3 capteurs, 2 modèles d’IA, l’algorithme voit à travers les feuilles, ce que les récoltes gagnent vraiment

Ce matin, dans les laborat ordinateurs de l’université de Christchurch, le chercheur Richard Green scrute un écran où des fruits apparaissent soudain derrière des feuilles opaques. Son équipe a créé une technologie qui voit l’invisible : une intelligence artificielle capable d’identifier, de mesurer et de suivre les fruits dissimulés sous un feuillage dense. Pendant que le monde agricole peine à recruter des cueilleurs, cette innovation du projet UC Vision ouvre une voie inattendue vers une récolte entièrement automatisée.

L’agriculture mondiale fait face à une crise silencieuse. Les pénuries de main-d’œuvre s’aggravment chaque année, tandis que les mauvaises herbes développent des résistances alarmantes aux herbicides. Parallèlement, les rendements stagnent sous la pression du changement climatique. C’est dans ce contexte que l’intelligence artificielle devient un acteur incontournable du secteur. Mais contrairement à l’image d’une technologie imposée d’en haut, ces innovations émergent souvent de besoins très concrets : comment récolter plus vite, mieux identifier les fruits mûrs, éliminer les indésirables sans polluer.

Richard Green et la vision par la matière

À la tête du projet UC Vision à l’université de Canterbury, le professeur Richard Green et son collègue Richie Ellingham travaillent depuis des années sur une question qui paraît simple en apparence : comment une machine peut-elle « voir » ce que l’humain doit chercher en écartant les branches. Le défi technique est colossal. Les fruits cachés derrière des feuilles ne reflètent qu’une fraction de la lumière visible. Les algorithmes conventionnels échouent face à cette occlusion partielle. La paire de chercheurs a développé un système de vision par ordinateur combinant apprentissage profond et traitement d’images sophistiqué, capable de déduire la présence et la position des fruits même masqués.

Ce n’est pas qu’une curiosité académique. Sur le terrain, les cueilleurs expérimentés passent des heures à palper le feuillage, à mémoriser les formes et les couleurs caractéristiques d’une pomme, d’une poire ou d’une fraise mûre. Un robot guidé par l’IA de Green pourrait accomplir cette tâche avec une régularité mécanique, sans fatigue, jour après jour. Les universités néozélandaises, productrices majeures de fruits d’exportation, voient là une réponse directe à un manque critique de bras pour les récoltes saisonnières.

Aux États-Unis, des robots qui arrachent les mauvaises herbes

Pendant ce temps, de l’autre côté du Pacifique, d’autres équipes s’attaquent à des problèmes différents mais tout aussi pressants. La start-up Aigen propose un robot mobile appelé Element, un engin équipé de caméras et de bras mécaniques qui patrouille dans les champs de coton biologique californien. À 50 000 dollars l’unité, ce robot peut couvrir environ 13 hectares selon ses créateurs, éliminant les mauvaises herbes résistant aux pesticides naturels utilisés en agriculture biologique.

Là encore, le problème est concret. Les herbicides chimiques perdent de leur efficacité face aux populations de mauvaises herbes sélectionnées par des années de monoculture intensive. En Californie, cette résistance force les agriculteurs biologiques à un travail manuel épuisant ou à l’augmentation des coûts de chimie douce. Guidé par ses caméras et ses algorithmes, Element repère en temps réel les végétaux indésirables et les extrait mécaniquement, une sorte de bêche miniaturisée mue par l’IA. L’équation économique semble tenir : moins de poisons, moins de travail manuel, plus de rentabilité.

L’IA au service de l’irrigation et de la prédiction

Au-delà des robots et de la vision cachée, l’intelligence artificielle transforme aussi les décisions stratégiques de l’agriculteur. Les systèmes d’IA modernes collectent continuellement des données sur les conditions météorologiques, les caractéristiques du sol et l’humidité ambiante, permettant aux exploitants de calculer les moments optimaux pour la plantation, l’irrigation et la récolte. Cette optimisation réduit le gaspillage d’eau, améliore l’efficacité des fertilisants et augmente les rendements nets par hectare.

Les gains ne sont pas marginaux. En France et en Europe, les projets pilotes montrent une réduction mesurable des consommations d’eau et d’intrants chimiques. Plus largement, l’IA soulage l’agriculteur des travaux répétitifs et des décisions qui exigeaient jusqu’ici expérience et intuition. Elle démocratise aussi l’accès à une expertise agronomique que seuls les gros exploitants pouvaient se payer autrefois.

Une révolution en marche, des enjeux en suspens

L’agriculture intelligente transforme d’ores et déjà l’industrie alimentaire mondiale. Des récoltes aux rendements accrus, de la maintenance prédictive aux coûts réduits, l’IA offre une palette d’outils qui répond aux crises structurelles du secteur : pénuries de main-d’œuvre, pression climatique, résistance des nuisibles, raréfaction de l’eau. Pourtant, chaque innovation porte ses propres limites. Les robots de récolte restent chers et exigent une infrastructure informatique robuste que tous les agriculteurs ne possèdent pas. Les algorithmes entraînés en climat tempéré peuvent échouer en zone tropicale. Et la concentration des données agricoles entre les mains de quelques géants technologiques pose des questions sur l’autonomie et la souveraineté des exploitants.

Ce mardi matin, quand Richard Green observe son écran où les fruits apparaissent à travers les feuilles, il tient un outil qui pourrait redéfinir le travail agricole pour la génération suivante. Mais cet outil n’est que le début d’une conversation plus large sur la façon dont l’humanité nourrit sa population à l’ère de la rareté.