPT) et adaptés à la robotique.
« On entraîne des modèles d’IA à détecter des mauvaises herbes à partir d’images, à les analyser, puis à agir en conséquence, donc à arracher les mauvaises herbes », dit l’étudiant-chercheur. Une fois entraînés, ces modèles sont intégrés au robot, qui exécute les actions dans le monde réel.
Le projet est encore expérimental. L’équipe utilise des maquettes de mauvaises herbes imprimées en 3D pour entraîner les bras du robot. « J’ai monté les imprimantes moi-même, précise l’étudiant. Nous assurons d’abord un solide entraînement en environnement contrôlé avant d’aller sur le terrain. » À terme, l’objectif est de réduire l’usage d’herbicides en privilégiant une intervention mécanique et ciblée, plus respectueuse de l’environnement.
Une application pour la fertilisation des canneberges
Comment aider les producteurs et productrices de canneberges à mieux évaluer les besoins réels en fertilisation des cultures ? « Actuellement, les producteurs s’appuient surtout sur des recommandations américaines, faute d’études locales adaptées aux conditions québécoises », déplore Paul Célicourt, professeur à l’Institut national de la recherche scientifique (INRS) et membre de l’Unité mixte de recherche INRS–UQAR Numérique et territoires. Le manque de données précises entraîne souvent le recours à des doses trop élevées et à des applications trop fréquentes, indique-t-il.
« L’idée de l’agriculture de précision, c’est d’apporter la bonne dose, au bon endroit, au bon moment. »
Paul Célicourt, INRS
Son équipe mène des expérimentations dans des fermes situées au Lac-Saint-Jean et dans le Centre-du-Québec. Avec le soutien du Centre de recherche et d’innovation sur la canneberge, des échantillons sont prélevés et analysés en laboratoire afin de mieux comprendre les besoins des plants.
L’équipe s’intéresse aussi à la littératie numérique dans le milieu de la production et du conseil agricoles afin de concevoir un outil simple, inclusif et adapté à leurs réalités. Cet outil prendra la forme d’une « application de cartographie Web et mobile », alimentée par des capteurs installés dans les champs. Ainsi, selon le stade de croissance des plantes et les données recueillies, l’outil pourra indiquer les quantités appropriées de fertilisants à appliquer. « L’idée, c’est d’apporter la bonne dose, au bon endroit, au bon moment. C’est ce qu’on appelle l’agriculture de précision », résume l’expert en hydro-informatique, un champ émergent à l’intersection de l’informatique et de l’agriculture. Son approche interdisciplinaire tient compte des dimensions à la fois techniques et sociales des fermes afin d’appuyer la transition vers des pratiques agricoles durables.
Une station météorologique connectée
À l’Université TÉLUQ, Essaid Sabir, du Département Science et Technologie développe une station météorologique intelligente à faible coût pour aider les agriculteurs et agricultrices à prendre des décisions éclairées sur le terrain.
Conçue en collaboration avec Mohamed Sadik, de l’Université de Casablanca, la station comprend plusieurs capteurs mesurant notamment la température, la vitesse et la direction du vent, l’humidité et la pression atmosphérique. Les capteurs sont reliés à un microcontrôleur capable de calculer, de stocker et de transmettre les données. Le tout est logé dans un boîtier qui peut être intégré à un robot mobile ou à un drone qui survole les champs. « L’objectif est de collecter des données précises directement dans les parcelles agricoles, plutôt que de se fier aux stations météorologiques régionales. À l’échelle d’un champ, les conditions peuvent varier sur quelques dizaines de mètres », explique Essaid Sabir.
Les données sont ensuite analysées par des algorithmes d’intelligence artificielle (IA). Le système peut ainsi détecter certaines anomalies (une plante malade, des mauvaises herbes) et cibler des zones nécessitant une intervention précise, comme l’application d’herbicides. Cela évite de traiter tout le champ de manière uniforme. « Nos recherches montrent que les données locales améliorent la pertinence des recommandations agronomiques, notamment pour éviter la surutilisation d’herbicides ou les applications inefficaces et coûteuses », dit-il.
Des modèles pour mieux irriguer la pomme de terre
À l’INRS, Aya Ben Youssef consacre sa maîtrise à l’une des cultures les plus importantes au Québec : la pomme de terre, et plus précisément, à son irrigation. « Cette plante possède des racines peu profondes et est généralement cultivée dans des sols sableux, explique celle qui travaille avec Karem Chokmani, responsable du Laboratoire de télédétection environnementale par drone de l’INRS. L’eau passe à travers rapidement, ce qui rend la culture vulnérable au stress hydrique. Si l’irrigation n’est pas effectuée au bon moment, cela peut entraîner des pertes de rendement. »
Son projet vise à estimer la « réserve utile » du sol, c’est-à-dire la quantité d’eau réellement disponible pour la plante. Pour y parvenir, Aya Ben Youssef utilise des données provenant d’images thermiques prises par drone, combinées à des mesures prises au sol par des capteurs de température et d’humidité. « Une plante en manque d’eau tend à devenir plus chaude que l’air ambiant. En comparant la température des plants à celle de l’air, il devient possible de détecter un stress hydrique », dit-elle.
Les données servent à entraîner des modèles d’apprentissage automatique, soit des programmes capables de repérer des tendances et de faire des prévisions. Les résultats sont présentés sous forme cartographique ; il devient alors facile de visualiser les zones où l’eau est insuffisante.
À terme, cet outil pourrait permettre d’irriguer plus précisément, de réduire le gaspillage d’eau et d’adapter les pratiques aux conditions climatiques changeantes.
Photo en ouverture : UQAR
Aya Ben Youssef, ce que tu fais est vraiment utile et concret. Trouver des solutions pour mieux gérer l’eau en agriculture avec les drones et l’IA, ce n’est pas juste de la recherche théorique : ça peut réellement aider les agriculteurs au quotidien. Avec les changements climatiques et les périodes de sécheresse, ce genre de travail devient essentiel. C’est motivant de voir des jeunes chercheurs travailler sur des projets qui ont un impact direct sur l’environnement et l’avenir de l’agriculture.