Les pratiques agricoles restent encore en majorité traditionnelles, impactantes et polluantes sur la faune et la flore sauvage, le paysage et les cultures. Ce sont depuis ces cinquante dernières années des modèles agricoles basés uniquement sur les rendements croissants. Il faut savoir que les intrants agrochimiques, vétérinaires et fourragers sont très modifiés et conséquents. L’arrivée de l’Analyse Data change considérablement cette sphère. Optimum Circle revient pour vous sur l’Analyse Data au service des pratiques agricoles responsables et durables. De véritables défis à relever pour raisonner de façon plus globale et systémique.
Table
L’Analyse Data ou analyse multidimensionnelle
C’est une véritable explosion des données scientifiques que l’Analyse Data exploite. Cela permet aux agronomes, aux agriculteurs de nos campagnes d’affiner les recherches. Ainsi que de travailler et développer des pratiques culturales plus respectueuses des écosystèmes agricoles. En conservant aussi les écosystèmes naturels qui les entourent, les protègent et les renforcent.
En effet, de nombreux facteurs de l’environnement sont à l’heure actuelle altérés, 93% des cours d’eau français sont contaminés de pesticides ainsi que 70 % des eaux souterraines. La matière organique diminue et la biodiversité disparaît à une vitesse phénoménale au sein des zones agricoles. Les pollinisateurs, les oiseaux et les petits mammifères sont grandement menacés.
Il faut dès à présent améliorer efficacement et très rapidement le système agricole français au profit d’un système plus soutenable. De plus, une des priorités étant de nourrir la population, préserver le métier et l’attrait de celui-ci pour les générations futures. Avec, biensûr, un revenu décent pour les agriculteurs. Entre autres, celle de réduire l’utilisation des énergies fossiles qui polluent l’air et de rééquilibrer la fertilité des sols, ainsi que favoriser une eau pure pour tout le vivant.
Le type de données
C’est par l’implantation de nombreux capteurs sur les exploitations agricoles que les données s’accumulent tous les jours. Cette data permet de plus en plus une agriculture de pointe. Ces capteurs sont divers et variés. Il y a les capteurs pluviométriques, anémométriques, tensiométriques, barométriques. On peut aussi trouver les pièges à insectes, les capteurs d’humidité, les caméras ou encore les colliers connectés. Ceci fait exploser le volume des données agricoles.
Il faut également mentionner les capteurs présents sur les engins agricoles tels que les capteurs de position, les accéléromètres, les capteurs de pression et de position.
Le développement des connaissances scientifiques dans ce domaine apporte une meilleure compréhension des relations entre l’agriculture et environnement. Sans oublier, le climat problématique essentielle de ce siècle. Les principales données étudiées par l’Analyse Data à la ferme concernent les secteurs suivants :
La gestion de l’eau avec l'analyse data
Tout d’abord, nous avons les références suivantes :
- « Bonne » Qualité de l’eau : moins de 5 % d’analyses non conformes
- « Médiocre » Qualité de l’eau : entre 25 % et 50 % d’analyses non conformes
- « Mauvaise » Qualité de l’eau : entre 50 % et 75 % d’analyses non conformes
- « Très mauvaise » Qualité de l’eau : plus de 75 % d’analyses non conformes
Tout cela passe avant tout par les mesures de préventions suivantes :
- Réaliser une épuration des eaux avant leur rejet direct
- Réduire les risques de pollution accidentelle
- Réduire l’utilisation de produits phytosanitaires
- Réglementer la fertilisation des sols
- Éviter les transferts aux milieux aquatiques
- Encadrer ou interdire l’usage de substances dangereuses
Mais aussi des données fines:
- Prendre en compte tous les paramètres de la culture
- Posséder un système d’irrigation efficient
- Adapter la pression et le débit selon les besoins en eau de la culture
La fertilisation avec l'analyse data
En quantité calculée et raisonnée ! Elle permet l’obtention d’une récolte abondante et de qualité, qui participe activement à la bonne gestion des cultures et de l’exploitation.
Les 5 étapes ou règles d’Or de la fertilisation intelligente via l’Analyse Data à la ferme :
- Apporter la dose juste : Pour calculer les besoins d’une culture, l’agriculteur dispose de références des besoins spécifiques en azote par unité de rendement. Ainsi que l’historique de sa productivité sur sa parcelle. Au-delà de sa propre expérience, l’agriculteur tient compte des conditions de l’année, et des besoins spécifiques par unité de rendement. Le but est d’estimer un objectif d’efficacité.
