[REPLAY Séminaire T-tAg] : Digitalisation agricole : penser l’innovation responsable / Le Global Wheat Head Challenge, Boris Biao et Etienne David – 07.10.2020

T-Tag, webinaires scientifiques de #DigitAg : les doctorants #DigitAg présentent leurs travaux de recherche

Revoir les interventions de nos 2 doctorants et les échanges qui ont suivi.

 


Enjeux et points de vigilance de la digitalisation agricole : penser l’innovation responsable, par Boris Biao

Le numérique transforme les exploitations agricoles, le secteur agricole et la société en général. Il s’accompagne d’une double responsabilité : répondre aux attentes de la société, et éviter les nuisances. Notre étude explore comment ces deux priorités sont prises en compte dans les écosystèmes d’innovation. Quelles sont les valeurs perçues de la transition numérique agricole et quels en sont les principaux points clé de vigilance ?

Sur la base d’une analyse des enjeux perçus et des risques de la transition numérique agricole, ce travail est une invitation à explorer ou parfois enrichir les processus d’innovation afin que les outils numériques commercialisés correspondent davantage à l’humain, la production et la planète, en d’autres termes, soient plus responsable.

Boris est agronome de formation, diplômé de la Faculté d’agronomie de l’université de Parakou au Bénin. Egalement diplômé en économie du développement agricole, de l’environnement et alimentation (ECODEVA) à l’institut Agro, il réalise sa thèse en sciences de gestion à l’institut Agro, campus de Montpellier. Il travaille sur l’innovation responsable en agriculture numérique.

Voir aussi: la page de Boris Biao


Global Wheat Head Challenge: un challenge de données pour compter automatiquement les épis, par Etienne David

Ouvrez votre garde-manger et vous trouverez probablement plusieurs produits à base de blé. En effet, votre pain grillé ou vos céréales du matin peuvent dépendre de cette céréale. Sa popularité en tant qu’aliment fait que le blé est largement étudié. Pour obtenir des données précises et complètes sur les parcelles d’expérimentations, les agronomes du monde entier évaluent manuellement sa densité, ce qui est un travail long et laborieux. Avec l’arrivée du phénotypage haut débit, et dans le cadre de projet comme PHENOME, des images à très hautes résolutions sont acquises et permettraient de compter les épis automatiquement. Les algorithmes de Deep Learning représentent une opportunité pour résoudre ce problème, mais leur robustesse est un vrai défi. C’est pourquoi, de mai à août, un challenge de donnée sur Kaggle a été organisé par 9 institutions de 7 pays, dont Arvalis et Inrae, et 2235 équipes ont coopéré à la création d’un modèle de détection d’épis. Quelles sont les résultats de cette compétition ? L’homme continuera t-il à compter les épis à la main la saison prochaine ?

Doctorant labellisé #Digitag, Etienne travaille entre l’Inrae et Arvalis au sein de l’UMT CAPTE à Avignon sur la conception d’algorithmes de Deep Learning pour le phénotypage en plein champ. Il était auparavant diplômé d’AgroParisTech et de l’Université Paris-Dauphine en Agronomie et Science des données, puis a travaillé comme Data Scientist à l’Agence Française de Développement.

Voir aussi: la page de Etienne David


Contact: sigolene.rousseau [AT] supagro.fr