La recherche agricole est-elle encore nécessaire ?

L'université de Wageningen a été construite il y a plus de 100 ans sur la base de la recherche agricole traditionnelle, mais l'avènement des capteurs et du big data pourrait ébranler les instituts traditionnels. Chaque agriculteur aura-t-il bientôt sa propre ferme expérimentale ?

L'université a récemment célébré son 100e anniversaire et donc 100 ans de recherche agricole de haute qualité. Dans les années 50 aux années 80, CT de Wit a jeté les bases de la relation entre photosynthèse et production végétale, mais aussi de l'application d'engrais et du mélange de différentes cultures qui s'influencent positivement les unes les autres.

Ce type de recherche scientifique s'est construit dans la seconde moitié du siècle dernier à travers une quantité énorme de mesures, de modèles théoriques et finalement le développement de conseils que l'agriculture utilise encore aujourd'hui.

Capteur comme source de données
Les données nécessaires à ces recherches sont souvent collectées sur des champs expérimentaux avec différents types de sols, variétés, doses d'engrais ou de produits phytosanitaires et souvent dans des fermes expérimentales. Cependant, au cours des dernières décennies, nous avons vu que la numérisation prend en charge une partie de cette collecte de données et du développement des connaissances. Les capteurs permettent de collecter des données à grande échelle et de développer des informations que nous, humains, ne pouvons pas prévoir.

Le contrôle automatique des planteuses et des semoirs, des épandeurs d'engrais et des pulvérisateurs via des cartes de tâches permet de mettre en place sans effort des essais sur le terrain. Les capteurs de rendement peuvent enregistrer automatiquement les résultats de ces tests. Par exemple, chaque producteur est un chercheur sur sa propre ferme et les coûts de recherche sont considérablement réduits. De plus, les résultats deviennent beaucoup plus pertinents, car chacun dispose des résultats de recherche de sa propre entreprise, au lieu de ceux d'une ferme expérimentale. Il existe également de plus en plus de possibilités d'utiliser des algorithmes d'auto-apprentissage pour l'analyse des données.

Pratique américaine
Un exemple vient de l'American Climate Corporation, qui fait partie de Bayer. Cette société a récemment lancé une plateforme numérique conseiller en semences lancé. En utilisant des algorithmes intelligents sur une base de données de cartes des sols, des données des semoirs et des cartes de rendement des moissonneuses-batteuses, ils fournissent des conseils automatisés par type de sol pour la meilleure variété de maïs. Aucune expérience agricole n'y a été menée. Celui-ci a été élaboré sur la base de données collectées auprès de 200 producteurs sur 40.000 XNUMX hectares, avec des données souvent déjà disponibles. Des algorithmes d'auto-apprentissage ont déterminé une stratégie qui donne le profit le plus élevé pour chaque type de sol.

Chez Droneworkers, nous créons également en permanence de nouvelles informations basées sur les données (en collaboration avec des partenaires de la chaîne et des conseillers). Nous prélevons des échantillons de sol pour la saison sur la base de cartes de sol et d'altitude. Par la suite, l'émergence de chaque plante est cartographiée et nous pouvons suivre le schéma de croissance au cours de la saison, complété par des échantillons de sol. Nous utilisons des caméras thermiques pour visualiser l'équilibre hydrique et prédire le rendement avant la récolte. Nous utilisons de nouvelles informations issues de ces mégadonnées pour acquérir de nouvelles connaissances et améliorer les conseils existants.

Des conseils colorés
Pour vous, en tant que producteur, cela signifie que de nouvelles informations deviennent disponibles à un rythme plus rapide sur les meilleures stratégies. Les conseils de culture actuels sont souvent très généraux. Selon la situation, une dose est trop faible ou cause des dommages. Le conseil peut aussi être coloré par le vendeur ou le conseiller, mais aussi par le mode de test sur lequel se base le conseil. Les tests ont souvent une pertinence limitée pour la pratique, tandis que les données de la pratique surmontent ce problème.

La sagesse agricole sera toujours nécessaire pour gérer correctement l'entreprise, mais les opérations commerciales seront plus souvent soutenues par de nouvelles formes d'orientation basées sur des données. Non seulement pour la culture, mais aussi du comptable, du gouvernement et avec des collègues.

Recherche traditionnelle
Si nous pouvons visualiser autant de nouveaux aspects de la culture et développer de nouvelles connaissances avec les données, à des coûts beaucoup plus faibles et avec un temps de développement plus court, y a-t-il encore un rôle pour la recherche agricole traditionnelle ? Ou la nouvelle génération de chercheurs sait-elle saisir cette opportunité pour développer de nouvelles connaissances avec le secteur ?

Bert Rich

Bert Rijk est copropriétaire d'Aurea Imaging. Cette société pilote des drones depuis 2010, dont certains sont conçus et construits par elle-même. Selon lui, les drones offrent la solution pour un déploiement flexible et de meilleures images.

© DCA Market Intelligence. Ces informations de marché sont soumises au droit d'auteur. Il n'est pas permis de reproduire, distribuer, diffuser ou mettre le contenu à la disposition de tiers contre rémunération, sous quelque forme que ce soit, sans l'autorisation écrite expresse de DCA Market Intelligence.