- Fertiliser au bon moment : Attention, à chaque culture son timing de fertilisation ! Connaître les différentes phases de croissance de la culture est primordial. Si la plante connaît une carence en nutriments lors de cette période de forte expansion, le résultat sur le rendement final ne sera pas optimal.
- Identifier les bonnes conditions climatiques : Cela revient donc à choisir la bonne fenêtre météo. Quelques jours sans pluies permettent une meilleure absorption de l’azote par les cultures, et une préservation des nappes phréatiques.
La qualité des engrais et de l'épandage
- Utiliser un engrais de qualité (granulométrie, dispersion) : Les engrais solides n’ont pas tous la même capacité à bien s’épandre. Leurs caractéristiques physiques ont une influence déterminante sur l’efficacité de l’épandage. En effet, il est essentiel que la projection soit la plus homogène sur la culture pour atteindre le niveau de rendement souhaité. Un diamètre moyen et une densité élevés sont la garantie d’une bonne répartition au sol limitant les zones d’excès ou de carence en azote.
- Utiliser un épandeur bien réglé : Pour éviter les conséquences désastreuses suivantes : Une qualité réduite et inégale, la chute du rendement, le risque de maladie plus élevé, une récolte plus difficile.
La frontière entre une fertilisation approximative et une fertilisation de précision est très mince. Seule l’alliance de la qualité physico-chimique des engrais et de la technologie des matériels d’épandage proposés, permet de tendre vers un objectif de productivité optimal. La condition primordiale est qu’elle soit mise en œuvre de façon appropriée et rigoureuse.
De plus, on estime ainsi que 4 millions d’hectares seront gérés à l’avenir en agriculture de précision en France. Sur un total de 15 millions d’hectares de cultures annuelles, contre 150 000 actuellement.
Le climat avec l'analyse data
La force des analyses Data, les données sont dans les champs de cultures ! Les agriculteurs perçoivent déjà les effets de ce changement progressif.
Il impacte fortement les rendements agricoles par des changements de conditions biophysiques. La production de cultures est très dépendante du climat.
En effet, la teneur en CO2 de l’atmosphère joue sur la teneur de certains nutriments essentiels pour la croissance de la plante. La teneur hydrique de celle-ci ainsi que les températures associées, menacent la sécurité alimentaire à moyen et long terme. Si rien n’est fait pour faciliter l’adaptation des cultures au climat, nous courrons vers des difficultés certaine.
Les conséquences du changement climatique engendrent des changements des conditions socio-économiques. Cela en réponse aux variations de productivité des cultures, les revenus des agriculteurs, les marchés et prix. De même que la pauvreté, la malnutrition et le risque de faim, les migrations dans un cas extrême.
La qualité du sol avec l'analyse data
Il existe trois grandes catégories d’indicateurs du sol : chimiques, physiques et biologiques. Le carbone du sol transcende les trois catégories et possède l’influence la plus largement reconnue sur la qualité des terrains. Le carbone est lié à toutes les fonctions de celui-ci.
Les activités biologiques et la matière organique contribuent à la fertilité des sols. Que cela soit par la fourniture d’éléments minéraux nutritifs, à la structure physique, à la perméabilité, à la filtration et à la rétention d’eau. Elles participent également au stockage de carbone.
De surcroît, en France, on effectue environ 250 000 analyses de terres chaque année. Elles sont majoritairement demandées par les agriculteurs pour gérer au mieux la fertilisation. Ces analyses de terre constituent une source d’information intéressante et originale sur la variabilité des horizons de surface des sols cultivés.
Regrouper les résultats de ces analyses en base de données permet le suivi des évolutions à la fois spatiales et temporelles. On peut ainsi y stocker des propriétés physico-chimiques des sols. Et cela fournit une information complémentaire aux informations cartographiques issues des programmes d’inventaire.
Par ailleurs, la Base de Données des Analyses de Terre BDAT, regroupe au total 31 paramètres. Ils permettent d’évaluer les propriétés physico-chimiques des sols. Parmi lesquels le pH, le carbone, la capacité d’échange cationique, le taux de saturation. Également, leur fertilité azote, carbone organique, phosphore, potassium, magnésium, sodium, leurs teneurs en métaux. Mais aussi les métalloïdes dont le bore, le cuivre, le fer, le manganèse et le zinc. Et enfin, leur texture, argileuse, limoneuse, sableuse.
