Le partage de données : un enjeu du secteur agricole

L’agriculture est un des secteurs les plus concernés par la transition numérique, de par le volume de données dont il dispose. Mais pour que le domaine puisse profiter pleinement de leur potentiel, il faut qu’il parvienne à trouver un modèle économique robuste du partage de ces données. Anne-Sophie Taillandier, directrice de TeraLab — la plateforme big data et IA de l’IMT — présente en cinq réponses les défis numériques dans ce secteur.

 

À quel point la question des données est-elle importante pour le secteur de l’agriculture ? 

Anne-Sophie Taillandier : C’est l’un des secteurs qui a le plus de données, et ce depuis le plus longtemps. Elles proviennent des outils utilisés par les agriculteurs, des coopératives agricoles, des opérations de distribution, jusqu’à la frontière avec le secteur agroalimentaire qui suit. On retrouve donc des données à toutes les étapes. C’est un domaine extrêmement compétitif, donc les enjeux économiques autour de l’utilisation des données sont énormes.

Comment expliquer cette grande quantité de données dans le secteur ?

AST : L’agriculture utilise des capteurs depuis longtemps. Les premiers systèmes IoT (Internet of Things ou Internet des objets) étaient consacrés à la récolte de données météo, et ont donc rapidement trouvé un usage dans l’agriculture pour la prévision. Les tracteurs sont également des véhicules à l’état de l’art en matière d’intelligence. Ils font partie des premiers véhicules autonomes. Des exploitations utilisent les drones pour surveiller les parcelles. L’agriculture de précision se base sur l’imagerie satellite pour optimiser les récoltes tout en utilisant le moins de ressources possible. Du côté de l’élevage, les infrastructures ont également de nombreuses données de qualité et de santé des bêtes. Et tout cela ne concerne que la partie production.

Quels sont les défis liés aux données auxquels fait face l’agriculture ?

AST : La question délicate est de savoir qui a accès à quelles données et dans quel contexte. Ce sont des problématiques de partage de données qui se retrouvent dans d’autres secteurs, mais avec des verrous scientifiques qui sont propres à l’agriculture. Les données sont hétérogènes : elles proviennent de satellites, de capteurs au sol, d’outils mécaniques, des informations sur les marchés… Elles se présentent sous la forme de textes, d’images et de mesures. Il faut parvenir à faire parler toutes ces données entre elles. Et une fois qu’on y est parvenu, il faut faire en sorte que chaque acteur du secteur en tire quelque chose, en accédant à un niveau d’agrégation des données qui n’outrepasse pas ce que les autres acteurs veulent mettre à disposition.

Comment convaincre les propriétaires des données de les partager ?

AST : Il faut que tout le monde trouve un modèle économique qui le satisfasse. Par exemple, un supermarché connaît très bien ses volumes de ventes, il a ses propres usines de transformation, il a différentes qualités de produits. Ce qui l’intéresse, c’est d’avoir des données des abattoirs sur la qualité des produits. De la même façon, les éleveurs sont intéressés par des prévisions de vente des différentes qualités de viande pour mieux optimiser leurs prix. Il faut donc trouver des modèles économiques vertueux comme cela pour motiver les parties prenantes. En parallèle, il faut aussi mener un travail d’évangélisation pour comprendre que le partage des données n’est pas qu’un coût. L’éleveur ou l’agriculteur ne doit pas passer des heures chaque jour à rentrer des données sans comprendre où est son intérêt.

Quel rôle la recherche peut-elle jouer là-dedans ? Que peut apporter une plateforme comme TeraLab ?

AST : Nous permettons justement de faire la preuve de concept de modèles économiques et d’envisager les retours sur investissement possibles. Cela permet de lever des freins naturels au partage de données dans ce domaine. Quand on teste, on voit où est la valeur pour chacun et quels sont les outils qui apportent la confiance entre les acteurs ­— ce qui est important si on veut que les choses se passent bien en aval du travail de recherche. Et puis nous amenons avec l’IMT toutes les compétences numériques derrière en infrastructure et traitement des données.

En savoir + sur Teralab, la plateforme big data et IA de l’IMT.