Livre blanc sur l’intelligence artificielle générative en agriculture
L’Académie d’agriculture de France, l’Acta et la chaire AgroTIC ont publié un livre blanc, en juin 2026, consacré aux applications de l’intelligence artificielle générative (IAG) dans le secteur agricole, généralement désignés sous les appellations de « grands modèles de langage (LLM) » ou d’« agents conversationnels ». Ce document se fonde sur un groupe de travail et sur une série d’entretiens auprès de startups de l’AgTech, d’entreprises de l’agrofourniture, d’instituts techniques et de recherche, etc. Les principes de l’IAG sont abordés dans un premier temps, puis une typologie des différents usages en agriculture est proposée, chacun étant accompagné d’exemples d’applications. Un webinaire de présentation a été réalisé ainsi qu’une synthèse des entretiens.
L’intelligence artificielle recouvre un large champ scientifique et technique. L’apprentissage automatique (Machine Learning) constitue l’un des principaux domaines. Celui-ci comprend notamment l’apprentissage profond (Deep Learning), qui repose sur la technique des réseaux de neurones artificiels, avec différents champs d’application comme la vision par ordinateur et l’IAG. Cette dernière permet de produire des contenus complexes et originaux (textes, images, vidéos, sons, etc.) à partir d’instructions formulées par un utilisateur. Elle se caractérise par sa capacité à générer des réponses contextualisées, tenant compte par exemple de l’historique d’un échange conversationnel.
Deux grandes catégories d’applications de l’IAG en agriculture sont identifiées. La première concerne l’appui à différents métiers, dans les entreprises du secteur agricole. Elle peut y être mobilisée pour diverses activités : veille, assistance au codage informatique, automatisation de tâches administratives répétitives et à faible valeur ajoutée (ex. ChatCoop conçu spécifiquement pour les agents des coopératives agricoles). La seconde catégorie concerne l’accompagnement des agriculteurs et des conseillers. L’IAG peut améliorer l’ergonomie d’outils existants (logiciels de suivi des productions, outils d’aide à la décision), en facilitant leur prise en main ou en aidant au remplissage des données d’entrée, notamment grâce aux interactions vocales. Par exemple, TerraGrow centralise les données de plusieurs logiciels agricoles, pour fournir des analyses comptables et financières. Il propose désormais la transcription des notes manuscrites des carnets de tour de plaine, afin de contribuer au respect des nouvelles exigences de traçabilité prévues dès 2027, dans le cadre du registre phytosanitaire numérique. De nouveaux agents conversationnels sont également développés pour formuler des recommandations agronomiques (ex. ShaYoFae préconisant les variétés les plus adaptées à une parcelle), zootechniques (ex. Pig-GPT agent conversationnel dédié à la filière porcine) ou juridiques (ex. Lexagro).
Face aux enjeux du déploiement de l’IAG dans le secteur agricole (réduction des hallucinations, souveraineté numérique, coûts d’infrastructures, impact environnemental, qualité des données mobilisées), les auteurs formulent une série de recommandations. Ils préconisent notamment d’accompagner la montée en compétences des acteurs sur ces sujets. Ils suggèrent également de promouvoir une offre lisible de solutions interopérables alimentées par des données agricoles de qualité.
Jérôme Lerbourg, Centre d’études et de prospective