Agriculture et Intelligence artificielle

Dans le cadre d’un projet MIT Sloan, nous avons réalisé une roadmap intelligence artificielle sur une exploitation viticole (vin de Sancerre). L’intelligence artificielle s’invite aujourd’hui dans des entreprises qui n’avaient pas d’activité de recherche et développement, ce qui constitue une véritable opportunité de croissance pour celles qui se saisissent des outils. Il nous a semblé intéressant de voir comment des technologies, dont certaines ont moins de deux ans, peuvent changer une industrie traditionnelle. Sans reprendre la roadmap complète, cet article présente une synthèse de nos surprises dans le monde du vin.

Le monde du vin: un secteur traditionnel déjà impacté par l’IA

Stratégie vs type d’IA pour l’industrie viticole 2018

Nous avons ici considéré un producteur de vins fins ayant une cave à Sancerre en Centre-Val de Loire. Le vin de Sancerre est l’un des vins les plus exportés (60% de la production) et se trouve dans de nombreux restaurants de luxe du monde. Le vin est principalement exporté aux USA , puis en Angleterre et en Allemagne. Le vin de Sancerre est historiquement attesté depuis le 6e siècle. La production de vin est une activité en relation avec l’incertitude (climat, temps, vent, exposition au soleil, processus de maturation….). Selon Franck Knight, cette capacité à gérer l’incertitude est la source du profit[1]. Alors que la demande augmente, principalement en raison des attitudes de consommation des classes supérieures asiatiques, les prix restent élevés. De plus, si la production vient à diminuer, par exemple après une grêle, les prix peuvent augmenter limitant en partie les risques. En ce qui concerne Porter[2], qui définit trois stratégies type, les viticulteurs n’ont pas une stratégie de leadership en matière de coûts (cost leadership), mais une stratégie de différenciation, basée sur le développement d’une notoriété agissant directement sur le niveau de prix du produit.
Les vignobles utilisent de plus en plus la haute technologie à plusieurs étapes de la chaîne de valeur : suivi et prévision du marché, analyse des sols, prévisions météo locales précises, veille réglementaire, suivi des activités biochimiques…. À l’heure actuelle, les outils numériques sont principalement statistiques et linéaires, mais le nombre de caractéristiques et de cibles à relier peut être un bon candidat pour diverses technologies d’IA. Les exploitations utilisent déjà indirectement l’IA, par exemple pour la prévision des événements météorologiques ou la traduction. Les opérateurs du secteur viticole pourraient bénéficier de l’IA principalement en tant qu’outil et assistant (selon la classification du MIT, les niveaux manager et pairs ne semblent pas être accessibles à court terme.

Des applications déjà existantes

Analyse par IA des vins selon Hendrickx & al.

La classification des vins a pu être approchée par des applications d’intelligence artificielle en utilisant le traitement du langage naturel pour permettre une meilleure sélection des vins et même envisager une nouvelle classification[3].

Les technologies IA permettent de relier des paramètres complexes à des effets également complexes. Elles permettent de renforcer l’innovation, prévoir des résultats ou des évènements, limiter les erreurs humaines ou piloter des processus complexes.

 

Exemple de détection des fruits DEEPFRUIT

Au niveau de la production, le réseau de neurones DEEPFRUITS [4] permet la détection des fruits sur des vidéos, laissant augurer des analyses plus précises de la production et des impacts sur le produit final.

Quelques technologies pouvant s’inscrire dans le cadre de la viticulture

Dans le cas des vins, la notoriété est un effet complexe qui est le résultat de facteurs internes (production, fiabilité, qualité…) et externes (marketing, modes, résultats à des concours, image auprès des restaurateurs…). Plusieurs technologies IA permettent de traiter ces sujets en contribuant à relier des actions que l’entreprise peut engager à des impacts sur sa notoriété (résultats à des concours agricoles, sélection par des centrales d’achat…)

Dans notre étude, plusieurs technologies ont été explorées. En voici quelques-unes (vous pouvez vous référer à notre lexique pour les termes employés)

Technologies IA et viticulture
Technologie Type Objectif Stratégie
NLP Classification Prédire les actions les plus favorables à la notoriété Notoriété
NLP Classification Analyse des menus et associations vins/mets Notoriété
Deep multivariate times series Prediction Analyse des effets des évènements production sur le produit Qualité
CNN Classification Analyse des maturités des grains et anticipation des pathogènes (deepfruit) Qualité
SEQ2SEQ Prédiction Robots conversationnels multilangages Marketing
DNN Prédiction Identification des zones géographiques porteuses en termes commerciaux Marketing

La plupart des technologies identifiées sont déjà disponibles à un niveau de maturité TRL>6 [5].