Les systèmes de protection des champs avec l'analyse data
Les systèmes de protection des cultures sont des composants à part entière des agro écosystèmes, et doivent contribuer à leur durabilité. Les échecs intervenant en production des cultures surviennent, précisément, lorsque les stratégies de contrôle des ravageurs ne sont pas intégrées.
En général, plus le système de production est intensif, plus le système de protection est homogène, d’une efficacité moindre, et moins fiable à terme. La contribution des systèmes de protection à la durabilité des agro écosystèmes du futur dépend de l’applicabilité de nouvelles bio et écotechnologies.
Elle dépend aussi des lois des marchés et des infrastructures agricoles. Une démarche générale pour identifier des priorités en termes de risque phytosanitaire est déterminée. De même, des techniques existent pour optimiser le mode de fonctionnement d’un agro écosystème. L’identification des termes de référence, via les critères numériques d’une optimisation, est essentielle pour une plus grande durabilité et constituerait une avancée scientifique utile.
Le génome des plantes avec l'analyse data
L’apparition des cartes à haute densité de marqueurs moléculaires, comme des cartes à puce, ont fait naître des travaux de séquençage systématique du génome. On dispose ainsi d’une représentation physique des chromosomes avec le positionnement des marqueurs et des gènes.
Le terme génomique regroupe les analyses qui consistent à localiser, isoler et séquencer les gènes, puis à étudier leur fonction. Signalons que cette approche ne concerne pas uniquement les végétaux.
Des exemples d’espèces modèles étudiées :
L’Arabette des Dames ou Arabidopsis thaliana a été choisie comme espèce modèle pour les programmes de séquençage. Elle cumule un certain nombre de caractéristiques. Parmi lesquelles un génome de taille réduite, de 100 à 130 méga bases, un cycle de développement rapide de 2 mois, une reproduction autogame. Sur cette espèce, de nombreuses techniques sont facilement mises en œuvre comme la transgénèse. De plus, la structure de son génome est conservée dans les espèces apparentées. Les découvertes seront donc directement transposables sur le colza, notamment.
Le riz est également la plante modèle des graminées cultivées, car c’est la graminée cultivée au plus petit génome. De plus, elle possède une bonne syntonie avec l’ensemble des autres espèces de ce genre.
Chez le maïs, c’est un programme de grande ampleur qui est lancé, car la taille du génome est plus importante. On estime que le nombre de gènes est environ 5 fois supérieur à celui d’Arabidopsis.
Une référence, le catalogue des gènes :
Pour pouvoir accéder à la connaissance du génome des plantes modèles, un inventaire exhaustif des gènes a débuté selon deux approches. La première approche est basée sur l’inventaire des gènes exprimés. Les séquences caractérisées sont nommées EST (Expressed Sequence Tags).
Toutefois, cette approche a ses limites. En effet, un gène n’est pas toujours actif dans une cellule. Chez Arabidopsis, on estime que 50% seulement des gènes ont pu être répertoriés par cette méthode. La seconde approche s’intéresse au séquençage direct du génome. Ce travail est plus long, mais peut donner la séquence complète des gènes et leurs positions.
Vers la construction de génotypes élites :
La génomique devrait permettre d’accroître les connaissances dans le domaine végétal et donc d’identifier de nombreux gènes de plantes. Les applications possibles sont dans quatre domaines :
La fourniture d’une grande quantité de marqueurs moléculaires liés à des fonctions ou à des phénotypes. Ceci permet la réalisation de sélection assistée par marqueurs pour des caractères de qualité ou de valeur agronomique.
Un meilleur contrôle de la régulation des gènes et l’identification d’allèles favorables.
L’identification d’un réservoir de gènes de caractères agronomiques majeurs et candidats pour l’analyse des QTLs ou régions chromosomiques. C’est là où sont localisés un ou plusieurs gènes à l’origine du caractère en question.
Mais aussi, il existe des céréales ancestrales qui ont tout pour elles! L’analyse Data de celles-ci est une source considérable de connaissances sur l’évolution, la résistance, la spécificité de production des grains. Toutes sont tournées vers une utilisation adaptée au changement climatique.
Le grand épeautre ou Triticum spelta
Le Blé des Gaulois, au génome AABBDD, est une céréale proche du blé avec 42 gènes. L’engrain semble être la plus ancienne des variétés puisqu’on en a retrouvé des restes datant de 10000-9000 avant Jésus-Christ. Le petit épeautre Triticum monococcum est le plus ancien et le plus primitif sur le plan génétique avec 14 paires de chromosomes (génome AA). Il n’a pas subi de réduction de la diversité au cours de la domestication. Il est historiquement cultivé en Haute Provence ainsi que le pourtour méditerranéen. C’est un petit épeautre non hybridé.
