De plus en plus d’OAD intègrent l’expertise d’Arvalis
Le | Contenu sponsorisé - Services-oad
Depuis 60 ans, Arvalis est expert dans la compréhension agronomique et la modélisation des grandes cultures. Cette expertise est désormais présente sous forme d’algorithmes puissants dans de nombreux OAD.
Les outils d’aide à la décision (OAD) se composent de deux catégories : les tactiques et les stratégiques. Les premiers aident l’utilisateur dans sa prise de décision quotidienne. L’agriculteur renseigne des éléments sur ses parcelles et, selon le climat, l’outil lui conseille une intervention : mettre de l’azote, irriguer, appliquer un traitement phytosanitaire, etc. Les OAD stratégiques aident le producteur dans sa prise de décision à long terme : choix de son système de culture, diversification, achat de matériel, etc. Ces outils sont destinés aux conseillers ou aux chercheurs pour accompagner les agriculteurs.
De nombreux OAD tactiques sont utilisés par les agriculteurs et techniciens
Les OAD tactiques sont beaucoup plus nombreux que les stratégiques. Pour l’agriculteur, l’enjeu consiste à optimiser les interventions sur ses parcelles, en limitant les traitements phytosanitaires, quand c’est possible, et en positionnant les apports de fertilisants au bon moment. En d’autres termes, il s’agit de donner à l’utilisateur les informations les plus pertinentes à l’instant t pour l’aider dans ses prises de décision. Ces outils sont développés par des éditeurs de logiciels, des agrofournisseurs, des start-ups, et même des instituts techniques. Une centaine d’outils sont référencés en majorité pour la protection phytosanitaire, la fertilisation et l’irrigation*.
« Un OAD délivre une information qui doit être complétée par d’autres renseignements afin que l’agriculteur puisse prendre une décision éclairée. »
Emmanuelle Gourdain
cheffe du service Innovations digitales et méthodologiques d’Arvalis
En grandes cultures, deux agriculteurs sur dix utilisent des OAD, selon le sondage réalisé par BVA pour Arvalis en 2020. Emmanuelle Gourdain, cheffe du service Innovations digitales et méthodologiques d’Arvalis, précise : « Cela peut sembler peu mais certains agriculteurs utilisent des OAD sans le savoir, souvent par le biais de leurs techniciens quand ils effectuent un tour de plaine. Que ce soit en direct avec l’appui de son conseiller, ou par son intermédiaire, l’agriculteur a besoin de compléter l’information que lui délivre l’OAD par d’autres éléments - observation des parcelles, organisation du travail… - afin de prendre une décision éclairée. La fréquence d’utilisation dépend des modèles et peut aller jusqu’à deux ou trois fois par jour, par exemple pour le mildiou de la pomme de terre. » Selon les enquêtes de l’Observatoire des usages de l’agriculture numérique, pratiquement tous les conseillers utilisent des OAD tactiques, tout au long de la campagne.
Consigner toute l’expertise des équipes d’Arvalis dans les modèles
Après avoir conçu des OAD, Arvalis se recentre aujourd’hui sur son cœur de métier : la production de références techniques et de modèles agronomiques mis à disposition des éditeurs d’OAD. Les équipes d’Arvalis commencent par identifier la question pour laquelle l’utilisateur souhaite obtenir une réponse. Exemple : quand traiter la septoriose ? La constitution d’un jeu de données basées sur des expérimentations permet de concevoir le modèle, un ensemble d’équations mathématiques, qui permettra de répondre à cette question. L’évaluation constitue une étape importante. Le modèle est-il en capacité de prévoir une date de traitement contre la septoriose de façon pertinente ? « Pour le savoir, nous utilisons ce que nous appelons, en termes techniques, la validation croisée, que nous réalisons sur des années antérieures, explique Emmanuelle Gourdain. Admettons que notre jeu de données englobe les années 2010 à 2020. Nous retirons l’exercice 2010 et nous paramétrons à nouveau le modèle avec les années restantes, en essayant de prédire celle qui nous intéresse à partir des données dont nous disposons. Ensuite, nous vérifions que nos résultats sont conformes à ce qui s’est passé en 2010. Nous effectuons le même travail pour chaque année. À la fin, nous pouvons dire si notre modèle est robuste. »