Comment les TIC peuvent-elles soutenir une agriculture durable ?

La croissance rapide de la population mondiale nécessite de produire 70 % de plus de nourriture d’ici 2050 par rapport à ce qui est actuellement disponible, malgré des défis tels que la réduction des terres et de l’eau disponibles, le changement climatique et la baisse de la fertilité des sols (Alfred et al., 2021). Les applications des TIC (Technologies de l’Information et de la Communication, en anglais : Information and Communication Technology) dans les pratiques agricoles, comme la production en rangs, comprennent, entre autres, des systèmes d’irrigation intelligents, des drones et des robots terrestres. Ces technologies présentent des opportunités et des défis pour atteindre la durabilité environnementale, sociale et économique.

Introduction

Les exploitations agricoles en culture en rangs font face à des pressions supplémentaires, notamment les transitions démographiques, les pénuries de main-d’œuvre et les changements alimentaires (McFadden et al., 2022). Ces obstacles ont accéléré l’adoption d’innovations technologiques, en particulier des outils numériques en agriculture tels que le Precision Farming (Karunathilake et al., 2023 ; McFadden et al., 2022).

Le Precision Farming collecte des données temporelles, spatiales et individuelles pour optimiser l’efficacité des ressources, la productivité et la durabilité en agriculture (Carrer et al., 2022). Depuis son apparition dans les années 1990, les progrès en puissance de calcul, en connectivité et en technologie ont élargi son potentiel pour répondre aux objectifs de durabilité et de productivité (Karunathilake et al., 2023). Ces avancées s’alignent également sur plusieurs Objectifs de Développement Durable (ODD) des Nations Unies, tels que Faim « Zéro » (ODD 2) et Eau Propre et Assainissement (ODD 6) (Priyambada et al., 2023 ; Vishnoi & Goel, 2024).

Systèmes d’Irrigation Intelligents

Les systèmes d’irrigation intelligents utilisent les technologies sans fil et l’Internet des Objets (IoT) pour optimiser l’utilisation de l’eau (Boursianis et al., 2021 ; Ramachandran et al., 2018). Au cœur de ces systèmes se trouvent des capteurs IoT sous forme de capteurs de terrain pour surveiller des paramètres en temps réel tels que l’humidité du sol, la température et les précipitations, garantissant que l’eau est appliquée au bon moment, au bon endroit et en bonne quantité (Vallejo-Gómez et al., 2023). L’optimisation des ressources par la surveillance en temps réel réduit l’utilisation d’eau et d’énergie, minimise le gaspillage et améliore le rendement des cultures (Ramachandran et al., 2018). Les systèmes automatisés gèrent les tâches d’irrigation sans intervention humaine, réduisant les besoins en main-d’œuvre et optimisant l’efficacité (Lieder & Schröter-Schlaack, 2021). Les progrès de l’IA et du cloud computing ont le potentiel de rendre ces systèmes encore plus puissants en aidant les agriculteurs à prendre des décisions plus intelligentes, basées sur les données (Ramachandran et al., 2018 ; Vallejo-Gómez et al., 2023).

Des études ont montré que les systèmes d’irrigation intelligents ont le potentiel de réaliser des économies d’eau substantielles, dans certains cas jusqu’à 75 % (Lieder & Schröter-Schlaack, 2021). Ces systèmes ne se contentent pas d’économiser l’eau mais offrent également des avantages environnementaux, comme la réduction des émissions de gaz à effet de serre (Lieder & Schröter-Schlaack, 2021). Ceci est réalisé en optimisant le moment et la quantité d’irrigation, ce qui conduit à une consommation d’énergie plus faible des pompes et à une diminution des émissions d’oxyde nitreux du sol (Lieder & Schröter-Schlaack, 2021).

Drones Agricoles

Les drones ou véhicules aériens sans pilote (UAV), sont, à un niveau très simple, de petits robots aériens (Nazarov et al., 2023 ; Rejeb et al., 2022 ; Tsouros et al., 2019). Les drones sont contrôlés et pilotés manuellement depuis le sol ou sont équipés de programmes GPS pour voler de manière autonome sur certains itinéraires (Nazarov et al., 2023). Ils jouent un rôle central dans l’optimisation de la gestion des cultures en fournissant des données de géolocalisation fiables et en capturant des images et des informations à ultra-haute résolution sur les cultures ou l’ensemble du champ (Nazarov et al., 2023 ; Tsouros et al., 2019). La technologie de télédétection des drones et leur capacité à voler à seulement quelques centimètres au-dessus du sol leur permettent de collecter et de traiter des données et des images à haute résolution spatiale et temporelle des différentes parcelles et plantes (Tsouros et al., 2019). Leur capacité à scanner rapidement de grandes surfaces sans perturber le sol en fait un outil puissant (Tsouros et al., 2019). Par rapport à leurs prédécesseurs, les drones sont plus simples à utiliser, plus flexibles et plus rentables (Tsouros et al., 2019). Ils réalisent des enregistrements de meilleure qualité sans longues heures d’attente et sont opérationnels par presque tous les temps, même les jours nuageux (Manfreda et al., 2018). Les applications les plus courantes des drones en agriculture comprennent la cartographie et la gestion des mauvaises herbes, le suivi de la croissance et l’estimation du rendement, la détection des maladies, l’irrigation de précision et l’application précise d’intrants agricoles tels que les engrais et les pesticides (Tsouros et al., 2019).

