Projet de recherche collaborative « Prévision du mildiou par l'IA »
Mildiou dans la vigne
Le mildiou est une maladie végétale qui peut causer de gros dégâts dans la viticulture. Comme l'intensité de l'attaque dépend des conditions météorologiques locales et du microclimat, il existe de grandes différences régionales dans toute la Suisse. Pour lutter contre le mildiou, on utilise des produits phytosanitaires (PPh) qui doivent parfois être appliqués en grandes quantités.
Potentiel de dégâts très élevé
Infestation très variable selon les régions
Grandes quantités de PPh
Traitement ciblé et préventif sur la base d'un pronostic précis
Pour une utilisation ciblée des produits phytosanitaires, les modèles de prévision, qui fournissent des informations fiables sur les infections à venir, sont essentiels.
Ces dernières années, de nouvelles méthodes issues de l'apprentissage automatique ont été mises à profit dans différents domaines de recherche pour la recherche pratique. Grâce à l'intelligence artificielle, les modifications de l'environnement (climat, utilisation de produits phytosanitaires, etc.) sont traités plus rapidement, c'est-à-dire en temps réel, et les conditions locales sont intégrées dans les prévisions. Nous avons donc désormais la possibilité de faire des prévisions plus spécifiques à l'exploitation.
Modèles de prévision pris en charge par l'IA
-
Intègrent les modifications de l'environnement en temps réel dans les prévisions (climat, utilisation de PPh).
-
permettre des prédictions plus spécifiques à la ferme
Des données locales comme base de travail
La condition préalable au développement de modèles est une bonne base de données. C'est pourquoi nous travaillons dans toute la Suisse avec 86 exploitations viticoles qui participent au projet et apprennent avec nous dans une première phase pilote. Les exploitations ont accès aux données météorologiques spécifiques à l'exploitation, qui sont collectées par les stations météorologiques de databaum. Ces données sont aujourd'hui déjà intégrées dans un modèle mécaniste et permettent ainsi d'établir des prévisions spécifiques à l'exploitation en ce qui concerne le risque d'infection.