Ses sélections ont permis de mettre en culture des lignées avec de meilleurs rendements et de meilleures facultés boulangères.
Les producteurs de Haute Provence se sont attachés à conserver l’origine des semences. Chaque année ils prélèvent au moment des moissons une partie de la récolte pour ensemencer de nouveaux champs dans le courant de l’été et de l’automne.
L’analyse de ces datas offrent d’immenses possibilités pour les start-up
La première SMAG propriété du géant des coopératives In Vivo révèle une croissance impressionnante de 15 % par an.
Elle a doublé ses effectifs humains, soit 145 personnes, ce qui est énorme ! Hébergeant un studio agro-digital de 600 m2 dédié à l’expertise des données agricoles. Leur enjeu est d’utiliser les meilleures technologies pour extraire et valoriser des informations de multiples données hétérogènes. Cela à partir d’images satellitaires, des tweets d’agriculteurs, des données météo… Les algorithmes qui analysent ces données sont ultra puissants ! Ils sont à n’en pas douter l’avenir de ce secteur primordial.
Expert en Data
L’expertise des datas fournit plus de temps à l’agriculteur pour une meilleure gestion de son exploitation, plus de précision dans les quantités d’intrants. Sans oublier l’anticipation sur les différentes étapes de ses cultures, des économies multiples sur de nombreux postes et fondamentalement plus de respect de l’environnement.
On ne connaît pas vraiment l’intégralité des possibilités de ce système d’Analyse Data. Mais elles engendrent constamment de nouvelles Start-ups et bénéfices. Il y aura un développement commercial sur ces systèmes pour permettre à chaque agriculteur de se l’approprier. C’est aussi sur le long terme un apport de connaissances gigantesques pour l’agriculture.
Echappée Belle dans nos champs !
L’amélioration des pratiques agricoles passe dès maintenant par l’Analyse Data. Cette compilation de données scientifiques prélevée dans les champs est consultable et exploitable par tout le secteur agricole. Elle permet une gestion plus fine des exploitations en fonction des multiples facteurs auxquels sont confrontés les agriculteurs aujourd’hui. Le changement climatique en est un de taille, puisqu’il bouleverse les saisons, l’alternance des pluies et des sécheresses…
Prévoir en amont avec des données chiffrées, c’est pouvoir anticiper une meilleure réaction des récoltes. Et ainsi contribuer à leur développement optimal, pour garantir des rendements suffisants en qualité et quantité.
Limiter l’excès d’intrants permet aussi de préserver l’environnement, la biodiversité animale et végétale, sans dénaturer les paysages de campagne.
L’agriculture française et sa productivité sont depuis toujours un enjeu national fort. Il faut pour cela cultiver de la transparence en multipliant la récolte de données accessibles à tous. De même que de la collaboration et de la mutualisation d’informations pour promouvoir l’innovation via les Start-ups. Et ainsi, permettre une adaptabilité du monde agricole aux contraintes actuelles et futures.
Trois idées à retenir
Qu’est-ce que l’analyse des données à la ferme ?
L’analyse des données à la ferme est le processus qui consiste à examiner et à interpréter des données prélevées dans les champs de cultures. Ceci afin d’élaborer des réponses à des questions que se posent de nombreux agriculteurs. Les résultats analytiques soulignent l’utilité des sources de données par différents capteurs.
Quelles sont les types de données à exploiter pour améliorer les pratiques agricoles ?
Il faut jeter la lumière sur les sujets pertinents, comme la gestion de l’eau, la fertilisation, le climat et la qualité du sol. Les systèmes de protection des champs et le génome des plantes sont tout aussi important. Tout cela dans un but de gestion fine des exploitations et d’amélioration des rendements ainsi que de la préservation de l’environnement pour développer une agriculture durable et pérenne.
Quels sont les avantages de l’analyse data pour les start-up agricoles ?
Des Start-up spécialisées dans le domaine agricole renforcent par leurs travaux de recherche et développement la captation de ces données multidimensionnelles, tout en les mettant au service du secteur agricole. Elles permettent le déploiement des dernières connaissances, l’enrichissement des banques de données déjà utilisées et une gestion facilitée des différentes étapes de la production pour les agriculteurs. L’évolution semble infinie pour ces technologies de pointe que sont les algorithmes. Ils permettent d’établir des modèles de développement et d’études, pour mieux comprendre les agrosystèmes, leurs contraintes et leurs forces.