Robots Terrestres

Les robots terrestres comprennent des systèmes autonomes conçus pour des tâches telles que le désherbage, la plantation et la récolte sélective (Araújo et al., 2021). Ces robots utilisent des capteurs avancés et des technologies d’IA (Araújo et al., 2021).

Dans la gestion des mauvaises herbes, les robots équipés d’outils de précision, y compris des lasers, ciblent les mauvaises herbes sans affecter les cultures, réduisant ainsi la dépendance aux herbicides (ETH Zürich, 2022). Par exemple, le projet « Caterra » combine la robotique, l’ingénierie mécanique et l’apprentissage automatique pour atteindre une haute précision dans l’élimination des mauvaises herbes en utilisant la technologie laser (ETH Zürich, 2022). Dans la récolte sélective, les robots évaluent la maturité des cultures et ne récoltent que les produits prêts pour le marché, améliorant l’efficacité et réduisant les déchets (ETH Zürich, 2023 ; Kootstra et al., 2021).

Dans l’ensemble, les systèmes robotiques peuvent réduire les tâches à forte intensité de main-d’œuvre, améliorer la précision des opérations sur le terrain et soutenir la durabilité en minimisant l’utilisation des ressources et les impacts environnementaux (Kootstra et al., 2021 ; ETH Zürich, 2022).

Défis et Considérations

Malgré leur potentiel, les technologies TIC et IoT font face à des obstacles importants. Les coûts initiaux élevés peuvent être restrictifs pour les petits agriculteurs (Mizik, 2022). La dépendance aux capteurs IoT et aux appareils fonctionnant sur batterie soulève des préoccupations concernant la consommation d’énergie et les déchets électroniques (Jawad et al., 2017). Les écarts de compétences chez les agriculteurs, particulièrement dans les régions en développement, entravent l’adoption des technologies avancées (Torero, 2021).

De plus, la sécurité des données est un autre problème critique. L’utilisation accrue des appareils IoT introduit des risques de violations de données et de cyberattaques (Gupta et al., 2020). Des cadres juridiques ambigus rendent difficile que les agriculteurs puissent faire confiance à ces systèmes (Gupta et al., 2020 ; Kaur et al., 2022).

Conclusion

Les innovations TIC et IoT en agriculture offrent des opportunités significatives pour répondre aux défis de la sécurité alimentaire mondiale tout en promouvant la durabilité. Cependant, il est crucial de surmonter les obstacles tels que les coûts, la consommation d’énergie et les écarts de compétences. Les efforts collaboratifs entre les gouvernements, les fournisseurs de technologie et les agriculteurs peuvent faciliter l’adoption de ces technologies et garantir qu’elles contribuent à un avenir agricole plus durable (McFadden et al., 2022).

Cet article est basé sur un rapport créé dans le cadre du module « Digitalization & Sustainability » du programme de Master « Circular Innovation & Sustainability ».

Citations

Alfred, R., Obit, J. H., Chin, C. P.-Y., Haviluddin, H., & Lim, Y. (2021). Towards Paddy Rice Smart Farming: A Review on Big Data, Machine Learning, and Rice Production Tasks. IEEE Access, 9, 50358–50380. IEEE Access. https://doi.org/10.1109/ACCESS.2021.3069449

Araújo, S. O., Peres, R. S., Barata, J., Lidon, F., & Ramalho, J. C. (2021). Characterising the Agriculture 4.0 Landscape—Emerging Trends, Challenges and Opportunities. Agronomy, 11(4), Article 4. https://doi.org/10.3390/agronomy11040667

Boursianis, A. D., Papadopoulou, M. S., Gotsis, A., Wan, S., Sarigiannidis, P., Nikolaidis, S., & Goudos, S. K. (2021). Smart Irrigation System for Precision Agriculture—The AREThOU5A IoT Platform. IEEE Sensors Journal, 21(16), 17539–17547. IEEE Sensors Journal. https://doi.org/10.1109/JSEN.2020.3033526

Carrer, M. J., Filho, H. M. de S., Vinholis, M. de M. B., & Mozambani, C. I. (2022). Precision agriculture adoption and technical efficiency: An analysis of sugarcane farms in Brazil. Technological Forecasting and Social Change, 177, 121510. https://doi.org/10.1016/j.techfore.2022.121510

ETH Zürich. (2022, March 31). ETH Zürich. https://ethz.ch/de/wirtschaft/industry/news/data/2022/03/laserbasierter-roboter-zur-unkrautbekaempfung.html

