Des chiens-robots dans les champs : l’IA descend au ras des cultures pour repérer maladies et mauvaises herbes

Les robots à quatre pattes ont surtout fait parler d’eux dans des missions de sécurité : patrouilles, surveillance de sites sensibles, voire de frontières. Une nouvelle génération se tourne vers un terrain moins spectaculaire mais essentiel : les champs et les serres. Équipés de caméras, de capteurs laser et de modèles d’IA de vision, ces « chiens-robots » inspectent les cultures pour détecter maladies, parasites et mauvaises herbes, comme le rapporte le site Engadget.

Combler un trou dans les données

Pour suivre leurs cultures, les agriculteurs disposent déjà de plusieurs outils. Les satellites donnent une vue d’ensemble, les drones survolent les parcelles, et les inspections à pied permettent de voir le détail. Mais chacun a ses limites. Les satellites manquent de précision pour repérer une plante malade. Les drones sont peu pratiques dans les serres et ne voient pas sous les feuilles. Les inspections humaines sont lentes, coûteuses et sujettes aux oublis. Quant aux engins roulants, ils manquent d’agilité pour circuler entre les rangs sans abîmer les plantes.

Les robots quadrupèdes offrent un compromis : assez agiles pour se déplacer en terrain boueux et irrégulier sans écraser les cultures, assez bas pour photographier les plantes de près, et capables d’analyser les images sur place. Ils produisent des données au niveau de la plante, que les autres outils ne donnent pas.

Le chien-robot de Syngenta

Parmi les pionniers figure le groupe suisse d’agrochimie et de semences Syngenta, qui a développé un chien-robot avec l’université de Nottingham. La machine est équipée de plusieurs caméras, dont des scanners laser rotatifs (LIDAR) qui construisent un modèle en trois dimensions de son environnement, et de caméras haute résolution qui photographient les cultures. Elle embarque un processeur graphique qui fait tourner sur place des modèles de vision par ordinateur, pour repérer les mauvaises herbes, signaler de possibles maladies et aider à détecter les ravageurs.

« Les plantes nous parlent dans le langage de la lumière, et les chiens-robots sont idéalement placés pour voir ces messages et nous permettre d’agir. »

Rob Lind, chercheur en vision par ordinateur et IA chez Syngenta

Pour ses concepteurs, le robot ne remplace pas les autres outils : il s’ajoute à la panoplie existante, entre les satellites, les drones et les téléphones des agronomes. Rob Lind compare la situation aux débuts des drones agricoles : dans cinq à dix ans, dit-il, le paysage sera probablement méconnaissable.

Des usages qui se multiplient

• Aux États-Unis, des exploitations utilisent des robots pour surveiller des cultures de grande valeur, avec caméras thermiques et alertes en temps réel.
• En Chine, la société DEEP Robotics affirme que son chien-robot peut réduire de 70 % le travail manuel des viticulteurs de la région de Tourfan.
• Toujours en Chine, des quadrupèdes dotés d’IA servent à détecter les colonies de fourmis de feu invasives.
• En Pologne, Volkswagen a déployé des « moutons robots » pour étudier l’agrivoltaïsme sur une ferme solaire.
• Plusieurs universités américaines (Minnesota, North Carolina A&T, Purdue) développent leurs propres versions.

Comment l’IA « voit » une plante malade

Le principe de la vision par ordinateur appliquée aux cultures est simple à expliquer. Un modèle est entraîné sur des milliers d’images de plantes saines et malades, de feuilles attaquées par des insectes, de mauvaises herbes mêlées aux cultures. Il apprend à reconnaître les motifs caractéristiques : taches, décolorations, déformations, forme des feuilles. Une fois entraîné, il analyse chaque nouvelle photo et signale ce qui ressemble à un problème, avec un degré de confiance.

Certains capteurs vont plus loin que l’œil humain. Des caméras qui captent des longueurs d’onde invisibles, comme l’infrarouge, peuvent révéler le stress d’une plante avant l’apparition de symptômes visibles. C’est le sens de la formule de Rob Lind sur le langage de la lumière : une plante qui manque d’eau ou commence à tomber malade renvoie la lumière différemment, et une caméra spécialisée peut le détecter plusieurs jours avant l’agriculteur. Les données en trois dimensions du LIDAR mesurent, elles, la hauteur et la forme des plantes, utiles pour suivre leur croissance.

La question du travail

Des robots capables de travailler jour et nuit pourraient réduire le besoin de main-d’œuvre pour les inspections. C’est un gain de productivité pour les exploitations qui manquent de bras, notamment dans les pays où la main-d’œuvre agricole se raréfie. C’est aussi une source d’inquiétude pour les travailleurs agricoles, dont une partie du métier pourrait être automatisée. Comme souvent, l’équilibre entre gain de productivité et protection des emplois se jouera dans la manière dont ces technologies sont déployées.

Les partisans de ces robots avancent un argument : l’inspection des cultures est un travail pénible, répétitif, souvent mal payé, et les exploitations peinent à recruter. Un robot qui fait la tournée d’inspection libère les agronomes et les ouvriers pour des tâches où leur jugement est irremplaçable : décider du traitement, intervenir sur les plantes, organiser la récolte. Les critiques rappellent que ces promesses de requalification se réalisent rarement pour tous, et que les travailleurs les moins qualifiés sont souvent les premiers à perdre leur emploi.

Il y a aussi un enjeu de données. Un robot qui photographie chaque plante produit une masse d’informations précieuses sur les rendements et les maladies. Qui en est propriétaire : l’agriculteur, le fabricant du robot, le fournisseur de semences ? La question se pose déjà pour les tracteurs connectés et les drones, et devient centrale à mesure que l’agriculture se numérise.

Et en Afrique ?

L’agriculture emploie une grande partie de la population active africaine, et les pertes dues aux maladies et aux ravageurs y sont considérables. La chenille légionnaire d’automne, par exemple, a causé d’importants dégâts dans les cultures de maïs du continent ces dernières années. Détecter tôt ces menaces est donc un enjeu majeur. Mais les chiens-robots restent des machines coûteuses, conçues d’abord pour de grandes exploitations et des serres de pays riches.

Pour la majorité des petits producteurs africains, d’autres outils sont plus accessibles : applications de smartphone qui identifient une maladie à partir d’une photo de feuille, drones de pulvérisation proposés en service par des entreprises locales, données satellitaires gratuites, conseil agricole par SMS. Les chiens-robots pourraient toutefois trouver leur place dans les grandes plantations commerciales, les centres de recherche agronomique et les serres horticoles d’exportation, comme celles du Kenya ou du Maroc.

Le mouvement de fond est clair : l’intelligence artificielle descend du ciel vers le sol, et de l’analyse globale vers la plante individuelle. Qu’elle passe par un robot, un drone ou un simple téléphone, elle promet des décisions plus précises : traiter seulement les plantes malades, désherber seulement là où c’est nécessaire, et donc utiliser moins de produits chimiques. Pour l’agriculture africaine, confrontée au changement climatique et à la pression démographique, cette précision peut faire la différence.