L'intelligence artificielle pourrait contribuer à boucler le cycle de l'azote, actuellement rompu, dans le secteur agricole
Un nouveau cadre combine des données satellitaires, des capteurs implantés sur les animaux et des modèles linguistiques au sein d'un système décisionnel unifié.
L'intelligence artificielle pourrait contribuer à transformer la manière dont les exploitations agricoles gèrent l'azote en intégrant la production végétale, l'alimentation du bétail, le recyclage du lisier et la surveillance environnementale au sein d'un système décisionnel unique, selon un nouvel article publié dans la revue *Nitrogen Cycling*.
Les engrais azotés ont joué un rôle central dans l’augmentation de la production alimentaire mondiale, mais une utilisation inefficace de l’azote peut contribuer à la pollution atmosphérique, à l’acidification des sols, à la contamination des nappes phréatiques et aux émissions d’oxyde nitreux, un puissant gaz à effet de serre. L’une des principales causes de ce problème réside dans la séparation entre la production végétale et la production animale. Le lisier s’accumule souvent à proximité des élevages intensifs, tandis que les exploitations agricoles d’autres régions continuent de recourir massivement aux engrais synthétiques.
Les auteurs suggèrent que l’IA peut aider à rétablir ce cycle des nutriments perturbé en suivant les flux d’azote, en améliorant les modèles scientifiques et en transformant des informations complexes en recommandations pratiques pour les agriculteurs.
« L’intelligence artificielle nous offre la possibilité de considérer l’azote agricole comme un système unique et interconnecté plutôt que comme un ensemble de problèmes distincts », a déclaré l’auteur correspondant Xiuming Zhang. « En établissant des liens entre les cultures, les animaux, le lisier et les processus environnementaux, l’IA pourrait aider les agriculteurs à produire davantage de denrées alimentaires tout en réduisant les pertes d’azote. »
Le cadre proposé comporte trois volets principaux. Premièrement, des systèmes d’observation basés sur l’IA peuvent collecter des informations à partir de satellites, de drones, de capteurs de sol, de dispositifs portables pour animaux, de la vision par ordinateur et de moniteurs installés dans les bâtiments d’élevage. Ces technologies pourraient révéler comment l’azote circule à travers les champs, les animaux, les lieux de stockage du fumier et l’environnement au sens large.
Deuxièmement, les chercheurs mettent l’accent sur la combinaison d’une IA fondée sur les données avec des modèles basés sur des processus physiques, biologiques et chimiques. Des approches telles que les réseaux neuronaux informés par la physique et l’apprentissage automatique guidé par les connaissances peuvent améliorer les prévisions tout en respectant les règles essentielles, notamment le bilan massique de l’azote. Ces systèmes hybrides pourraient permettre des estimations plus précises des besoins en engrais, des émissions d’oxyde nitreux, de la rétention d’azote par les animaux et des pertes liées au lisier.
Troisièmement, les grands modèles linguistiques agricoles pourraient traduire les résultats scientifiques en recommandations claires à l’échelle de l’exploitation. De tels systèmes pourraient aider à recommander la source, le dosage, le moment et l’emplacement appropriés pour l’épandage d’engrais, tout en optimisant l’alimentation animale et en identifiant les possibilités de transférer le lisier des régions d’élevage présentant des excédents d’azote vers les terres cultivées qui ont besoin de nutriments.
L’objectif à long terme est de disposer d’un agent intelligent à l’échelle de l’exploitation, capable de coordonner simultanément la fertilisation des cultures, la nutrition du bétail et le recyclage du lisier. L’article met en avant les premiers exemples de systèmes d’IA agricoles spécialisés qui ont permis de réduire l’utilisation d’engrais ou d’azote dans l’alimentation animale tout en maintenant, voire en augmentant, la productivité.
Les auteurs soulignent toutefois que des défis majeurs subsistent. Les données agricoles sont souvent dispersées entre différentes institutions, les modèles d’IA peuvent être difficiles à expliquer, et les technologies de pointe peuvent s’avérer trop coûteuses pour les petits exploitants agricoles. L’apprentissage fédéré, l’informatique en périphérie et des outils moins onéreux pourraient contribuer à améliorer la protection de la vie privée, l’accessibilité et l’inclusion.
Les chercheurs concluent que l’IA pourrait devenir le système de coordination central de l’agriculture circulaire, mais que sa réussite nécessitera une collaboration étroite entre agronomes, zootechniciens, biogéochimistes, informaticiens, agriculteurs et décideurs politiques.
Note: Cet article a été traduit à l'aide d'un système informatique sans intervention humaine. LUMITOS propose ces traductions automatiques pour présenter un plus large éventail d'actualités. Comme cet article a été traduit avec traduction automatique, il est possible qu'il contienne des erreurs de vocabulaire, de syntaxe ou de grammaire. L'article original dans Anglais peut être trouvé ici.
Publication originale
Autres actualités du département science
