IA ET ROBOTIQUE AU SERVICE DE L’AGRICULTURE DE PRÉCISION

L’intelligence artificielle et l’imagerie satellitaire sont utilisées dans plusieurs projets au niveau de la collecte des données, de leur traitement, de la prédiction et des recommandations. La numérisation facilite la vie des agriculteurs et automatise certaines tâches difficiles ou impossibles à faire par l’être humain.

Les pays développés ont l’infrastructure et les moyens pour avancer rapidement en la matière. En Afrique, nos moyens et nos infrastructures sont plus limités. Mais nous faisons des progrès dont profitent les moyens et petits agriculteurs. Quant aux gros exploitants, ils ont les moyens de faire appel aux plateformes des pays avancés et d’introduire des innovations plus coûteuses et originales.

Cependant, la recherche scientifique est ouverte et internationale. Notre collaboration avec des chercheurs européens et américains nous donne accès aux dernières avancées technologiques. Bien sûr, certains services sont au-dessus de nos moyens. Ainsi, certaines images satellitaires sont payantes tandis que d’autres sont gratuites. Nous exploitons au mieux ces dernières. Il y a bien sûr une différence de résultats, mais elles ne sont pas si énormes. Ainsi, si grâce aux images gratuites nous arrivons à faire des prédictions de rendement fiables à 80% au lieu de 90% avec les images payantes, cela n’est pas si mal et bien meilleur que les résultats obtenus par des moyens traditionnels. Évidemment, nos progrès ne disposent pas les États de financer la recherche et sa mise en pratique et d’améliorer les infrastructures, à l’instar des investissements du Plan Maroc Vert.

L’intelligence artificielle est d’abord affaire de données. Nous compensons notre insuffisance en la matière par le recours aux données étrangères publiques, notamment européennes. Nous les testons sur des pays africains. Et, il nous arrive d’obtenir des résultats concluants. Ainsi, en est-il des modèles dits d’optimisation, appelés les crop models. Ce sont des modèles prédéfinis, prêts à l’emploi. Ils sont généralement australiens mais utilisés dans le monde entier. Nous les testons sur des échantillonnages africains avec des taux de réussite satisfaisants. Les modèles migrent.

Concernant nos déficiences en matière d’infrastructure, elles ne sont pas insurmontables. Ainsi, les structures internet existantes nous suffisent largement dans les phases de préparation, d’entraînement et d’élaboration des applications. La phase suivante d’utilisation de ces modèles par les agriculteurs ne nécessite pas des connections internet. Je peux installer une application sur un simple smartphone ; il fonctionnera sans internet. C’est l’amélioration de l’application qui, elle, exigera une connexion internet.

Le cœur des recherches d’Abdellatif Moussaid

Les recherches d’Abdellatif Moussaid se concentrent principalement sur l’application de l’intelligence artificielle et de la Science des Données. Ses travaux les plus récents concernent l’agriculture de précision :

• Agriculture de précision et Télédétection : le cœur de ses recherches est l’intégration de technologies avancées pour optimiser la production agricole.
• Intelligence artificielle (IA) et Apprentissage automatique (Machine Learning) : Utilisation de modèles sophistiqués (comme les modèles hybrides CNN-LSTM) pour analyser de grandes quantités de données.
• Télédétection (Remote Sensing) : il utilise des données satellitaires, notamment les indices spectraux, pour obtenir des informations sur l’état des cultures.
• Modèles de cultures (Crop Models) : développement de modèles pour prédire et gérer les besoins des cultures.

Autres domaines de la Data Science : Ses domaines d’expertise couvrent également :

• Big Data et Business Intelligence : aide à la décision
• Vision par ordinateur : analyse d’images et de vidéos souvent en lien avec la télédétection
• Calcul Haute Performance (High Performance Computing) : nécessaire pour traiter rapidement de grands volumes de données

Les modèles

Nous paramétrons et calibrons les modèles « importés » en y intégrant les données climatiques par régions. Nous ne les exploitons pas tels quels. Nos recommandations sont ciblées. Parfois, nous n’utilisons que l’algorithme d’un modèle. Nous le réentraînons, lui faisons subir un deuxième apprentissage dans de nouvelles conditions climatiques, dans un nouvel environnement pour qu’il soit fiable et précis.

