En 2021, l'équipe de développement produit de Blue Radix a lancé Crop Controller, la première solution commerciale du marché pour la culture autonome. Crop Controller permet aux producteurs d'atteindre de manière autonome le climat optimal qui correspond à leur stratégie de culture unique. L'équipe continue de développer et de travailler sur de nouveaux modules pour étendre davantage la culture autonome avec Crop Controller. Peter Goudswaard, développeur produit, et Csaba Balla-Somogyi, étudiant diplômé chez Blue Radix et étudiant en Master à l'Université de Technologie de Delft (TU Delft), racontent l'histoire. Peter explique les défis liés au développement du nouveau module d'irrigation, tandis que Csaba décrit son projet de fin d'études connexe chez Blue Radix.
Peter, quel est votre rôle chez Blue Radix, et sur quoi travaillez-vous actuellement concernant Crop Controller ?
Peter : « En tant que développeur produit, je suis impliqué dès l'idée initiale de nouveaux produits jusqu'à leur mise en œuvre au niveau opérationnel. Par exemple, je suis responsable de la conception de l'interface utilisateur du portail Crop Controller actuellement utilisé pour la gestion autonome du climat, et des projets de développement comme notre nouveau « module d'irrigation ». Nous avons déjà effectué des analyses de données approfondies à ce sujet. En particulier, nous voyons une grande valeur ajoutée dans le développement et la mise en œuvre d'un modèle d'irrigation autonome avec les clients utilisant déjà Crop Controller. »
Vous avez travaillé sur le contrôle climatique autonome de Crop Controller. Quelles leçons tirez-vous de cette version pour le nouveau module d'irrigation ?
Peter : « Ce que nous avons constaté jusqu'à présent avec l'actuel Crop Controller, c'est que les producteurs peuvent cultiver de manière autonome partout dans le monde grâce à nos algorithmes. Avec Crop Controller, nous obtenons déjà une prédiction du climat optimal pour les jours à venir. Ces données, ainsi que les données d'irrigation, nous permettent également de prédire et de contrôler l'irrigation optimale. Cette année, Blue Radix se concentrera sur l'extension des fonctionnalités de Crop Controller, y compris l'irrigation. Nous sommes donc très heureux d'avoir trouvé Csaba, un étudiant en Master à la TU Delft, qui rédige sa thèse de master sur l'irrigation autonome et qui nous soutient dans le développement du module d'irrigation. »
Csaba, qu'étudiez-vous et comment le modèle d'irrigation autonome s'inscrit-il dans vos études ?
Csaba : « Je suis un étudiant de 25 ans en Systèmes et Contrôle, un programme de master à la TU Delft, axé sur les aspects théoriques du contrôle, avec un accent sur les algorithmes modernes. J'ai su dès le début que je voulais faire quelque chose de pratique pour mon projet de fin d'études, à savoir développer un algorithme de contrôle pour un problème spécifique, tel qu'un modèle d'irrigation autonome pour Crop Controller. L'objectif de ma recherche de fin d'études est de développer et de comparer des algorithmes afin de trouver la solution qui correspond le mieux au problème d'irrigation. Mon superviseur Peter m'a donné la liberté de décider dès le début de l'approche à adopter pour ma recherche. »
« Je me suis intéressé à l'horticulture au cours de mon année et demie d'études aux Pays-Bas. Je viens de Hongrie, un pays agricole, mais qui n'est pas aussi avancé ou high-tech que l'horticulture néerlandaise. Il est fascinant de voir comment la technologie avancée s'associe à l'expérience des maraîchers pour atteindre un seul objectif : nourrir la population mondiale croissante de la manière la plus efficace possible. Je vois de nombreuses opportunités dans ce secteur, et je suis très motivé par le sujet. »
Vous travaillez tous deux sur le modèle d'irrigation dit autonome. Quels sont les défis que vous rencontrez ?Peter : « Pour les producteurs, l'irrigation est une routine quotidienne, mais ils doivent également effectuer des ajustements quotidiens, ce qui est très chronophage. L'approvisionnement en eau dépend du développement de la plante et des conditions climatiques, qui fluctuent quotidiennement. Dans la configuration actuelle, le producteur ne peut ajuster l'irrigation qu'après coup. Grâce à Crop Controller, nous disposons d'une prévision climatique pour les jours à venir, ce qui nous permet également de prédire la demande en eau et d'anticiper à temps.
Actuellement, l'atteinte de la meilleure irrigation possible exige également une grande attention de la part du producteur. Elle se concentre principalement sur un développement racinaire sain de la plante et la prévention du stress hydrique, mais aussi sur la régulation de la croissance générative et végétative. Ce sont autant de défis à prendre en compte dans le processus de développement de l'irrigation autonome.
Les producteurs intègrent déjà ces problématiques dans leurs stratégies d'irrigation. Pour nous, la tâche essentielle est de rendre cela piloté par les données avec l'irrigation autonome, en anticipant les développements de la croissance de la plante et le climat prédit. Nous développons un modèle évolutif qui prédit et contrôle l'arrosage avec Crop Controller. »
Csaba ajoute : « Parce que les balances de substrat mesurent non seulement la teneur en eau, mais aussi le poids du substrat, de la zone racinaire et de la plante par exemple, une analyse approfondie des données est nécessaire pour distinguer l'absorption d'eau par la plante, pour la transpiration et la croissance végétale. »
Quels conseils pouvez-vous donner aux producteurs pour étendre la culture autonome ? Que doivent-ils faire pour que leurs données travaillent pour eux ?
Peter : « Gardez l'objectif final à l'esprit. Les algorithmes peuvent générer des résultats surprenants pour atteindre la stratégie de culture souhaitée. À première vue, ils peuvent s'écarter des routines humaines quotidiennes car ils prennent des décisions différemment des humains. C'est alors qu'il est tentant de corriger immédiatement et d'ignorer de telles décisions. C'est dommage, car après tout, les algorithmes prennent en compte beaucoup plus de points de données dans les compromis et calculent l'optimum avec une très haute fréquence.
Avec la culture autonome, le travail des producteurs évolue. Au lieu de penser en « points de consigne », le producteur peut se concentrer davantage sur les objectifs de haut niveau et la stratégie de culture. Le producteur peut laisser les algorithmes se charger de la réflexion complexe, y compris l'exécution associée. »
