Compter les épis de blé pour plus d'écologie

Champs trop fertilisés, sols compactés, gaz à effet de serre et mort des insectes - la liste des problèmes de l'agroécologie est à la fois ancienne et longue. À l'heure actuelle, l'eau potable est une source de préoccupation considérable, car les pesticides et de fortes teneurs en nitrates menacent sa qualité.

Le secteur agricole est sur le banc des accusés. La plaignante est une société qui, sur le principe, réclame du «bio pour tous», mais qui ne consacre qu'un embarrassant 6% de ses revenus à l'alimentation (et n'achète que peu de produits biologiques). Le travail des décideuses et décideurs politiques consiste à définir de nouvelles règles claires. Et la science? Son travail consiste à clarifier objectivement les faits et à identifier des solutions.

Une étape à la fois

Pour ce faire, la science a besoin d'outils solides. Cela comprend non seulement l'analyse chimique, mais aussi la quantification de la réussite du développement d'une population particulière de cultures dans des conditions particulières. Ou encore quels insectes et quelles herbes sont présents en quelle quantité sur un site donné. Cela nécessite de nombreuses données recueillies de manière fiable.

L'intelligence artificielle - plus précisément, l'apprentissage machine - a un énorme potentiel pour collecter la quantité et la qualité requises de ce type de données. Par exemple, les propriétés du sol, les quantités de cultures et le nombre de parasites peuvent tous être quantifiés à partir d'images.

Grâce à cette base de données, il est possible, lors de l'étape suivante, d'estimer l'état des cultures et, en fin de compte, de déterminer la quantité d'eau, de nutriments et de pesticides nécessaires, à quel endroit et à quel moment. Cependant, l'expérience montre que la première étape est souvent le maillon le plus faible de cette chaîne. Une simple tâche de sélection de routine peut en être l'illustration.

Exemple : compter les épis de blé

La sélection végétale consiste à développer des variétés appropriées en utilisant de nombreuses caractéristiques. Pour sélectionner des variétés de blé résistantes aux maladies ou mieux adaptées à l'environnement, il est important d'identifier les variations réussies - c'est-à-dire: à haut rendement - dans d'innombrables expériences dans des conditions appropriées. Cela signifie, entre autres, qu'il faut quantifier le nombre de têtes qu'ils produisent par unité de surface.

Compter les têtes est une tâche simple mais longue que les chercheuses et chercheurs accomplissent encore aujourd'hui de leurs propres mains et yeux. Vous pensez peut-être qu'il devrait y avoir un moyen plus rapide et plus fiable de le faire de nos jours à l'aide des smartphones et des applications. Malheureusement non : les têtes peuvent être difficiles à distinguer sur les images parce qu'une feuille les recouvre, qu'elles sont éclairées trop fortement ou trop faiblement, et qu'en plus, elles ont un aspect différent d'une variété à l'autre.

Recherché : le meilleur détecteur d'épis de blé du monde

Apprendre à un ordinateur à le faire, c'est ce à quoi travaillent ensemble de nombreux groupes de recherche dans le cadre du Global Wheat Head Detection Challenge. ¹ Ils ont annoté - c'est-à-dire compté le nombre d'épis visibles - 4 700 photos de blé sur plusieurs continents. Cela a été fait pour différentes variétés et conditions de culture. Un concours pour construire le meilleur algorithme d'apprentissage est maintenant en cours : quel logiciel réussira à déterminer le nombre correct de têtes avec la plus grande fiabilité ? Les spécialistes peuvent bien sûr y participer, mais le concours est ouvert à tou·tes les téméraires. 

Des concours comme celui-ci sont monnaie courante dans le domaine du traitement des images. Ils sont parfois basés sur des projets de science citoyenne² et sont de plus en plus souvent repris avec succès dans le domaine de l'écologie de terrain, par exemple pour le comptage des animaux sauvages.³

Je suis convaincu que si ces méthodes peuvent également être intégrées avec succès dans les sciences agricoles, la sélection végétale et l'agroécologie en bénéficieront.⁴ Il sera possible, entre autres, d'évaluer précisément les conséquences des différentes pratiques de gestion sur le terrain à l'aide d'images captées par des satellites, des tracteurs et des drones. Nous serons en mesure d'avoir une discussion mieux informée qu'aujourd'hui sur la manière dont l'agriculture devrait se développer à l'avenir.