ChatGPT a calculé que l’ensilage de maïs était moins rentable que l’ensilage de sorgho chez un producteur, entre autres à cause des pertes lors de la récolte de petits champs avec la fourragère tractée. Photo : Martin Ménard/Archives TCN
Ce contenu est réservé aux abonnés.
Se connecterSi ce n’est pas déjà fait, abonnez-vous pour moins de 1 $ par semaine.
S'abonner maintenantLe producteur laitier Frédérick Poulin se demandait quelle serait la culture la plus rentable lui permettant de remplacer le maïs, considérant les besoins de son troupeau et la disposition de ses champs. « Au lieu d’appeler quelqu’un, maintenant, je travaille beaucoup avec ChatGPT pour lui poser les questions. Je lui ai demandé de me calculer l’impact financier de mettre un autre ingrédient, par exemple le sorgho, dans ma ration pour remplacer le maïs. Il m’est arrivé avec un bon comparatif. Et ce que j’aime, c’est que ChatGPT n’a rien à vendre, pas de semences ni d’engrais », dit M. Poulin au sujet de ce robot conversationnel doté d’une intelligence artificielle (IA) capable de générer du contenu.
Il explique que cette technologie utilise des analyses nutritives du sorgho, des coûts de revient et des résultats de performance de troupeaux trouvés sur Internet pour dresser des comparatifs.
Alors que cela aurait pu me prendre une journée complète de recherche, il a été capable, en quelques minutes, de me valider comment ce sera dans ma ration.
L’agriculteur a aussi demandé à ChatGPT de prendre en considération la nature particulière de ses champs. « J’ai beaucoup de petits champs. Sur [200 hectares] en culture, j’ai une soixantaine de planches. Ça fait beaucoup de pertes avec une fourragère traînée », spécifie-t-il. Frédérick Poulin en a profité pour demander au robot quel était le meilleur moment pour semer le sorgho et quelles étaient les meilleures techniques culturales.
L’agriculteur a remplacé tout son maïs ensilage par le sorgho cette année. « Je continue aussi avec un mélange de plantes fourragères. Avec le sorgho, je pense que, financièrement, ça tient la route! » L’intelligence artificielle a guidé son choix, mais le producteur s’est aussi basé sur l’intelligence « naturelle », soit celle d’autres producteurs qui ont essayé le sorgho.
De plus en plus important
L’intelligence artificielle est un outil qui deviendra de plus en plus important en agriculture, sans remplacer les conseillers humains, affirme l’agronome Gabriel Deslauriers, du Groupe PleineTerre, en Montérégie. « Il faudra quelqu’un derrière l’IA pour dire si ç’a du sens ou non. On joue avec la nature. C’est tellement imprévisible, la nature, que l’IA ne pourra pas tout voir et deviner les situations », raisonne-t-il.
M. Deslauriers donne l’exemple de la fertilisation dans le maïs-grain. L’IA pourra suggérer au producteur une dose de 170 unités d’azote qui lui permettrait d’obtenir 12 tonnes à l’hectare de maïs dans un champ précis. Mais la réalité, c’est qu’avec une dose de 225 unités d’azote, le champ ne rend pas plus que 9 t/ha. C’est là qu’entre en jeu le conseiller humain, qui observe sur place ce qui peut sembler invisible à l’IA, comme un drainage de surface ou souterrain déficient, un niveau de compaction trop élevé, des techniques de semis moins performantes, etc. « Le
service-conseil va pousser plus loin que l’IA », résume-t-il, indiquant que le point faible de l’IA dans l’analyse des cultures demeure la collecte des données. La santé des sols, la microbiologie et même la compaction sont des paramètres difficiles à mesurer pour chaque champ à un coût raisonnable.
L’humain analyse ce qui est invisible pour l’IA
Même s’il recommande la prudence face à l’utilisation de l’intelligence artificielle (IA) pour guider la prise de décision des agriculteurs, l’agronome Gabriel Deslauriers travaille sur un projet d’envergure qui mise justement sur l’IA.
« On est en train de développer une plateforme d’aide à la décision pour la fertilisation du maïs-grain. On se base sur plus de 10 000 résultats d’essais et sur une centaine [de paramètres], incluant les rendements, l’humidité du grain récolté, le type d’engrais utilisé, le type de sol, l’emplacement des champs, la météo, etc. Nous sommes dans les résultats préliminaires, mais notre outil d’aide à la décision s’approche beaucoup plus de la réalité que les grilles de fertilisation [générales] », explique l’agronome du Groupe PleineTerre, en Montérégie.
L’intelligence artificielle est capable, en quelques secondes, d’indiquer au producteur la dose économique optimale d’azote qu’il doit ajouter à son maïs pour faire le plus de profit possible, et ce, en fonction des caractéristiques de son champ, du prix de vente du maïs et du coût de l’azote. « Mais ça demeure un outil, insiste-t-il. J’avertis les producteurs et les conseillers qu’il ne faut pas l’utiliser aveuglément comme une recommandation finale. Il faut valider l’info. »
Catherine Brodeur est vice-présidente aux études économiques du Groupe AGÉCO, qui a été mandatée par Concertation Grains Québec pour évaluer les possibilités de mutualiser les données des producteurs. Photo : Martin Ménard/Archives TCN
Des données québécoises à mettre en commun
Les fermes québécoises produisent un nombre grandissant de données, et celles-ci ont une valeur. Pourquoi ne pas les mettre en commun dans un grand système québécois afin de créer des outils d’aide à la décision qui mettraient à contribution l’intelligence artificielle, questionne Catherine Brodeur, vice-présidente aux études économiques du Groupe AGÉCO. L’organisation a été mandatée par Concertation Grains Québec pour évaluer les possibilités de mutualiser les données des producteurs. « Souvent, les données dont on dispose vont avoir été développées aux États-Unis avec des conditions pédoclimatiques des États-Unis. C’est là qu’on a intérêt à mettre ensemble de grandes quantités de données, comme les analyses de sol, les plans de cultures, les données d’équipement d’agriculture de précision, etc. »
Le hic, ajoute-t-elle, c’est qu’actuellement, ceux qui ont les moyens d’analyser et d’interpréter toutes les données brutes des producteurs sont les équipementiers et les fournisseurs d’intrants. Et une fois que les données brutes sont traitées par ces compagnies, elles deviennent leur propriété. D’où l’importance pour Mme Brodeur de les mutualiser au Québec. Dans la même veine, elle formule une mise en garde en matière de confidentialité, rappelant que les données qu’un producteur fournit à un robot comme ChatGPT deviennent publiquement accessibles pour tous.