retour au sommaire

Stéphane

MARCEL

Directeur Général

SMAG

Smart Agriculture

AGTECH : fleuron français de la donnée ?

Quels enjeux et défis pour l’agriculture connectée ?

Un secteur en avance ou en retard dans l’utilisation du Big Data ?

 

Nous faisons actuellement face à une véritable révolution industrielle et digitale qui touche tous les secteurs d’activité. Cette révolution est complexe à absorber pour les acteurs économiques car c’est un modèle de rupture dans la façon de valoriser les données, de structurer les entreprises, de conduire la R&D, de manager. Nous passons d’un paradigme descriptif à un paradigme prédictif et inférentiel. Les métiers sont bousculés et l’agriculture n’est pas en marge de ces changements. Nous sommes passés d’une agriculture raisonnée, fondée sur des méthodes de bilan et des constats, à une agriculture mesurée et pilotée en permanence par la donnée.

 

L’agriculture vit sa propre révolution numérique et une véritable mutation structurelle. Cela oblige l’ensemble des acteurs à se remettre en cause.

 

On constate que des agriculteurs migrent petit à petit de leur métier de paysan vers une fonction de chef d’entreprise. Ils se doivent d’être polyvalents, poly compétents, afin de manager des préoccupations telles que l’augmentation des marges, la réglementation, les fluctuations des marchés de matière première, le respect de l’environnement, les aléas climatiques réguliers… Dans ce contexte, l’agriculture revendique l’utilisation des technologies nouvelles pour lui permettre de mieux piloter son activité.

 

Le secteur agricole n’est pas en retard sur la digitalisation. 95% des exploitants utilisent internet tous les jours. Le taux de pénétration des smartphones est très élevé sur cette population ultra consommatrice de nouvelles technologies. À l’image du tracteur qui est venu bouleverser le secteur d’activité, c’est désormais le digital et le Big Data qui viennent métamorphoser les pratiques culturales, les processus de production et la prise de décisions. Les machines agricoles sont aujourd’hui bardées de capteurs qui produisent et récoltent des données en temps réel. Les technologies d’observation de la terre, basées sur les satellites et les drones, fournissent une foultitude de data avec une forte hétérogénéité (structurées, non structurées etc.). L’agriculture est donc un excellent candidat à l’utilisation du Big Data.

 

Nourrir 9 milliards de bouches sur la planète passera forcément par l’optimisation des rendements des parcelles agricoles et non uniquement par l’augmentation des surfaces exploitées.

Le premier facteur de succès réside dans la R&D génétique mais le digital reste essentiel. Il faudra des outils d’aide à la décision faisant appel au Big Data pour atteindre cet objectif.

 

A propos de SMAGDepuis 16 ans, SMAG accompagne les professionnels des filières agricoles et agro-industrielles à l’échelle nationale et internationale dans le déploiement de systèmes d’informations simples et performants, pour optimiser la gestion et le pilotage technico-économique des exploitations et des productions agricoles.L’objectif est de produire plus et mieux grâce à l’adoption des nouvelles technologies et en particulier grâce à l’exploitation de la donnée.

 

Comment la France se positionne-t-elle dans le secteur ?

 

Les AgTech représentent un segment particulièrement dynamique. Les plus gros players sont naturellement américains, à l’image de Google Ventures qui a largement investi dans le secteur. Israël est également particulièrement actif sur le sujet mais l’AgTech française n’a pas à rougir.

 

L’agriculture française a par ailleurs des spécificités et ne répond pas à la maxime « one product fits all ». Il existe des référentiels locaux, des cultures différentes dans le secteur et il n’est ainsi pas possible d’adresser le marché agricole avec une seule application. Il faut redescendre sur les spécificités agricoles même si l’enjeu est international.

 

 

Quels sont les différents champs d’application du Big Data dans l’agriculture ?

