Les robots agricoles transforment silencieusement l'agriculture — en commençant par les tâches que personne ne veut faire

L'agriculture est la plus grande industrie en termes d'emploi dans l'histoire humaine et l'un des derniers secteurs à avoir été automatisé de manière substantielle. Les raisons ne sont pas un mystère : l'agriculture implique des environnements extérieurs non structurés, une énorme variabilité biologique, une dépendance aux conditions météorologiques et la nécessité de porter des jugements subtils sur la santé des plantes qui ont historiquement nécessité la perception humaine. Les robots industriels travaillent dans des environnements contrôlés avec des objets prévisibles à des positions fixes. Un champ de fraises n'est rien de tout cela.

Et pourtant, les conditions qui poussent à l'automatisation agricole ont finalement atteint un point où la technologie est viable. Les pénuries de main-d'œuvre dans les régions agricoles d'Amérique du Nord, d'Europe et du Japon sont devenues structurelles plutôt que cycliques — l'offre de travailleurs prêts à effectuer un travail saisonnier de récolte diminue depuis des années, et les changements de politique d'immigration ont rendu l'offre existante moins fiable. Les coûts des intrants — pesticides, herbicides, engrais — ont fortement augmenté. Le climat devient moins prévisible, compressant les fenêtres dans lesquelles les opérations sur le terrain doivent avoir lieu. La pression économique pour automatiser n'a jamais été aussi forte, et la technologie, pour la première fois, est véritablement prête à répondre.

Où les robots travaillent déjà

La première vague de robots agricoles cible les opérations les plus intensives en main-d'œuvre, les plus uniformes et les plus dommageables économiquement en cas de retard. Le désherbage en est l'exemple le plus clair. Le désherbage manuel est extrêmement exigeant en main-d'œuvre, le désherbage à base d'herbicides rencontre des problèmes croissants de réglementation et de résistance, et le timing compte — les mauvaises herbes non éliminées tôt entrent en compétition pour les ressources aux stades de croissance les plus critiques.

Le LaserWeeder de Carbon Robotics utilise une combinaison de vision artificielle et de lasers de haute puissance pour identifier et tuer les mauvaises herbes à la base de la tige de la plante, à un rythme qui couvre un hectare en environ une heure. Il fonctionne de manière autonome entre les rangées de cultures, ne nécessite aucun herbicide et élimine le coût de la main-d'œuvre des équipes de désherbage manuel. Les machines de l'entreprise étaient en service dans plus de 800 fermes aux États-Unis et au Canada d'ici 2025, principalement dans les cultures maraîchères où l'utilisation d'herbicides est restreinte et les coûts de désherbage manuel sont les plus élevés.

Le robot Vulcan de FarmWise utilise le binage mécanique de précision — de petites lames rotatives qui remuent le sol autour des mauvaises herbes sans endommager les cultures — et fonctionne de manière autonome sur la laitue, le brocoli et d'autres cultures en rangs. La machine traite jusqu'à 34 acres par jour et a accumulé des millions d'heures d'opération sur le terrain dans la vallée de Salinas en Californie.

La pulvérisation est un deuxième objectif de grande valeur. Les pulvérisateurs conventionnels de grand format appliquent des pesticides ou des herbicides de manière uniforme sur des champs entiers — ce qui est gaspilleur et problématique pour l'environnement. Les pulvérisateurs de précision, utilisant la vision artificielle pour identifier la santé des plantes et la présence de mauvaises herbes au niveau de chaque plante, peuvent réduire les intrants chimiques de 70 à 90 % tout en améliorant la précision de l'application. La technologie See & Spray de John Deere, intégrée dans ses grands pulvérisateurs, est la version commerciale dominante ; des pulvérisateurs de précision autonomes plus petits de Monarch Tractor et d'autres servent les petites exploitations.

La récolte : le problème difficile

La récolte est l'opération agricole la plus intensive en main-d'œuvre et techniquement la plus difficile à automatiser. Elle nécessite d'identifier les produits mûrs (qui varient en couleur, taille et orientation), d'appliquer exactement la force nécessaire pour les détacher sans dommage, et de le faire à des vitesses commerciales dans un environnement non structuré. La dextérité et la vitesse des cueilleurs humains expérimentés ont été la référence que les machines n'ont pas réussi à atteindre de manière constante à un coût comparable.

