Yosef Akhtman, Gamaya: «Notre solution vise à augmenter le rendement des cultures»

Pouvez-vous nous décrire brièvement les activités de Gamaya?

Gamaya aborde les défis de l’agriculture commerciale en fournissant une solution intégrée pour le diagnostic à grande échelle des cultures, améliorant leur rendement de manière durable et économique. Notre solution fournit un niveau de connaissance de l’état des cultures et contribue à augmenter la marge de profit par hectare des agriculteurs industriels. Notre offre de base, qui s’adresse aux producteurs brésiliens, permet la détection précoce de maladies, de ravageurs et de mauvaises herbes, ainsi que le suivi de la croissance des plantes et la prédiction des rendements.

Quelles perspectives globales offrent l’agriculture de précision?

L’objectif de l’agriculture de précision est de pouvoir augmenter le rendement, de produire davantage de façon durable, en exploitant idéalement moins de surface. Il faut savoir que 70% des terres arables au niveau global sont déjà cultivées, alors que la demande en nourriture pourrait augmenter jusqu’à 70% au cours des trente prochaines années. Pouvoir accroître l’offre en vue de combler l’explosion de la demande en matières premières agricoles représente à mon avis l’un des plus grands défis humanitaires de ces cinquante prochaines années.

Quelles technologies présentent de l’intérêt pour l’agriculture et pourquoi?

Avec les connaissances et techniques agronomiques actuelles, le rendement d’une petite surface peut être assez facilement amélioré. Or tout le défi réside dans la transposition de ces méthodes à une échelle des grandes exploitations industrielles. S’occuper de centaines de milliers d’hectares en observant, sur le terrain, chaque parcelle dans les détails n’a rien de productif. Une option consiste à déployer des solutions reposant sur des capteurs au sol. Cette méthode nécessite toutefois d’importants moyens pour mettre en place une infrastructure réseau interconnectant quantité de hardware. D’autres approches font appel à des technologies de télédétection, par imagerie aérienne ou satellite. Plus l’instrument se trouve à haute altitude, plus la qualité et la fiabilité des données s’en trouvent péjorées. Les drones offrent dès lors un bon compromis entre qualité des données, surface  couverte et coût d’utilisation. Mais toutes les technologies que j’ai évoquées gagnent à être utilisées ensemble. Avec Gamaya, nous souhaitons proposer une solution utilisable à cout terme et à moyenne échelle. Nous avons toutefois  bien conscience que l‘avenir de l’agriculture de précision passera par une approche combinant plusieurs approches de récolte de données.

Comment fonctionne la technologie que vous avez mise au point?

Nous embarquons sur des drones ou ULM une technologie issue de recherches que j‘ai menée durant trois ans à l‘EPFL. Dans le cadre d’un programme d’études pour la préservation des ressources en eau douce, j’ai développé avec mon équipe un concept de caméra hyperspectrale miniature, en mesure de décomposer des images en plus d’une centaine de bandes spectrales très étroites. En capturant des images de champs cultivés avec ces caméras, il est possible de dériver bien davantage d’informations agronomiques qu’avec des capteurs capturant les trois spectres habituels, à savoir les fréquences du rouge, du bleu et du vert. Les images saisies sont ensuite analysées avec une solution logicielle développée par nos soins. Je précise que nous n’avons pas la prétention de proposer une solution générique. Pour chaque client, nous collaborons avec des experts en agronomie pour adapter nos modèles statistiques au cas par cas, en fonction des besoins des agriculteurs, des facteurs spécifiques à leur région et à leur type de culture.

Sur quelle infrastructure repose votre logiciel de traitement de données?

Notre solution d’analyses des données repose sur un environnement hybride. Il s’agit d’un système de base distribuée. Une solution purement cloud ne serait pas réaliste, sachant que les images hyperspectrales sont extrêmement volumineuses en terme de quantité de données. Les données brutes sont de ce fait stockées sur des serveurs disposés localement sur site. Ensuite, pour procéder à l’analyse, les métadonnées sont transférées sur une base de données dans le cloud.