1. L’IA AU SERVICE DE L’AGRO
Pré-édition
12 cas d’application de l’Intelligence Artificielle
pour générer des gains en moins de 3 mois

2. 2
A PROPOS DE CE RAPPORT
L’IA appliquée aux entreprises de l’agro-alimentaire
L’innovation et la valorisation des données sont très importantes dans les
secteurs agricoles et agro-alimentaire. L’IA arrive désormais à un stade de maturité
qui permet aux entreprises de créer leurs propres modèles et de déployer de
nouveaux services en un temps record. Les techniques d’Intelligence Artificielle vous
permettent de valoriser tout type de données structurées ou non (image, capteurs,
…) et les usages sont nombreux. Mais une question se pose : par où commencer?
12 exemples illustrés dans ce guide
La notion d’IA peut faire penser à de longs projets techniques et compliquées.
Pourtant, cette technologie permet justement de répondre rapidement à vos enjeux
métiers en valorisant les données accessibles, jusqu’à présent non utilisées car non
structurées (texte, images, données temporelles, …). Nous vous en donnons
quelques exemples ici.
Vous aider à activer le levier IA
Pour chaque exemple d’application de l’IA, vous trouverez les clés pour
identifier dès à présent vos propres cas d’application, ainsi que les risques et les
accélérateurs, pour transformer durablement votre entreprise grâce à l’IA, et ainsi
relever les prochains défis de la production agro-alimentaire avec votre nouvel
avantage concurrentiel !
L’Intelligence Artificielle en Agro : où en êtes-vous ?
Introduction

3. 3
1. La Data et l’IA au service de l’Agro
2. L’IA au service des directions métiers
3. Quelques exemples d’applications
4. Comment se lancer?
5. Se faire accompagner

4. 4
L’IA EST LÀ, QU’EST CE QUE ÇA CHANGE?
Un changement de paradigme avant tout
1. La Data et l’IA au service de l’Agro
Figure 2 : Schéma d’entrainement d’un modèle
supervisé
Données d’entraînement
Laitu
e
Chou
Algorithme
d’apprentissag
e
Cette image
représente
un chou!
Changer les façons de faire : de l’empirique au prédictif
Maintenance prédictive, détection des fraudes, scoring client… autant de process
d’entreprises désormais assimilés au concept d’IA dans les secteurs de l’industrie, de la
santé, de la banque ou encore de la distribution. Ces activités ne sont pourtant pas
nouvelles, mais elles étaient auparavant réalisées soit par l’intervention d’humains, soit
à partir de règles définies de façon empirique à partir de l’expérience accumulée
pendant des années par un expert humain. Avec l’IA, c’est l’analyse des données qui
permet de construire les règles d’identification des pièces à changer sur une machine,
des transactions bancaires à contrôler, ou des groupes de client à constituer. Les
collaborateurs gagnent alors en précision, acceptant dans certains cas de ne pas
comprendre exactement le fonctionnement des modèles utilisés.
Le modèle prédictif pour les opérationnels, les algorithmes
d’apprentissage pour les Data Scientist
L’IA regroupe de nombreuses méthodes permettant de valoriser tout type de
données. Dans le cas de l’apprentissage supervisé, différents algorithmes d’intelligence
artificielle sont utilisés afin d’entraîner des modèles prédictifs à partir d’exemples déjà
classés. Sur un set d’apprentissage, 80% des observations seront par exemple utilisés
pour entraîner le modèle, puis le modèle sera testé sur 20% des observations restantes
afin d’en évaluer les performances en comparant la classification réalisée avec le
résultat attendu. L’IA peut ainsi mimer des décisions humaines, ou identifier des signaux
faibles. L’apprentissage non supervisé permet quant à lui de s’affranchir de set
d’apprentissage, et de faire ressortir des observations anormales ou de réaliser des
groupes homogènes.
Les gains dans le secteur agro
L’IA est encore plus pertinente dans les secteurs agri et agro-alimentaire car il
s’agit de modéliser des systèmes complexes comme le vivant ou des comportements
sociaux. Il permet en outre de valoriser des données jusqu’à présent non valorisées
(images, séries temporelles, textes et autres données non structurées). Les gains
peuvent alors être de 3 ordres : un gain de temps lié à l’automatisation de certaines
tâches, un gain de productivité lié à l’optimisation de certaines décisions et enfin l’aide
à la décision dans les cas où il est nécessaire d’anticiper un besoin ou de gérer un
risque.
Chou
Chou
Chou
Laitu
e
Laitu
e
Laitu
e
Figure 1 : le changement de paradigme avec l’IA
+
Automatisatio
n
Aider la décisionOptimisatio
n
Figure 3 : Les gains liés à la mise en place de l’IA
Modèle
prédictif