Des progrès se produisent enfin dans des cultures spécifiques. Abundant Robotics (acquise par AGCO en 2021) a développé un système de récolte de pommes basé sur le vide qui cueille à des vitesses commerciales. Tortuga AgTech et d'autres développeurs de robots pour les fraises ont démontré des machines capables d'identifier et de récolter des fraises mûres — un problème particulièrement complexe car les baies se cachent sous les feuilles et varient considérablement en orientation. Les robots à fraises actuels fonctionnent à environ 30 à 50 % de la vitesse des cueilleurs humains, ce qui les rend économiquement viables lorsque les coûts de main-d'œuvre sont suffisamment élevés et la disponibilité de la main-d'œuvre suffisamment faible.

L'asperge est une étude de cas sur la façon dont les contraintes de main-d'œuvre forcent l'automatisation : l'asperge doit être coupée à la main exactement au bon moment lorsqu'elle émerge du sol, elle émerge à des positions et des intervalles imprévisibles, et la fenêtre de coupe est petite. Plusieurs entreprises de robotique européennes et japonaises ont développé des robots de récolte d'asperges spécifiquement parce que les régions productrices d'asperges étaient confrontées à de véritables échecs de récolte dus à la pénurie de main-d'œuvre. La nécessité économique a stimulé l'investissement dans un problème qui était considéré comme insoluble.

Tracteurs autonomes et opérations sur le terrain

À plus grande échelle, la technologie des tracteurs autonomes est désormais disponible commercialement. Le tracteur Série 8R de John Deere avec capacité autonome a été annoncé en 2022 et a commencé son déploiement commercial en 2023. Le système utilise six paires de caméras stéréo offrant une vision de champ à 360 degrés, le GPS et le Machine Learning pour naviguer de manière autonome dans les champs, exécutant des opérations préprogrammées comme le travail du sol, la plantation et l'application d'engrais sans conducteur dans la cabine.

L'opérateur surveille et gère le tracteur à distance via une application smartphone — il peut superviser plusieurs machines simultanément, approuver les plans de trajectoire et intervenir lorsque le système rencontre des obstacles inattendus. L'économie est convaincante pour les grandes opérations de cultures en rangs : un seul opérateur peut superviser plusieurs tracteurs effectuant des opérations de nuit, multipliant ainsi la capacité productive de chaque travailleur embauché.

CNH Industrial (maison mère de Case IH et New Holland) et AGCO ont leurs propres programmes d'opérations autonomes sur le terrain. La technologie est la plus mature pour l'agriculture de grandes cultures en rangs en terrain plat — les conditions où la précision du GPS est élevée et la variabilité des obstacles est gérable. Elle est moins prête pour les champs irréguliers, les cultures mixtes et les terrains plus pentus courants dans les contextes agricoles européens et asiatiques.

La couche de données

L'aspect le plus sous-estimé de la robotique agricole est les données générées par les opérations sur le terrain. Chaque robot opérant dans un champ collecte des images détaillées et des données de capteurs sur la santé des cultures, les conditions du sol, la pression des mauvaises herbes et la variabilité des rendements à des résolutions auparavant réalisables uniquement par inspection manuelle. Ces données, accumulées sur plusieurs saisons, deviennent un actif concurrentiel pour les entreprises qui les collectent.

La plateforme Operations Center de John Deere agrège les données de terrain sur l'ensemble de sa base client pour améliorer les modèles de Machine Learning qui alimentent ses systèmes autonomes. Climate Corporation (maintenant partie de Bayer) a construit des modèles de prédiction de rendement à partir d'années de données de terrain sur des millions d'acres. Les entreprises de robotique, parallèlement à leurs activités matérielles, construisent des actifs de données agricoles qui alimenteront la prochaine génération de décisions en agriculture de précision.

Le long arc de l'automatisation agricole va de la mécanisation (remplacement de la force animale par des moteurs) à l'automatisation (remplacement du travail humain par des robots) à l'intelligence (remplacement du jugement humain par des décisions basées sur les données). La première transition a pris 50 ans. La seconde a pris 30 ans pour atteindre la viabilité commerciale dans des applications spécifiques, et elle s'accélère maintenant. La troisième commence maintenant, rendue possible par l'infrastructure de données que les robots eux-mêmes construisent. La ferme de 2040 sera gérée principalement par des machines — non pas parce que la technologie a forcé le changement, mais parce que l'économie d'une main-d'œuvre vieillissante et d'un climat volatil n'a laissé aucune autre voie viable.