Nous développons aussi nos propres algorithmes spécialement dédiés à des tâches spécifiques. Récemment, nous avons développé un modèle de recommandation des fertilisants avec un focus sur les NPK. Ses trois ingrédients sont l’azote, le potassium et le phosphore. Ils sont utilisés dans toutes les cultures. Notre modèle prend en compte quelques données climatiques avec des données satellitaires gratuites pour recommander la quantité et le dosage nécessaires pour une parcelle donnée. Il optimise la fertilisation et permet d’éviter aussi bien la sous-consommation que la surconsommation des engrais, aussi néfaste l’une comme l’autre.

Nous avons aussi développé des modèles de prédiction des rendements d’une précision de 80% à distance de deux à trois mois des récoltes. L’intérêt économique de ces prédictions est important, particulièrement en ce qui concerne les importations ou exportations des cultures concernées.

Après m’être intéressé aux cultures arboricoles et aux agrumes, je consacre mes recherches aux oliviers. Nous faisons un travail de précision, arbre par arbre ou par groupes d’arbres. Nous essayons même de compter la quantité de fruits par arbre. Nos recommandations concernent la fertilisation et l’irrigation. Nous avons ainsi mis au point un système d’irrigation qui optimise l’utilisation des ressources d’eau. C’est un sujet d’importance pour les régions arides ou semi-arides. Nos prédictions sont financièrement vitales pour les agriculteurs qui font des préventes de leurs récoltes.

La robotique

L’internet des objets et la robotique sont des compléments naturels de l’IA. Ils nous permettent de créer des petits robots capables d’exécuter des tâches difficiles – parfois impossibles – à accomplir par l’être humain. Ces robots sont particulièrement utiles dans les grands vergers.

Il est très difficile pour un homme de se déplacer de parcelle en parcelle, d’examiner chaque arbre et de se prononcer sur son état de santé. Les robots et les drones peuvent, eux, exécuter facilement ces tâches. Ils peuvent déceler les besoins spécifiques de chaque arbre.

Le drone, le Raspberry par exemple, embarque un ordinateur doté d’un modèle qui prescrit les tâches à accomplir. Ainsi, la vision par ordinateur autorise le traitement des images et la prise de décision. Je travaille sur de nombreuses images : images RGP (modèle de couleurs le plus utilisé pour l’affichage numérique), images smartphone, images satellitaires et images spectrales.

IA, IoT, robotique sont des technologies interdépendantes dont l’ossature commune est composée des données et de leur traitement et la prise de décision. Nous n’avons actuellement pas de plateforme qui rassemble tous ces éléments. Mais, nous publions et exploitons les résultats sous forme de papiers scientifiques, de logiciels ou d’applications. Nous envisageons la création d’une plateforme qui intègre l’ensemble de nos résultats. Elle présentera l’avantage de pouvoir être utilisée directement par les agriculteurs.

Nous disposons, cependant, de fermes expérimentales qui nous permettent de tester nos applications et notre matériel sur plusieurs catégories de cultures. Les résultats sont souvent concluants.

Économie, éthique et environnement

Nos applications ont un coût. L’agriculteur ne les achètera que s’il croit en leur efficacité et s’il en a les moyens. Leur achat est subventionné dans plusieurs régions du Maroc. Ainsi, nous avons convaincu nombre d’agriculteurs d’adopter la culture du quinoa peu exigeant en matière de nature des sols alors que les céréales demandent des environnements spécifiques. D’une façon générale, le petit agriculteur est en mesure de prendre ses décisions à l’aide d’un smartphone relié à un capteur.

L’adoption d’applications et de robots risque de creuser l’écart entre petits et gros agriculteurs. Nous devons faire face à ce défi. Un problème connexe est celui de l’éthique. En Afrique, en particulier, il n’existe pas de lois qui encadrent l’intelligence artificielle et ses applications. Ainsi, le problème de la propriété des données n’est pas encore réglé. La transparence est le second défi.

Si nos logiciels et algorithmes n’impactent pas directement l’environnement, ils s’inscrivent dans le cadre général de l’agroécologie et de la réduction des gaz à effet de serre.