Jusqu'au grain près : comment John Deere utilise l'IA industrielle pour augmenter les rendements des cultures grâce à l'agriculture de précision

Récemment, Le Verge s'est entretenu avec Jahmy Hindman, CTO de John Deere, au sujet de la transformation des équipements agricoles de l'entreprise au cours des trois dernières décennies, qui sont passés d'équipements purement mécaniques à ce que Jahmy appelle des « suites de capteurs mobiles dotées de capacités de calcul ». Cela s'inscrit dans le cadre de la stratégie « smart industrial » de John Deere. Plutôt que de se contenter de vendre un équipement, la stratégie « smart industrial » consiste à fournir le système complet (équipement, données, analyse et automatisation) dont les agriculteurs ont besoin pour apporter un soin personnalisé (quantité exacte d'eau, de nutriments et de pesticides) à grande échelle à chacune des dizaines de milliers de plantes par acre (multiplié par des milliers d'acres par exploitation), ce qui permet d'augmenter les rendements et de réduire le gaspillage.

Lors du Data + AI Summit (DAIS) de cette année, Gregory Finch (ingénieur logiciel principal senior, Groupe Solutions Intelligentes) et Jake Sankey (chef de produit technique, Plateformes de données et d'analytique d'entreprise) de John Deere ont présenté en détail la plateforme de données qui rend cela possible lors de leur keynote sur l'industrie manufacturière. La quantité de données générées par les équipements doublant ou triplant chaque année, Deere avait besoin d'une plateforme de données capable de gérer ce volume de données, aujourd'hui comme demain, d'intégrer facilement de nouvelles sources de données (par ex., la météo), puis de les unifier afin que les différentes équipes en aval (comme les Ventes, le service ou Data Engineering) puissent améliorer les résultats des clients.

Comme l'a expliqué Jake, « notre stack Technologie est vraiment vaste... Elle se compose d'éléments embarqués et externes. » Du côté embarqué, nous avons des capteurs, des tonnes. Nous avons des systèmes de vision, des systèmes de guidage et une connectivité sans fil. Côté externe, nous avons une infrastructure et un stockage cloud, ainsi que des services évolutifs qui nous permettent de recevoir, de traiter et d'analyser toutes ces données. C'est cette stack qui nous permet d'aider nos clients à être plus productifs et à mieux réussir. »

Par exemple, il cite la X9 Combine (la machine qui récolte les céréales) où « les caméras surveillent en continu les images des grains jusqu'aux grains individuels lorsqu'ils sont transportés par l'élévateur de la moissonneuse-batteuse et déversés dans la trémie. » Nous utilisons le machine learning pour analyser la qualité du grain et ajuster automatiquement les parameters de fonctionnement de la machine si des dommages sont détectés sur les grains.

Ce type de progrès n'aide pas seulement l'agriculteur, mais présente également des avantages sociaux plus larges. Grâce à l'agriculture de précision, les agriculteurs peuvent réduire de 70 % l'utilisation de produits chimiques, réduisant ainsi l'impact environnemental de la surutilisation des pesticides.

Tout au long de cette présentation, Jake et Greg expliquent comment une entreprise vieille de 184 ans mène la transformation du secteur d'activité, à mesure que les données et l'intelligence artificielle (IA) deviennent des outils de plus en plus importants, de l'exécution en atelier au fonctionnement entre les mains du client.