Le désherbage par IA annonce une troisième révolution agricole
Les systèmes laser et les sarcleuses robotisées réduisent l'usage des herbicides, mais des prix à sept chiffres et des angles morts algorithmiques dressent de sérieux obstacles
Par Giovanni Sapere
3 min de lectureHuman-Edited, AI-Assisted
Traduit automatiquement de l’original en anglais Lire l’original

Des chercheurs de l'université du Mississippi et de l'université Cornell ont analysé comment l'agriculture de précision pilotée par l'intelligence artificielle transforme la gestion des cultures. Leur évaluation montre que les lasers automatisés, les cultivateurs robotisés et les pulvérisateurs ciblés peuvent fortement réduire les applications chimiques, même si des coûts d'investissement considérables et des limites dans les données régionales freinent une adoption généralisée.
Cibler les adventices en temps réel
Le désherbage moderne aborde ce que les scientifiques décrivent comme sa troisième grande transformation, après l'introduction au XXe siècle des herbicides de synthèse puis des cultures génétiquement modifiées. Comme le détaille une revue publiée dans la revue Engineering et relayée par Phys.org, les systèmes automatisés de plein champ s'appuient sur la vision par ordinateur pour identifier instantanément les plantes indésirables entre les rangs de culture. Une fois la cible repérée, la machine peut éliminer l'adventice par des faisceaux lumineux de forte intensité, des micro-projections chimiques localisées ou un travail mécanique du sol ciblé.
Selon le coauteur de l'étude Stephen Duke, professeur de recherche au National Center for Natural Products Research de l'université du Mississippi, cette approche fondée sur l'intelligence artificielle permet aux agriculteurs de gérer leurs terres avec une précision inédite. Pour les producteurs biologiques qui renoncent totalement aux applications chimiques, les machines de désherbage autonomes offrent une alternative au sarclage manuel, devenu de plus en plus rare et coûteux dans les régions agricoles.
« J'ai l'impression que la gestion de précision des adventices pilotée par l'IA sera la prochaine révolution. Cela pourrait changer radicalement notre façon de gérer nos cultures. »
— Stephen Duke, université du Mississippi
Protéger les cultures spécialisées et les écosystèmes agricoles
Un atout majeur de la robotique ciblée au champ est la protection des productions commerciales délicates. Les fruits et légumes à forte valeur subissent souvent une levée retardée ou des dommages foliaires lorsque des herbicides standards dérivent sur eux, un risque que les machines spécialisées limitent en tenant les traitements à l'écart du feuillage des cultures.
La coautrice Lynn Sosnoskie, professeure associée à l'université Cornell, souligne dans l'article de Phys.org que limiter strictement les applications chimiques aux adventices réduit les risques d'exposition pour les équipes au champ et diminue le ruissellement toxique vers les écosystèmes voisins. En réduisant les pulvérisations à grande échelle, les producteurs peuvent préserver la vigueur des plantes tout en contenant la flore concurrente qui réduirait sinon les rendements commercialisables.
Coût élevé des machines et limites algorithmiques
Malgré ces bénéfices opérationnels, les obstacles technologiques et les seuils d'entrée financiers restent redoutables. Les systèmes mécaniques commerciaux s'affichent actuellement autour de 75 000 dollars, tandis que les unités laser autonomes peuvent dépasser 1 million de dollars par outil, rapporte Phys.org. Si certaines exploitations européennes, comme une entreprise biologique aux Pays-Bas, ont investi dans plusieurs désherbeuses laser pour pallier les goulets d'étranglement de main-d'œuvre, les petites et moyennes exploitations font face à des besoins en capital prohibitifs.
Au-delà des dépenses d'investissement, des barrières techniques persistent. Un désherbage mécanique répété risque de dégrader la structure du sol, tandis que les micro-doses ciblées n'enrayent pas la propagation des variétés d'adventices résistantes aux herbicides. En outre, les modèles agricoles d'apprentissage automatique présentent souvent un biais géographique. Les jeux de données d'entraînement collectés majoritairement dans les États arides de l'Ouest, comme la Californie, ne permettent pas de distinguer des plantes régionales courantes telles que l'ambroisie dans le sud-est des États-Unis, ce qui montre qu'une innovation algorithmique plus large et un réglage local des champs seront indispensables avant que ces plateformes puissent remplacer de façon fiable les pulvérisateurs classiques.
À lire aussi sur The Patent : WiBotic apporte la recharge sans fil brevetée à l'opportunité pour les flottes autonomes