 

Ils sont multiples. Par exemple, il est omniprésent dans le monde du Farm Management software, avec une forte implication de solutions logicielles dans l’exploitation des cultures ou l’élévage bovin… Ces outils offrent la possibilité de suivre les coûts de production sur différentes cultures ou parcelles et de surveiller les bénéfices dans l’ensemble de l’exploitation agricole pour optimiser les processus et améliorer la prise de décision.

 

Le Big Data est également exploité dans le domaine de l’Agriculture de précision. L’utilisation de modèles agronomiques et mathématiques permettent de moduler les interventions à l’intérieur même d’une parcelle agricole. En effet une parcelle agricole n’est pas homogène et certaines zones sont plus ou moins productives. Jusqu’alors, on pratiquait l’agriculture à la parcelle. Aujourd’hui, les technologies analytiques permettent d’identifier les zones hétérogènes au sein même des parcelles. On parle donc d’intra-parcellaire. Grace aux mesures réalisées par les drones et satellites, on est désormais capables de déterminer si un sol est de meilleure qualité au sein de la parcelle, quelle est la teneur en chlorophylle de la plante etc.

 

Cela nécessite des infrastructures hautement scalables pour faire tourner les modèles agronomiques afin de déterminer par exemple un degré d’azote à mettre sur chaque parcelle.

 

Ces informations peuvent même être communiquées directement à la console du tracteur. L’optimisation des intrants permet de produire plus (maximisation des cultures) et mieux (moins, d’azotes, moins de produits chimiques). Ce type de business case n’est possible que grâce à la data.

BE API, l’une des structures intégrées au Pôle Agro-Digital d’InVivo est d’ailleurs intégralement dédiée au développement de l’agriculture de précision. Elle propose aux coopératives adhérentes InVivo différentes étapes qui permettent la modulation des semis, la fertilisation et l’usage des produits phyto en fonction de l’hétérogénéité intra-parcellaire et du besoin réel de la culture.

 

Le Big Data permet aussi de faire de la prédiction de rendement et d’identifier la qualité des cultures avant la moisson. Les modèles de prédiction permettent par exemple de connaitre, à partir du mois d’avril, les rendements de culture de blé ainsi que sa teneur en protéines.

 

Les stations météo connectées qui font partie des IoT (Internet of Things ou Internet des objets) permettent la captation de données qui alimentent les algorithmes de météorologie et déterminent les plages de traitement idéales sur une parcelle en fonction des conditions météorologiques. L’exploitant gagne ainsi en temps (plus besoin de se déplacer sur sa parcelle si la météo n’est pas suffisamment favorable) et en argent (plus de traitement réduit à néant s’il se met à pleuvoir juste après l’intervention).

 

En somme, grâce au Big Data, on peut augmenter la productivité et le rendement des cultures tout en diminuant l’impact environnemental.

 

 

Quels sont les différents types de données collectées ?

 

Elles portent sur le sol (température, humidité, qualité, éléments organiques), l’air (température, hydrométrie, vent, ensoleillement), les plantes (stress hydrique, vigueur, taux de chlorophylle) ainsi que sur les parcelles (traitements, fertilisation aux champs etc…) et l’historique des cultures d’une campagne à l’autre.

 

Toutes les données récoltées alimentent notre Data Lake qui nécessite une forte capacité de traitement. Sur une surface agricole utile de 30 millions d’hectares en France (10 millions en prairie et 20 millions en culture), nos plateformes gèrent plus de 10 millions d’hectares. Au total, ce sont plus de 25 000 agriculteurs qui utilisent nos solutions. Plus nous disposons de données et meilleurs sont les conseils donnés à nos utilisateurs.

 

 

Quel est le business model du Big Data dans l’agriculture ?

 

C’est un business model propre au métier d’éditeur. Les applications sont installées sur des serveurs distants et disponibles sous forme d’abonnements en mode SaaS (Software as a Service) en fonction de ce qu’ils consomment. En somme, un logiciel en ligne, hébergé dans le Cloud. Rien n’est installé sur l’ordinateur de l’exploitant, une simple connexion internet lui suffit pour accéder à ses outils.