Aspects éthiques

L’industrie du vin est dans l’inconscient collectif  liée à l’artisanat, à la tradition, et l’image publique n’est absolument pas améliorée par une mise en avant de la technologie. Ainsi, si l’intelligence artificielle et la robotique peuvent améliorer l’ergonomie ou la fiabilité de la force de travail humaine, elles seront positives en termes de ressources humaines et de gestion (accidents de travail, santé, ergonomie..), mais pas particulièrement en termes de marketing et de ventes. Ainsi, dans le cas considéré, l’effet de l’IA sur l’emploi ne sera pas aussi important que dans d’autres industries en raison du caractère artisanal de cette activité.

Bien que les technologies IA puissent être d’une aide précieuse pour l’entrepreneur, elles resteront le plus souvent dans l’arrière-boutique et ne participeront pas à la valeur perçue par le client, comme par ailleurs toutes les autres technologies mises en œuvre.

De l’IA dans des activités traditionnelles

Les technologies d’intelligence artificielle suscitent aujourd’hui le même état d’éveil dans les entreprises que le firent les technologies de l’informatique dans les années 80. En fait, bien que tous les domaines économiques, toutes les formes juridiques et tous les segments de marché seront impactés à court terme par l’IA comme ils le furent il y a 30 ans par le tableur Excel. Pourtant, la conscience de la nécessité de se saisir de l’opportunité reste faible. Bien que minoritaires, il reste encore aujourd’hui des entreprises sous-équipées en IT. En 2017, seulement 39% des entreprises françaises ont un ERP. Même pour des progiciels très courant, le taux d’équipement reste faible. La distorsion de concurrence entre les entreprises qui sauront se saisir de l’outil IA et celles qui n’en disposeront pas risque fort d’être encore plus importante que dans les technologies informatiques du siècle dernier. Or plusieurs remarques sont à faire:

  • Les technologies IA sont présentées comme des alternatives à l’emploi humain. Selon les travaux de T.Malone, il semble que le modèle soit plutôt celui de collaborations entre IA et humains. Les logiciels de CAO n’ont pas tué les bureaux d’études mécaniques (sauf ceux qui ne s’en sont pas équipés). Il en ira de même de se nouvel outil qui pourtant fait l’objet d’une désinformation systématique mettant en relief ses effets sur l’emploi et sur l’éthique en les surévaluant largement;
  • Dans une récente publication,  nous mettions en évidence comment la démarche expérimentale pouvait être une approche de management dans des domaines non technologiques. En ce qu’elles permettent d’étudier des phénomènes sociaux ou commerciaux complexes, les technologies IA s’adressent universellement à tous les secteurs économiques. Il s’agit donc là d’une opportunité pour des entreprises traditionnelles de s’inscrire dans les marchés du futur;
  • Les problèmes éthiques soulevés par l’IA (vie privée, insécurité sociale, justice…) ne sont en rien différents de ce que nous connaissons aujourd’hui et que nous feignons d’ignorer. L’IA est donc une formidable opportunité de réinterroger notre relation à la société, à l’humanité et à l’économie. Plus de savoir implique plus de responsabilités.

Il y a donc beaucoup à faire et les succès de l’IA dans les services et les réseaux sociaux ne doivent pas masquer qu’elles seront sans doute bien plus utiles dans les secteurs traditionnels, dans la santé, dans l’industrie que pour prédire le film que vous regarderez ce soir.

 

 

Références

[1]  F. H. Knight, Risk, uncertainty and profit. Kissimmee, Fla: Signalman, 2009.

[2]  M. E. Porter, “How competitive forces shape strategy,” 1979.

[3] I. Hendrickx, E. Lefever, I. Croijmans, A. Majid, and A. van den Bosch, “Very quaffable and great fun: Applying NLP to wine reviews,” in Proceedings of the 54th Annual Meeting of the Association for Computational Linguistics (Volume 2: Short Papers), Berlin, Germany, 2016, pp. 306–312.
[3] I. Sa et al., “DeepFruits: A Fruit Detection System Using Deep Neural Networks,” Sensors, vol. 16, no. 8, p. 1222, Aug. 2016.
[4] “ISO/FDIS 16290  Definition of the Technology Readiness Levels (TRLs) and their criteria of assessment.”

 

 

 

Télécharger cet article au format PDF ou ePub

Laisser un commentaire

Votre adresse de messagerie ne sera pas publiée. Les champs obligatoires sont indiqués avec *

Ce site utilise Akismet pour réduire les indésirables. En savoir plus sur comment les données de vos commentaires sont utilisées.