- Valeria Kogan est la PDG de Fermata, une société de développement de logiciels spécialisée dans l'agriculture.
- Son équipe développe des outils d’IA pour réduire les pertes de récoltes qui entraînent le gaspillage alimentaire et les émissions de gaz à effet de serre.
- Cet article fait partie de « Build IT », une série sur les tendances technologiques numériques qui bouleversent les industries.
Merci de vous être inscrit !
Accédez à vos sujets favoris dans un flux personnalisé lorsque vous êtes en déplacement. Téléchargez l'application
En cliquant sur « S'inscrire », vous acceptez de recevoir des e-mails marketing d'Insider ainsi que d'autres offres de partenaires et acceptez nos conditions de service et notre politique de confidentialité.
Cet essai, tel que raconté, est basé sur une conversation avec Valeria Kogan, fondatrice et PDG de Fermata. L'entreprise développe des logiciels de surveillance des plantes et des cultures. Le texte suivant a été modifié pour des raisons de longueur et de clarté.
Lorsque nous pensons au gaspillage alimentaire, nous pensons généralement à l’ampleur du repas que nous n’avons pas fini. En réalité, le gaspillage agricole est un problème bien plus grave. On estime que 20 à 40 % des récoltes sont perdues à cause des ravageurs et des maladies, ce qui affecte nos systèmes alimentaires et la planète. Les émissions de gaz à effet de serre provenant des aliments qui ne sont jamais consommés représentent 6 % des émissions totales.
Il y a cinq ans, je ne savais rien de tout cela. Je travaillais dans le domaine de la bioinformatique, où je développais une plateforme basée sur l'IA qui aide les oncologues à diagnostiquer le cancer, et je savais si peu de choses sur l'agriculture que je ne pouvais même pas garder une plante d'intérieur en vie.
Mais quelqu’un qui dirigeait une serre commerciale m’a contacté pour discuter de la manière dont l’IA pourrait résoudre ces problèmes de pertes de récoltes. J’ai rapidement vu l’opportunité de traduire mon travail de protection de la santé humaine en protection de la santé des plantes, et Fermata est né.
Utiliser l’IA et la vision par ordinateur là où les humains échouent
De nos jours, de nombreux agriculteurs tentent de détecter les ravageurs et les maladies à un stade précoce en envoyant quotidiennement des ouvriers dans les champs pour examiner chaque feuille de chaque plante à la recherche de signes avant-coureurs de problèmes. Mais les gens se fatiguent, se laissent distraire et négligent les petits changements qui suggèrent un problème.
Cela m’a rappelé les spécialistes qui passent toute la journée à examiner les radiographies et à passer à côté des premiers signes de cancer. Nous avons utilisé l’analyse d’images par IA pour résoudre ce problème, et j’ai pensé que la même solution pouvait s’appliquer ici.
Au départ, nous avions pensé à construire un robot qui se déplacerait dans les champs, mais nous avons réalisé que nous n’avions pas l’expertise pour y parvenir – et qu’une solution plus simple existait.
Nous avons développé la plateforme Croptimus, qui utilise des caméras de sécurité standard dans les serres et les champs pour prendre des photos de chaque plante plusieurs fois par jour.
Notre intelligence artificielle traite ces images pour détecter d'éventuelles anomalies. Si c'est le cas, elle avertit les agriculteurs via notre application et suggère ce qui, selon elle, est à l'origine du problème. Grâce à la science des données, nous pouvons également fournir un aperçu de ce qui se passe dans une installation dans son ensemble, si les problèmes augmentent ou diminuent et si les traitements fonctionnent.
Grâce à cette technologie, les agriculteurs ont besoin de moins de main d'œuvre et peuvent identifier les problèmes plus tôt qu'avec des humains, ce qui signifie qu'ils peuvent appliquer moins de pesticides. Cela permet d'économiser beaucoup d'argent et de produire des aliments plus durables et plus sains.
Faire les choses manuellement pendant que nous construisons l'ensemble de données
L’un des plus grands défis que nous avons dû relever a été d’établir des données de référence fiables pour former nos modèles. Chaque agronome ou spécialiste des cultures a sa propre opinion et commettra également des erreurs. Nous devions non seulement compiler un ensemble de données décent à partir de zéro, mais également créer des modèles d’apprentissage automatique capables de s’adapter aux erreurs.
Nous avons fait quelques petites choses pour aider. Tout d’abord, nous avons construit un laboratoire de recherche, où nous cultivons des plantes, les infestons de différentes choses et les enregistrons sur des vidéos. Nous avons également embauché une équipe interne d’agronomes pour nous aider à étiqueter ces images.
De plus, nous avons lancé notre produit au public avant qu'il ne soit automatisé, en effectuant les identifications manuellement et en encourageant les agriculteurs à nous faire part de leurs commentaires sur l'application. Cela nous aide à mieux comprendre le problème et nous fournit un ensemble de données plus fiable. Même si nous avons commencé à nous appuyer sur l'IA pour l'identification, cette boucle de rétroaction nous aide à améliorer continuellement nos modèles.
Établir des relations pour trouver des possibilités futures pour la technologie
Il est essentiel que tout technicien qui tente de résoudre un problème dans un secteur qui lui est inconnu, en particulier dans des domaines plus conservateurs comme l'agriculture, reste humble et développe de véritables relations avec les personnes qu'il espère aider. Si je me présentais comme un étranger au secteur technologique et disais à ces agriculteurs qui font ce travail depuis des décennies que je peux leur apprendre à travailler et à être plus efficaces, cela ne marcherait pas.
Au lieu de cela, je m’efforce de construire des relations et de la confiance au sein du secteur. J’aborde cette question dans l’optique de vouloir apprendre de mes clients et de comprendre comment mes connaissances technologiques peuvent les aider.
En fin de compte, cela m'a permis de voir encore plus de potentiel dans ce que nous faisons. J'ai appris qu'il existe énormément de données visuelles dans l'agriculture, qu'il s'agisse de savoir si les abeilles pollinisent ou de voir comment les employés traitent les plantes. La vision de Fermata est de créer une nouvelle couche de données visuelles dans le secteur agricole qui aide toutes les parties prenantes, des agriculteurs aux vendeurs d'engrais en passant par les fabricants de pesticides, à être plus efficaces.
- Valeria Kogan est la PDG de Fermata, une société spécialisée dans l'agriculture.
- Son équipe développe des outils d’IA pour réduire les pertes de récoltes et les émissions de gaz à effet de serre.
- Cet article fait partie de « Build IT », une série sur les tendances technologiques numériques.
- Fermata utilise l'IA pour détecter les problèmes agricoles, réduire l'utilisation de pesticides et améliorer la durabilité alimentaire.