 

SMAG œuvre ainsi dans le domaine des objets connectés, de l’agriculture de précision, des applications mobiles, de la saisie d’information agronomique, de la prise de photo (image mining & data mining) et de l’aide à la décision (OAD). Les couches logicielles sont produites en interne tandis que le développement des objets connectés revient à des partenaires. L’intelligence logicielle est donc au cœur du business.

 

 

Vers une mise à disposition des données agricoles en open-data ?

 

Les plateformes construites dans l’agriculture sont globalement assez ouvertes grâce à des APIs gratuites ou payantes. Un certain nombre de données sont déjà en Open Data mais cela ne va pas assez loin. Il y a encore des avancées à faire en matière de réglementation notamment concernant les opérateurs publics de données agricoles qui ne sont pas encore en Open Data.

 

Ils détiennent des données de déclaration comme les données de la PAC (Politique Agricole Commune). En France, nous sommes encore loin du développement actuel de l’Open Data qui s’opère aux États-Unis et qui donne accès aux données sur les types de sols ou la géographie par exemple. Le développement de l’Open data entraînera plus d’Open Innovation et naturellement plus de création de valeur.

 

 

Le monde agricole saura-t-il également s’emparer de l’Intelligence Artificielle ?

 

Nous ne faisons pas encore d’Intelligence Artificielle mais cela ne saurait tarder. Nos développements sont essentiellement liés aux business cases des clients de la filière. Le secteur saura s’approprier l’IA si le besoin se fait ressentir. L’agriculture s’est, par exemple, emparée depuis bien longtemps de la robotique et il n’y a aucun frein de principe à ce qu’elle puisse mettre à profit également l’IA au sens pur.

 

 

Quelles futures tendances pour l’AgTech ?

 

De nouvelles technologies vont trouver leur place dans l’agriculture, comme la Blockchain ou encore l’impression 3D.

 

La reconnaissance et le traitement d’images vont progresser avec, par exemple, des applications permettant d’identifier certaines maladies grâce aux smartphones. Cela pourra notamment faire appel à l’IA en termes de traitement.

 

L’agriculture urbaine ou Urban Farming sera particulièrement consommatrice de technologies qui permettront de maîtriser l’ensemble des paramètres d’exploitation sur des surfaces réduites. L’utilisation du Big Data y sera d’autant plus importante.

 

Globalement le digital dans l’agriculture est créateur de valeur économique, environnementale, sociétale et agronomique. Il permet de renouveler les modèles économiques un peu ancestraux du secteur. Pour faire émerger de nouveaux produits ou services digitaux liés à l’agriculture de précision, les objets connectés et le Big data, nous avons créé l’année dernière un « Studio » agro-digital de 600 m2 à Montpellier.

 

Il faut cependant que les acteurs du secteur acceptent de changer de modèle. C’est à eux qu’il revient d’écrire le futur de l’AgTech. Ceux qui expliquent que l’on pourra se passer de l’agriculteur ont tort, car ce sera toujours à lui de prendre les décisions. Cependant, grâce au digital, ce sera plus simple, plus rapide et davantage anticipé. Le digital permettra demain de mieux maitriser les risques de l’agriculture. C’est pour cela qu’il est tant au cœur des débats actuels.

 

 

A propos de l’Urban FarmingC’est la pratique de la culture, de la transformation et de la distribution de nourriture dans ou autour d’un village, d’une ville ou d’une métropole. L’agriculture urbaine peut également impliquer l’élevage, l’aquaculture, l’agroforesterie, l’apiculture urbaine et l’horticulture.

Directeur général de SMAG, Stéphane Marcel est également Directeur Général du fonds d’investissement privé InVivo Invest. Le fil conducteur de ses activités est le numérique, avec de nombreux enjeux et business cases autour de la gestion de la data (Big Data agricole).