Les prévisions de récolte visent désormais aussi la rentabilité

Les prévisions de récolte dopées à l’intelligence artificielle aident désormais les producteurs de fruits à mieux déterminer non seulement la date de maturité, mais aussi la planification de la main-d’œuvre et le calendrier de vente. En particulier pour les fruits de grande valeur dont le prix peut évoluer rapidement, une erreur de quelques jours peut à la fois faire grimper les coûts de travail et faire perdre l’occasion de maximiser les revenus.

Dans l’État de Washington, aux États-Unis, Okanagan Specialty Fruits a dû interrompre le travail à 10 heures le matin du premier jour de la récolte des pommes l’an dernier, la température ayant grimpé à 38 °C. L’entreprise estime que les modèles qui intègrent ce type de conditions météo sont précieux, car ils montrent non seulement la date de maturité, mais aussi la fenêtre de temps réellement exploitable pour la récolte.

L’entreprise possède plus de 1 250 acres de vergers de pommiers dans l’État de Washington. Sa production est destinée à des parts de pomme tranchée vendues à des acheteurs comme des hôtels et des écoles ; la société utilise aussi des pommes génétiquement modifiées qui brunissent plus lentement après découpe.

Caméras, drones et images de téléphones entrent dans les vergers

Okanagan Specialty Fruits teste les caméras de la société canadienne Vivid Machines. Installés sur des tracteurs, ces systèmes collectent des images des arbres ; l’intelligence artificielle y distingue les bourgeons, les fleurs et les fruits afin d’établir des prévisions de rendement et des calculs sur la date de récolte.

Mais l’efficacité de ces systèmes dépend de la qualité des données historiques fournies au modèle. Pour les producteurs, les données générales disponibles en ligne, comme les rendements moyens, ne suffisent pas ; les prévisions doivent être adaptées aux conditions de culture propres à chaque exploitation.

Sur les pommes, une certaine marge d’erreur reste tolérable ; pour la variété Granny Smith, la fenêtre de récolte est d’environ trois semaines. En revanche, pour les fraises et d’autres fruits similaires, cette période peut descendre à quelques jours seulement. Une erreur de calendrier se transforme alors directement en perte de revenus et en risque sanitaire.

Au Royaume-Uni, la sécheresse et la chaleur mettent les cultures sous pression

La société britannique FruitCast propose des prévisions de récolte pour les fraises, les framboises, les mûres, les myrtilles et les tomates, et prévoit de s’étendre au raisin l’an prochain. L’entreprise explique que les fortes chaleurs et les sécheresses sévères provoquent un arrêt thermique dans de nombreuses plantes fruitières, ce qui ralentit la production.

Selon FruitCast, les prévisions restent dans une marge d’erreur de 10 % à une semaine de la récolte, soit une précision d’environ 90 %. Trois semaines à l’avance, la marge d’erreur est de 17 %, pour une précision de 83 %. L’entreprise indique garantir une erreur totale inférieure à 20 %.

  • Angus Soft Fruits estime que la technologie progresse, mais qu’il ne s’agit pas encore d’une solution totalement aboutie.
  • Driscoll’s, basée en Californie, confirme également que certains de ses producteurs indépendants au Royaume-Uni utilisent FruitCast.

Les investisseurs s’y intéressent, mais le dernier mot reste au producteur

Des chercheurs travaillent aussi sur de nouvelles méthodes pour mesurer la maturité avec davantage de finesse. Yasaman Ghasempour et son équipe à l’université de Princeton ont mis au point un détecteur qui mesure la maturité à l’aide d’ondes millimétriques capables de pénétrer plus profondément dans le fruit ; cette approche pourrait, à l’avenir, alimenter aussi les prévisions de récolte.

Des solutions moins coûteuses sont également en développement. Kevin Wang, de l’université de Floride, a conçu un outil de comptage des fruits capable d’exploiter des images prises par des drones d’environ 100 dollars. Les producteurs restent toutefois réticents à partager avec des tiers des informations commercialement sensibles, comme leurs plans de fertilisation et d’irrigation.

Selon les acteurs du secteur, ces outils ouvrent un vrai champ d’optimisation, mais l’humain restera au centre des décisions critiques de récolte. Même lorsqu’ils reçoivent des données de l’intelligence artificielle, les producteurs préfèrent encore trancher sur la base de leur expérience de terrain.