Big data en agriculture : la révolution des données agricoles
Rentabilité, environnement, souveraineté alimentaire, mais aussi confort des agriculteurs sont au cœur des promesses du Big Data en agriculture. Plus concrètement, sur quoi repose le Big Data et où en est-on aujourd’hui ?
- Qu’est ce que le Big Data ?
- Quels sont les enjeux du Big Data en agriculture ?
- La donnée agricole, comment ça marche ?
- L’avenir de la data agricole
- L’ AgrOptimization System by Smag, un écosystème sécurisé et efficace
Qu’est ce que le Big Data ?
L’explosion de la donnée à l’origine du Big Data
Le Big data signifie le stockage, l’organisation, la valorisation et la diffusion des données issues d’outils numériques comme les logiciels ou les applications. Ce terme arrive à fin des années 90, période marquée par l’arrivée de l’explosion des données numériques. Les chercheurs ont alors dû trouver de nouvelles manières de voir et d’analyser ce nouveau monde numérique émergeant ainsi que ses nouveaux ordres de grandeurs. Le concept de « Big Data » voit alors le jour, avec pour objectif le « méga » stockage d’informations numériques à savoir la « data » aussi appelée « donnée ». Le Big Data est aujourd’hui présenté comme étant la dernière étape vers la troisième révolution industrielle, à savoir celle de l’information.
Volume, Variété, Vélocité : la règle de la donnée de masse
Imaginé comme une solution permettant à tout le monde d’accéder en temps réel à des bases de données géantes, le Big Data s’appuie sur différents outils dédiés à l’analyse massive de la donnée, en répondant à la règle des 3V. Volume massif de données à traiter, Variété d’informations provenant de multiples sources, et Vélocité à atteindre c’est-à-dire la rapidité à créer, collecter et partager ces données. L’arrivée du Cloud Computing que l’on peut résumé par le stockage à distance et non plus sur serveurs, a bien sûr facilité le stockage massif de données pour donner naissance au Big Data. Le secteur de l’agriculture et l’utilisation de plus en plus massive des outils connectés, fera donc émerger le big data en agriculture, aussi appelé « Big Agro Data ».
Quels sont les enjeux du Big Data en agriculture ?
La valorisation des pratiques agricoles avec la data agricole
Les agriculteurs génèrent de nombreuses données sur leur exploitation sans forcément en tirer profit. La valorisation de leur pratique agricole repose justement sur l’exploitation de cette data agricole. Qu’il s’agisse d’amélioration des pratiques agricoles, de gagner du temps, de rationaliser les coûts, ou de mettre en place une agriculture de précision plus performante et plus durable… L’utilisation de la data agricole peut aussi permettre de garantir la traçabilité des productions, de prédire un niveau de récolte, de mieux préserver l’environnement, ou simplement de mieux vendre sa production.
Assurer le suivi d’un lot de blé du champ à la boulangerie à l’aide des outils informatiques collecteurs de données, permet par exemple d’augmenter la valeur d’une baguette de pain et bien sûr de majorer le prix payé au producteur. La data agricole permet donc d’apporter de la valeur aux productions, tout au long de leur parcours.
La donnée agricole : indispensable à la traçabilité
Aussi appelé « Food tracking », la traçabilité d’un produit alimentaire permet de retrouver son origine et de retracer l’ensemble de l’itinéraire parcouru avant sa commercialisation « de la fourche à la fourchette ». Ou du champ à l’assiette du consommateur ! Accentué par la mobilité croissante des biens à l’échelle devenue mondiale, la traçabilité répond également aux préoccupations sanitaires et réglementaires, comme pour les OGM.
La traçabilité assure donc tout le suivi de l’origine de sa production en amont par les agriculteurs, à son transport, sa transformation à l’usine, jusqu’à sa distribution auprès des consommateurs. Devenue aujourd’hui une obligation juridique, la traçabilité des productions agricoles démarre en France en 1969, à l’époque au sein de la filière viande pour l’amélioration des races. Fin des années 90, ce principe devient plus précis et approfondi, pour répondre à la chute de confiances des consommateurs à la suite de la crise de la vache folle.
