L'avancement de la technologie profite au secteur végétal

Tous les projets d'intelligence artificielle (IA) commencent par une bonne idée, mais une bonne idée ne vous mènera pas loin. Tout aussi importantes sont les données que vous avez collectées ou que vous prévoyez de collecter, les compétences de vos employés et si la technologie d'IA que vous prévoyez d'utiliser est adaptée aux besoins spécifiques de votre organisation, peut résoudre des problèmes existants ou apporter de la valeur à l'entreprise.

Le Dr Lysa Porth, PDG d'AIRM Consulting, travaille avec la technologie de l'IA depuis près d'une décennie. Au cours de cette période, elle a vu l'IA passer d'un outil d'analyse prédictive à une technologie plus sophistiquée capable de détecter des modèles cachés pour résoudre un plus large éventail de problèmes de développement de produits qu'auparavant.

"Nos racines viennent vraiment du côté actuariel … et une grande partie de l'attention au cours de cette période a été sur ce que nous appelons maintenant l'analyse prédictive", a déclaré Porth. « Le genre de meilleure pratique consistait à regarder en arrière dans le temps, et l'hypothèse était que ce qui s'est passé historiquement était ce que nous prévoyons de se produire à l'avenir. Et au fur et à mesure que nous avons commencé à voir les implications des impacts climatiques et des impacts de l'adoption de la technologie et de la génétique et des choses comme ça, nous avons commencé à voir des lacunes où peut-être ce qui se passait, historiquement, n'était pas toujours ce que nous voyions à l'avenir.

Des progrès aussi importants de la technologie de l'IA ont été une aubaine non seulement pour les sociétés de conseil comme AIRM, mais aussi pour le secteur canadien des plantes et le pays dans son ensemble. Porth a expliqué que bien qu'il y ait encore des défis à résoudre liés à l'IA et à son utilisation, elle a le potentiel de faire du Canada un chef de file dans l'agroalimentaire et l'agriculture numérique.

Elle a expliqué que, grâce à l'utilisation de l'IA, le Canada peut mieux suivre et, potentiellement, atténuer les impacts climatiques liés à la production alimentaire. De plus, cela peut aider à optimiser les processus de la chaîne de valeur, de la production à la ferme à la fabrication des aliments.

Un exemple d'une telle technologie est le projet Crop Sentry sur lequel AIRM travaille actuellement. Utilisé dans les champs pour prédire la croissance d'une culture tout au long de la saison, Crop Sentry peut aider à combler les lacunes dans les données qu'un agronome peut ne pas être en mesure de saisir à l'échelle. Connaître ces informations à l'avance peut aider les agriculteurs à mieux traiter leurs cultures contre les maladies ou les ravageurs, tout en augmentant le rendement et en améliorant les paramètres de durabilité.

Porth a déclaré que les partenariats avec les agriculteurs et les entreprises agricoles étaient un élément important pour développer leur technologie d'IA. Elle considère cela comme un thème dans la plupart des développements technologiques de l'intelligence artificielle, jusqu'aux opportunités globales du Canada dans ce domaine.

« Si le Canada peut prendre une position de leader sur les données que nous recueillons, les partenariats que nous avons, nos solutions IOT, notre force d'IA, c'est là que nous devons tout rassembler », a-t-elle déclaré.

Avec un potentiel aussi vaste pour l'IA dans toute la chaîne de valeur végétale, il peut être tentant pour les entreprises de se plonger dans le travail avec des éléments technologiques préfabriqués. Porth, cependant, a mis en garde contre cela.

Au lieu de cela, elle recommande de rechercher des solutions plus personnalisées à des problèmes uniques au sein de votre entreprise. La modélisation de la phénologie des cultures est une dynamique complexe qui nécessite une expertise approfondie du sujet et une connaissance des technologies de l'IA. Cela implique l'intégration de plusieurs sources de données avec différentes résolutions spatiales et temporelles issues de différentes technologies de capteurs. Des efforts considérables sont consacrés à la préparation des données, et pour certaines données de capteurs, telles que celles dérivées du LiDAR, qui contribuent à la technologie Crop Sentry, des modèles d'IA de pointe sont nécessaires.

« Vous devez réfléchir à la façon dont vous construisez ces algorithmes d'IA. Il y a beaucoup de choses qui entrent dans le pipeline avant d'arriver à la partie modélisation, comme assurer la qualité des données, le traitement des données et la normalisation dans le pipeline ETL - qui signifie extraire, transformer, charger. Toutes ces étapes sont essentielles au succès du projet d'IA », a-t-elle déclaré.

S'assurer que vous avez choisi la bonne solution technologique d'IA dépend de nombreux facteurs, les données étant l'un des plus importants. Qu'il s'agisse de collecte, de qualité ou de traitement, Porth a expliqué que si la collecte de données est essentielle, elle ne suffit pas. La classification et l'étiquetage des données est un processus long et complexe qui nécessite une expertise importante pour garantir que les ensembles de données sont correctement étiquetés, cohérents et suffisamment détaillés pour saisir la complexité du monde réel, ce qui augmente le besoin de personnel qualifié ou d'un partenariat stratégique. L'exactitude et l'exhaustivité des données collectées peuvent avoir un impact significatif sur l'exactitude et l'efficacité du modèle d'IA qui en résulte.

Protein Industries Canada a un programme qui peut aider les entreprises du secteur canadien des plantes à développer et à adopter la technologie de l'IA. Pour en savoir plus à ce sujet, y compris comment postuler, visitez https://www.proteinindustriescanada.ca/fr/intelligence-artificielle.

Pour en savoir plus sur ARIM, visitez www.airmconsulting.com.