Lors d’un événement au campus de Montréal, nous avons réuni des experts de l’agtech afin d’échanger sur l’usage des données dans le domaine de l’agriculture. Autour de la table étaient présents: Colline Blanc, Data Scientist, Justin Hogue et John Lan, tous deux R&D Scientific chez ChrysaLabs. La discussion était animée par Hugo Dupuis, Directeur des programmes à la Zone Agtech.
L’agriculture de demain commence par une meilleure compréhension des sols. Grâce à l’IA, il est désormais possible de collecter et interpréter une masse d’informations autrefois difficilement accessibles.
« On voulait utiliser l’intelligence artificielle pour prédire la fertilité des sols à partir d’une signature spectrale, sans avoir besoin d’analyser chaque échantillon en laboratoire », explique Colline, qui travaille au développement des modèles d’IA chez ChrysaLabs.
Pour cela, l’équipe a utilisé des réseaux de neurones et des algorithmes d’apprentissage automatique afin de trouver des liens entre les mesures spectrales du sol et ses propriétés réelles, comme le niveau d’azote ou de potassium.
De la science du sol à l’IA : quand la rigueur précède l’innovation
Chez ChrysaLabs, l’intelligence artificielle n’est pas une fin en soi. Elle est un outil mis au service d’une compréhension fine des sols.
« L’objectif n’est pas d’entraîner n’importe quel modèle avec n’importe quelle donnée. Il faut d’abord comprendre ce qu’on cherche à prédire », insiste John, R&D Scientific.
Justin, également R&D Scientific, renchérit :
« Le modèle n’est qu’un outil. Le cœur, c’est la science des sols. Il faut un bon jeu de données, représentatif, bien étiqueté. Ensuite, l’IA peut faire son travail. »
Mais modéliser des phénomènes complexes en agriculture, ce n’est pas une mince affaire. Colline, Data Scientist, souligne la difficulté de la tâche :
« La variabilité est énorme. Un sol n’est jamais identique d’un champ à l’autre, même parfois à quelques mètres de distance. »
Pour relever ces défis, l’équipe a adopté une approche hybride, mêlant rigueur scientifique et créativité technologique.
« On a exploré plein de pistes, du simple modèle linéaire aux réseaux de neurones profonds. Parfois, le modèle le plus simple est aussi le plus efficace », confie Justin.
Nettoyage des données, validation croisée, modèles d’ensemble… chaque étape est pensée pour garantir robustesse et précision.
Des modèles intelligents, ancrés dans la réalité agricole
L’équipe de ChrysaLabs travaille main dans la main avec les agronomes, les producteurs et les partenaires de terrain. L’objectif : créer des outils utiles, ancrés dans la réalité agricole.
« On ne veut pas que ce soit une boîte noire. Il faut qu’un agronome puisse interpréter les résultats et les remettre dans le contexte du champ », explique Colline.
C’est aussi pour cela que la collaboration avec les utilisateurs est constante.
Justin insiste : « Il faut que notre travail fasse du sens pour ceux qui sont sur le terrain. Ça nous pousse à rester connectés à la réalité agricole. »
Avec ChrysaLabs, l’IA devient un levier pour mieux comprendre, anticiper et accompagner la prise de décision — mais toujours en dialogue avec l’expérience humaine.
Une aventure technologique et humaine
Chez ChrysaLabs, la recherche et le développement se vivent comme une exploration. Et parfois, cela veut dire… se tromper.
« On a fait beaucoup d’essais-erreurs. On s’est parfois rendu compte que certaines approches n’étaient pas du tout adaptées au contexte agricole », reconnaît John.
Mais chaque détour est aussi un apprentissage.
« C’est un processus très itératif. On teste, on ajuste, on recommence. Et c’est ce qui rend le travail si passionnant », ajoute Justin.
L’agilité est au cœur de leur méthode, avec une forte capacité d’adaptation à la complexité du terrain, aux saisons, aux types de cultures.
« Il faut accepter l’incertitude et travailler avec », résume Colline.
Une collaboration étroite entre profils scientifiques
Une autre richesse du projet vient de la collaboration entre disciplines. Les profils en sciences des sols, en science des données et en ingénierie travaillent main dans la main.
« On avait chacun notre angle. Moi en tant que data scientist, j’avais besoin de comprendre les capteurs, le type de données, la physique derrière. Les chercheurs en agronomie m’ont aidée à relier ces points », explique Colline.
Et cette interdisciplinarité se ressent jusque dans les résultats : un outil de diagnostic des sols plus rapide, plus précis, et qui permet aux agriculteurs d’ajuster leurs pratiques en temps réel.
Dans cette vidéo, nos invités expliquent leur intérêt à travailler en agriculture.
Et demain ?
« L’IA n’est pas une solution magique, mais c’est un levier puissant pour transformer l’agriculture », conclut John.
L’ambition de ChrysaLabs et de la Zone Agtech est claire : rendre l’agriculture plus efficiente, durable, et connectée à la réalité terrain.
Et surtout, faire en sorte que cette technologie soit au service de ceux qui nourrissent le monde.
🎧 Envie d’aller plus loin ? 👉 Découvrez le replay de la discussion ici
Vous souhaitez apprendre à utiliser les données et en faire votre métier? Explorez nos bootcamps Data Analytics et Data Science & AI.
