« La participation d'une entreprise leader dans le domaine des machines agricoles telle que Claas envoie un signal fort quant à l'importance croissante de l'agronomie numérique et de l'aide à la décision basée sur l'IA dans l'avenir de l'agriculture ». C’est ce qu’a déclaré, dans un communiqué, Josef Exler, co-directeur générale de Pheno-Inspect. Pheno-Inspect est un spin-off du pôle d'excellence PhenoRob de l'université de Bonn (Allemagne).<h2>Des images brutes aux informations sur chaque plante</h2>L’entreprise a développé avec FarmAnalyzer une plateforme cloud, transformant les images haute résolution prises par drone en informations agronomiques exploitables. « Cet investissement reflète une vision commune visant à accélérer le développement d'une agriculture durable et axée sur les données, indique Claas. En combinant les capacités avancées de Pheno-Inspect en matière d'IA et de logiciels avec l'expertise approfondie de Claas dans le domaine des machines agricoles et des processus agricoles, les deux partenaires souhaitent atteindre de nouveaux niveaux de précision, d'efficacité et de convivialité dans le domaine de l'agronomie numérique ».

Le constructeur a investi dans la start-up d'agronomie IA Pheno-Inspect qui a développé avec FarmAnalyzer une plateforme cloud transformant les images haute résolution prises par drone en données agronomiques.

Claas réalise un investissement « stratégique » dans l’IA

Le constructeur a investi dans la start-up d'agronomie IA Pheno-Inspect, qui a développé avec FarmAnalyzer une plateforme cloud transformant les images haute résolution prises par drone en données agronomiques.

Météo : quelles sont les prévisions pour février 2026 ? La chronique de Nicolas Le Friant, expert météo

Le fonds d’urgence grandes cultures bientôt dans les cours de ferme

Pénurie d'œufs en France : pourquoi la 1ère productrice européenne se retrouve avec des rayons vides ?

« L’un des grands atouts de l’IA est la possibilité de partir de la plante souhaitée pour déterminer quels croisements réaliser. Rendement, résistance aux maladies, qualité de l’huile ou du grain : tout peut être anticipé grâce à la connaissance du génome et à la puissance de calcul. Cette approche inverse la méthode traditionnelle : au lieu de créer des milliers de variétés et de sélectionner les meilleures, l’on peut désormais simuler des plantes virtuelles et planifier précisément leur obtention. Le champ des possibles s’élargit, et le temps de création variétale est considérablement réduit ». Tels sont les bénéfices induits par l’incursion de l’IA dans le domaine de la sélection variétale, selon Semae, l’interprofession des semences et plants.<h2>Des milliers de données en quelques secondes</h2>Grâce à l’IA, les sélectionneurs peuvent analyser des milliers de données en quelques secondes, ce qui aurait demandé auparavant des années et des milliers de personnes. Chaque résultat d’essai dans un champ est désormais mis en perspective : la performance d’une variété n’est plus seulement observée, elle est expliquée et prédite selon le lieu, l’année, la micro-parcelle et le patrimoine génétique de la plante. « L’IA ne remplace pas le sélectionneur, elle l’assiste », rappelle Julien Binet, responsable du programme de sélection hybride de colza chez Bayer.<h2>Sélectionner, et observer</h2>L’IA ne se limite pas aux modèles génétiques. Elle intervient aussi dans l’observation directe des plantes. Drones, capteurs LIDAR, cuvettes jaunes pour détecter les insectes… tous ces outils utilisent des algorithmes pour mesurer la biomasse, suivre la santé des cultures et caractériser l’environnement. Les données recueillies permettent d’affiner encore les modèles et d’optimiser la sélection variétale. Pour Semae, « l’intelligence artificielle est avant tout un levier d’innovation, un assistant précieux pour la filière agricole, et non une menace ».

Selon Semae, l’intelligence artificielle (IA) élargit le champ des possibles en inversant le schéma de sélection et en réduisant le temps de création variétale. Une aubaine à l’heure de la pression croissante de stress biotiques et abiotiques.