Devenue aujourd’hui un levier essentiel pour garantir la qualité et l’origine des produits alimentaires, la traçabilité est également incontournable dans la valorisation de leurs pratiques culturales et de leurs productions, jusqu’aux consommateurs.
Pour découvrir notre article « Comment simplifier ses démarches de traçabilité ? »
La data, un élément clé pour la performance de l’agriculture
Le Big Data agricole alimente des modèles informatiques qui permettent de piloter intelligemment les pratiques culturales. On parle alors de « Smart Agriculture » conçue pour accompagner les exploitants agricoles à relever les défis économiques, environnementaux et humains du XXIème siècle.
Pour découvrir notre lexique autour du Smart Farming.
Les exploitants ou les techniciens qui utilisent la data agricole bénéficient donc d’une information claire, pertinente qui leur permettra de prendre de décisions chiffrées, éclairées quant aux pratiques culturales à analyser et à mettre en œuvre.
Les exploitations agricoles « data driven »
Les exploitations agricoles sont des entreprises presque comme les autres. A savoir avec des objectifs de performances et de rentabilité. Des prises de décisions sont donc nécessaires dans le pilotage de l’activité par son exploitant. De plus en plus de décisions sont orientées grâce à l’analyse de la data agricole. On appelle alors ces entreprises « data driven », c’est-à-dire conduites, ou plutôt accompagnées, par les précieuses informations révélées grâce à la donnée.
Avant de devenir « data driven », les entreprises (ou exploitations agricoles) doivent commencer par définir les éléments à mesurer, analyser ou comparer. Il peut s’agir par exemple de se pencher sur les résultats d’une nouvelle variété semée. Une fois déterminées, ces métriques doivent être reliées à l’ensemble des données recueillies qui permettront leur étude.
La donnée agricole, comment ça marche ?
La collecte de la Data
A l’aide d’outils informatiques comme les logiciels ou les applications, les agriculteurs saisissent les informations liées à leurs pratiques au bureau ou au champ. La saisie comptable ou celle des suivis de plaine, sont bien sûr d’importantes sources de données.
Les outils agricoles connectées comme les consoles et autres systèmes embarqués à bord des moissonneuses, mesurent la qualité et la quantité des récoltes. Ils génèrent donc et enregistrent de la donnée. Les objets connectés comme les systèmes d’irrigation intelligents, les stations météo, les drones ou les capteurs de croissance des plantes captent et enregistrent eux aussi de la data à l’échelle d’une parcelle.
La donnée agricole : propriété des agriculteurs
L’utilisation de la donnée agricole repose sur la garantie de la sécurité et du respect des informations partagées par les exploitants. La donnée agricole relève à la fois des données personnelles et professionnelles de l’exploitant.
Les données personnelles sont encadrées par la RGPD : Règlement Général Européen de la Protection des Données, qui impose aux opérateurs numériques de respecter le droit des personnes et à sécuriser leurs données. Pour les données professionnelles des personnes morales, le droit des contrats s’applique. En France, les agriculteurs conservent « la maitrise d’usage » des données de leur exploitation que celle-ci soit saisie par eux-mêmes ou par une tierce personne.
Ce qui signifie que si un agriculteur donne son consentement explicite pour la collecte de ses données professionnelles, ils conservent néanmoins le contrôle de l’accès et de l’usage de ses données.
La communication entre les outils
Le Big Data repose sur l’interopérabilité entre les différents outils numériques. En parlant le même langage, ces outils peuvent partager les données recueillies, puis les organiser pour pouvoir ensuite en tirer des analyses. Ces données peuvent donc provenir de nombreuses sources. Logiciels, applications, mais aussi d’autres outils connectés comme les tracteurs connectés, les moissonneuses-batteuses, les station météo…
Les consoles informatiques à bord des engins agricole, ont aujourd’hui la capacité de récolter des informations clé comme les surfaces parcourues, les interventions réalisées, les quantités récoltées, le temps de fonctionnement en plaine… Les stations météo connectées quant à elles, vont recueillir des informations liées aux aléas climatiques, les niveaux de précipitations, les températures etc. Là ou les logiciels ou les applications agricoles dédiées au pilotage des cultures peuvent stocker les observations, les interventions réalisées, l’utilisation des intrants…. On parle ici d’agriculture de précision.
