•  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  

Améliorer l'agriculture grâce à l’intelligence artificielle

Le reportage de Miriane Demers-Lemay

L'intelligence artificielle pourra bientôt être au service de l'agriculture. Une équipe de chercheurs de l'Université de la Saskatchewan élabore des outils avec cette technologie, qui permettront à long terme de faciliter la sélection des meilleures semences à cultiver.

Un texte de Miriane Demers-Lemay

Faire pousser des cultures qui produisent plus avec moins de ressources, ou qui sont résistantes à la sécheresse, à la chaleur ou au froid.

C’est ce que l’homme fait depuis des milliers d’années, en effectuant le croisement des plants.

Une équipe d’une cinquantaine de chercheurs de l’Université de la Saskatchewan tente maintenant d’accélérer ce processus grâce à l’intelligence artificielle.

Des photos et des gènes

Le professeur en sciences informatiques Ian Stavness regarde des photographies de plants de canola en fleurs sur son ordinateur. Le nombre de fleurs influe sur le nombre de graines, et par conséquent, la quantité d’huile de canola produite.

Ian Stavness observe sur son ordinateur les photos tirées de rangées de plants cultivés.Ian Stavness observe les photos tirées de rangées de plants cultivés. Photo : Radio-Canada / Albert Couillard

Or, compter le nombre de fleurs pour des millions de plants est un exercice laborieux, qui peut être facilité par une technique phare de l’intelligence artificielle, nommée l’apprentissage profond. Une technique qui permettra de cibler rapidement les plants pourvus du plus grand nombre de fleurs pour les croisements.

Qu’est-ce que l’apprentissage profond?

Il s’agit d’une technique basée sur un réseau de neurones artificiels qui permet à un programme d'apprendre à reconnaître un objet ou un patron précis dans un ensemble de données. Par exemple, on « entraîne » le programme en lui injectant des milliers d’images de fleurs de canola. Chaque fois, on indique à l’ordinateur combien de fleurs de canola s’y trouvent. Une fois « entraîné », le programme pourra « calculer » le nombre de fleurs de canola sur de nouvelles images.

Si des températures basses et de la sécheresse sont attendues à cause du phénomène climatique La Niña, il faudra que les experts croisent rapidement les plants qui pourront tolérer ces conditions, explique le professeur en sciences informatiques Tony Kusalik.

Un objectif qu’il sera possible de réaliser en croisant les plants possédant les bons gènes. Mais comment les reconnaître? La plupart des traits morphologiques sont codés par plusieurs gènes, qui agissent ensemble et qui sont difficiles à cerner, explique-t-il.

Voilà pourquoi, dans un autre secteur de l’Université, son équipe se penche sur une autre facette du problème : les gènes.

Le professeur en sciences informatiques Tony Kusalik (à droite), regarde les résultats de ses étudiantes au 2e cycle, Yan Yan (à gauche) et Jinhong Shi (en bas, à droite).Le professeur en sciences informatiques Tony Kusalik (à droite), regarde les résultats de ses étudiantes au 2e cycle, Yan Yan (à gauche) et Jinhong Shi (en bas, à droite). Photo : Radio-Canada / Miriane Demers-Lemay

« On essaie de faire le pont entre les gènes et les caractéristiques morphologiques de la plante », explique le candidat au doctorat en sciences informatiques Logan Kopass.

Sa collègue, la candidate au postdoctorat Yan Yan, travaille avec des banques de données génétiques. Dans son ordinateur, chaque petit point jaune indique la présence d’un gène. Les points bleus indiquent la présence de mutations sur certains de ces gènes. Ces points bleus sont des suspects potentiels pour expliquer la présence d’un caractère donné, comme le fait qu’une plante va fleurir plus tôt qu’une autre.

La candidate au postdoctorat Yan Yan travaillent avec des banques de données génétiques. Les points jaunes indiquent la position d'un gène, tandis que les points bleus indiquent la présence de mutations sur ces gènes.La candidate au postdoctorat Yan Yan travaille avec des banques de données génétiques. Les points jaunes indiquent la position d'un gène, tandis que les points bleus indiquent la présence de mutations sur ces gènes. Photo : Radio-Canada / Albert Couillard

« Comment sait-on que telle mutation va avoir un effet sur la période de floraison? demande-t-elle. On peut utiliser ce type de technologie afin de le savoir. » Cette technologie a en effet la capacité d’analyser ces immenses banques de données, comme les millions des lettres A, G, T, et C, correspondant aux nucléotides des brins d’ADN.

Des défis de taille

Toutefois, le travail des informaticiens n’est pas sans défi. « L’intelligence artificielle a été utilisée avec succès dans nombre d’applications, mais elle n’a pas encore été utilisée avec ce type de problème, explique M. Kusalik. C’est ce que nous essayons de faire. »

Pour trouver des informations dans ces banques de données, la technologie de l’apprentissage profond a besoin d’analyser des millions de cas. La machine a donc besoin, normalement, d’analyser des millions de photos de blé pour apprendre à identifier du blé.

Or ces données manquent. Établir le profil génétique d’un plant est très coûteux. Même chose pour les photos qui, si elles sont plus nombreuses que les génotypes, demandent un immense effort de travail sur le terrain, puisqu’elles sont prises par des drones, des personnes tenant une caméra au bout d’une perche et des caméras fixées dans les champs.

Une caméra fixée dans un champ enregistre des images des plants en croissance tout au long de l'été.Les photos analysées par l'équipe d'informaticiens dirigée par Ian Stavness sont prises par des drones, des personnes tenant une caméra au bout d’une perche. Ici, une caméra fixée dans un champ enregistre des images des plants en croissance tout au long de l'été. Photo : soumis par Ian Stavness

Les chercheurs tentent donc d’améliorer la performance des outils en intelligence artificielle pour améliorer l’efficacité des croisements. Mais ils ne travaillent pas seuls.

C’est un projet multidisciplinaire où l’on collabore avec des experts des cultures, des ingénieurs, des informaticiens, des personnes qui travaillent au synchrotron et des experts des politiques publiques », s’enthousiasme le professeur en sciences informatiques de l’Université de la Saskatchewan Tony Kusalik.

Les chercheurs espèrent que le projet sera d’autant plus utile pour adapter les cultures aux événements extrêmes attendus avec les changements climatiques.

« Ces informations seront aussi des assises pour d’autres études en biologie », conclut-il.

Saskatchewan

Agro-industrie