L’IA, un accélérateur et un amplificateur de la sélection variétale

Facilement accessibles via nos smartphones, les outils utilisant l’IA générative se démocratisent. Qui n’a pas entendu parler de ChatGPT ? Ces applis sont si faciles à utiliser que leur fonctionnement est à la portée de tous. « Bien maitrisés, ces outils peuvent aujourd’hui simplifier la plupart des taches de bureau. Ils permettent de synthétiser des réunions, traduisent des documents, répondent instantanément à toute question agronomique et pourraient demain aider à optimiser les itinéraires techniques d’une exploitation, ou même interpréter les résultats d’une analyse de sol », affirme Mehdi Siné, directeur de l’Acta. Si les réponses quasi instantanées de ces outils impressionnent, un constat s’impose : les réponses sont encore souvent décalées ou imprécises, parfois totalement fausses. « Les utiliser dans des domaines que l’on maitrise permet de se rendre assez vite compte de leurs limites. Leurs modèles sont basés sur l’apprentissage d’immenses bases de données et ils doivent encore s’améliorer. Si l’outil indique un taux de fiabilité de l’information donnée ou ses sources, c’est déjà mieux ». « L’utilisation de l’IA générative pose un certain nombre de questions, à commencer par la confidentialité des données. À partir du moment où on soumet des données à l’analyse d’une IA générative, cela revient souvent à les confier à un tiers et elles ne vous appartiennent plus. Et il y a beaucoup d’autres questions et risques soulevés par ces IA. » Entre autres, pour Mehdi Siné, un des risques forts est celui de la dépendance technologique : « lorsque ces outils, aujourd’hui gratuits ou bon marché, seront proposés à des tarifs rédhibitoires, pourrons-nous nous en passer ? ». Et pour la recherche ? Sur le plan scientifique, l’IA générative est une boite noire, ce qui empêche la reproductibilité d’une action et rend impossible d’expliquer une sortie de ces modèles. Il faut donc être très prudent et critique dans son utilisation à des fins de recherche. « Pour la recherche agronomique, une autre méthode semble toute aussi prometteuse : les modèles de réseaux bayésiens », avance Emmanuelle Gourdain, responsable des innovations digitales chez Arvalis. « La méthode permet de formaliser les connaissances des experts et fournit une représentation graphique des connaissances, ce qui rend leur lecture très facile ». À la différence de l’IA générative, cette méthode permet de travailler sur des liens de cause à effet, qui sont le cœur de la recherche & développement. « Nous avons mis en œuvre les réseaux bayésiens dans le cadre du projet de recherche COMBHERPIC », explique Emmanuelle Gourdain. « Elle doit permettre d’identifier des combinaisons de leviers efficaces pour lutter contre les graminées adventices. Nous travaillons sur des variables d’intérêt, comme les facteurs qui vont jouer sur la nuisibilité liée aux adventices sur la culture : par exemple le désherbage, l’interculture, la rotation, le pouvoir couvrant d’une variété, etc. Le modèle permet de choisir et tester la combinaison de leviers la plus performante. C’est très encourageant ». Les équipes d’Arvalis mettent au point un outil de simulation qui intègre cette méthode, annoncé pour la mi-2026.

L’intelligence artificielle générative a le potentiel de révolutionner de nombreuses activités. L’agriculture et la recherche agronomique peuvent-ils y échapper ? Pour le directeur de l’ACTA et la responsable des innovations digitales chez Arvalis, l’intérêt de l’IA générative est réel. Mais cette technologie n’est pas magique.

Gestion de l'exploitation

Installation et transmission

Transitions

Innovation

Téléchargez la nouvelle application Pleinchamp !

Mercredi 04/02/2026

Claas réalise un investissement « stratégique » dans l’IA

Des images brutes aux informations sur chaque plante

Téléchargez la nouvelle application Pleinchamp ! Télécharger En savoir plus

Des images brutes aux informations sur chaque plante

Téléchargez la nouvelle application Pleinchamp !