Si ces différents outils communiquent entre eux, l’ensemble des informations agrégées sur plusieurs saisons peut par exemple, donner les tendances sur les récoltes à venir sur un secteur donné, pour une variété donnée.
L’avenir de la data agricole
La Business Intelligence en agriculture : de l’analyse à la prédiction
L’Informatique Décisionnelle ou Business Intelligence (BI) en anglais, est l’informatique qui accompagne des décideurs dans leur prise de décision. Pour cela, elle regroupe des outils et méthodes qui permettent de collecter, transformer, agréger, nettoyer, représenter et partager les informations. Chacune de ces étapes est cruciale pour exploiter le plein potentiel de la donnée. Les outils de Business Intelligence offrent également la possibilité d’établir des modèles prédictifs qui permettent par exemple, de modéliser la maturité des grains avec un gain de temps considérable, ou de prédire l’évolution d’une maladie.
Imaginés par Smag, les Datalabs permettent de visualiser, analyser et valoriser les données agricoles recueillies. Qu’il s’agisse de pratiques agronomiques, économiques ou du pilotage de démarches filières, ce logiciel vous apporte un éclairage visuel et chiffré concernant les choix culturaux mis en place. Adaptable selon les besoins, cet outil d’analyse permet de filtrer les parcelles sur la base d’un rendement ou d’une date de semis, et vous permet de suivre le résultat des interventions déjà réalisées, mais aussi de surveiller ou d’anticiper les maladies sur les cultures.
Le deep learning : quand l’image devient une information utile
Les images satellites permettent d’observer l’état des cultures. Les photos de plantes offrent aujourd’hui la possibilité d’identifier les symptômes de maladie sur les cultures. Les algorithmes de reconnaissances d’images demandent beaucoup de données. On parle alors de réseau de neurones et de technologie de deep learning. Le deep learning est également utilisé pour les voitures autonomes, pour transformer les images en informations utiles et permettre le déplacement du véhicule dans son environnement.
L’observation des cultures repasse donc au centre pour établir un diagnostic. Pour éviter qu’elle ne devienne trop onéreuse, car chronophage, la data agricole doit donc permettre d’automatiser cette étape de collecte de l’information avant diagnostic. Les modèles informatiques (ou scénarios) issus du Big Data agricole, grâce à la collecte massive de données permettent donc d’établir des projections.
Pour découvrir notre solution de suivi et de protection des cultures
Le big data agricole : une bataille d’écosystèmes
L’écosystème du big data agricole est large et rassemble de nombreux acteurs. Coopératives, négoces éditeurs de logiciels, distributeurs de capteurs, de robots, agro-équipementiers, les instituts de recherche, la recherche publique, les semenciers, les firmes phyto…
Aucun acteur ne pourra construire et valoriser seul le Big Data agricole. Il se développera réellement à l’initiative d’une ou plusieurs fédérations d’acteurs majeurs à une échelle probablement internationale, proposant et gouvernant un système interopérable et ouvert.
Smag, un écosystème sécurisé et efficace
La valeur de la donnée agricole collectée, repose sur la qualité dont cette data est nettoyée, structurée, pour pouvoir ensuite être utilisée comme un véritable outil stratégique et décisionnel au service des exploitants et de l’optimisation de leurs pratiques agricoles.
Pionnier du web agricole depuis 2001, Smag propose des outils qui permettent de collecter, structurer et partager les données agricoles enregistrées par les agriculteurs ou les techniciens qui les accompagnent.
Le logiciel agricole Smag Farmer pour les exploitants et Smag Expert pour les techniciens ou les conseillers sont prévus pour le pilotage des activités et permettent de récolter la data agricole en conformité avec la RGPD, (Réglementation Générale de la Protection de la Donnée) ce qui signifie que le propriétaire de cette donnée reste l’exploitant qui décidera seul, du partage ou non, de la data liée à son activité agricole.