ETH Zürich. (2023, January 30). ETH Zürich. https://ethz.ch/de/wirtschaft/industry/news/data/2023/01/ein-pflueckender-roboter.html

Gupta, M., Abdelsalam, M., Khorsandroo, S., & Mittal, S. (2020). Security and Privacy in Smart Farming: Challenges and Opportunities. IEEE Access, 8, 34564–34584. IEEE Access. https://doi.org/10.1109/ACCESS.2020.2975142

Jawad, H. M., Nordin, R., Gharghan, S. K., Jawad, A. M., & Ismail, M. (2017). Energy-Efficient Wireless Sensor Networks for Precision Agriculture: A Review. Sensors, 17(8), Article 8. https://doi.org/10.3390/s17081781

Karunathilake, E. M. B. M., Le, A. T., Heo, S., Chung, Y. S., & Mansoor, S. (2023). The Path to Smart Farming: Innovations and Opportunities in Precision Agriculture. Agriculture, 13(8), Article 8. https://doi.org/10.3390/agriculture13081593

Kaur, J., Hazrati Fard, S. M., Amiri-Zarandi, M., & Dara, R. (2022). Protecting farmers’ data privacy and confidentiality: Recommendations and considerations. Frontiers in Sustainable Food Systems, 6. https://doi.org/10.3389/fsufs.2022.903230

Kootstra, G., Wang, X., Blok, P. M., Hemming, J., & van Henten, E. (2021). Selective Harvesting Robotics: Current Research, Trends, and Future Directions. Current Robotics Reports, 2(1), 95–104. https://doi.org/10.1007/s43154-020-00034-1

Lieder, S., & Schröter-Schlaack, C. (2021). Smart Farming Technologies in Arable Farming: Towards a Holistic Assessment of Opportunities and Risks. Sustainability, 13(12), Article 12. https://doi.org/10.3390/su13126783

Manfreda, S., McCabe, M. F., Miller, P. E., Lucas, R., Pajuelo Madrigal, V., Mallinis, G., Ben Dor, E., Helman, D., Estes, L., Ciraolo, G., Müllerová, J., Tauro, F., De Lima, M. I., De Lima, J. L. M. P., Maltese, A., Frances, F., Caylor, K., Kohv, M., Perks, M., … Toth, B. (2018). On the Use of Unmanned Aerial Systems for Environmental Monitoring. Remote Sensing, 10(4). https://doi.org/10.3390/rs10040641

McFadden, J., Casalini, F., Griffin, T., & Antón, J. (2022). The digitalisation of agriculture. 176. https://doi.org/10.1787/285cc27d-en

Mizik, T. (2022). How can precision farming work on a small scale? A systematic literature review. Precision Agriculture, 24, 1–23. https://doi.org/10.1007/s11119-022-09934-y

Nazarov, D., Nazarov, A., & Kulikova, E. (2023). Drones in agriculture: Analysis of different countries. BIO Web Conf., 67, 02029. https://doi.org/10.1051/bioconf/20236702029

Priyambada, I. B., Hardyanti, N., Budihardjo, M. A., Puspita, A. S., & Cahyati, A. P. (2023). A review of smart agricultural transition to achieving Sustainable Development Goals (SDGs): Smart irrigation system. IOP Conference Series: Earth and Environmental Science, 1268(1), 012010. https://doi.org/10.1088/1755-1315/1268/1/012010

Ramachandran, V., Ramalakshmi, R., & Srinivasan, S. (2018). An Automated Irrigation System for Smart Agriculture Using the Internet of Things. 2018 15th International Conference on Control, Automation, Robotics and Vision (ICARCV), 210–215. https://doi.org/10.1109/ICARCV.2018.8581221

Rejeb, A., Abdollahi, A., Rejeb, K., & Treiblmaier, H. (2022). Drones in agriculture: A review and bibliometric analysis. Computers and Electronics in Agriculture, 198, 107017. https://doi.org/10.1016/j.compag.2022.107017

Torero, M. (2021). Robotics and AI in Food Security and Innovation: Why They Matter and How to Harness Their Power. In J. von Braun, M. S. Archer, G. M. Reichberg, & M. Sánchez Sorondo (Eds.), Robotics, AI, and Humanity: Science, Ethics, and Policy (pp. 99–107). Springer International Publishing. https://doi.org/10.1007/978-3-030-54173-6_8

Tsouros, D. C., Bibi, S., & Sarigiannidis, P. G. (2019). A Review on UAV-Based Applications for Precision Agriculture. Information, 10(11). https://doi.org/10.3390/info10110349

Vallejo-Gómez, D., Osorio, M., & Hincapié, C. A. (2023). Smart Irrigation Systems in Agriculture: A Systematic Review. Agronomy, 13(2), Article 2. https://doi.org/10.3390/agronomy13020342

Vishnoi, S., & Goel, R. K. (2024). Climate smart agriculture for sustainable productivity and healthy landscapes. Environmental Science & Policy, 151, 103600. https://doi.org/10.1016/j.envsci.2023.103600