IA et plantes : ⚡ décoder les signaux électriques
Découvrez comment l’IA et plantes décodent les signaux électriques via capteurs agricoles : usages, limites et agriculture de précision pour optimiser vos cultures.
L'IA peut-elle comprendre les signaux électriques des plantes ?
Une plante ne parle pas. En revanche, ses tissus produisent des signaux électriques qui changent selon son état et son environnement. Une jeune entreprise américaine, Electric Plant, veut exploiter ces variations avec des capteurs relativement peu coûteux et un modèle d'intelligence artificielle baptisé Bombadil. L'idée : aider les agriculteurs et les gestionnaires forestiers à mieux comprendre ce dont les végétaux ont besoin, puis à adapter leurs pratiques.
Sur le papier, ça ne relève pas juste de la curiosité scientifique. Sur le terrain, décider quand arroser, fertiliser ou intervenir reste compliqué, même dans des serres très contrôlées. Les mesures du sol, les images satellites et les observations visuelles donnent des indices, mais souvent indirects. Electric Plant affirme pouvoir compléter ces outils en mesurant des signaux électriques directement dans la plante.
Cela dit, il faut faire la part entre une promesse technologique et une preuve solide à grande échelle. Un modèle qui repère des motifs électriques ne « traduit » pas forcément une langue végétale au sens humain. La vraie question pour les pros est plus terre-à-terre : est-ce que cette mesure améliore les décisions, les rendements et l'usage des ressources, à un coût acceptable ?
Dans cet article, on revient sur le fonctionnement annoncé de Bombadil, les usages possibles en agriculture et en foresterie, et les limites techniques et économiques à vérifier avant d'y voir une nouvelle norme.
Ce que mesure Electric Plant
Electric Plant est une jeune pousse fondée par Justin Mast, entrepreneur, et Lee von Kraus, neuroscientifique ayant travaillé avec la DARPA. D'après les informations rapportées par TechCrunch, l'équipe travaille depuis environ trois ans à la collecte de données et au développement de Bombadil. Le but est d'interpréter des signaux électriques relevés sur les plantes.
L'idée de départ vient d'une expérience : une plante d'intérieur posée sur un support motorisé se rapprochait d'une source lumineuse lorsque ses signaux électriques semblaient indiquer un besoin de lumière. Plus largement, ce résultat s'inscrit dans une réalité connue en biologie : les plantes réagissent à leur environnement, et certaines de ces réactions s'accompagnent de variations électriques mesurables.
Des signaux biologiques, pas un langage humain
Le mot « traduction » est tentant, mais il peut tromper. Pour l'instant, Electric Plant ne dit pas que les plantes « parlent » comme des humains. Le système vise plutôt à relier des configurations électriques à des états ou à des besoins observables : manque d'eau, variations de lumière, ou réponse à d'autres conditions de culture.
Le point clé, c'est qu'on peut trouver une corrélation entre un signal et une situation sans connaître (ni forcément comprendre) le mécanisme biologique exact derrière. Utile pour décider, oui. Mais ça ne veut pas dire pour autant qu'on a « décrypté » une grammaire végétale. Pour savoir ce que l'outil mesure réellement, il faudra comparer les prédictions à des observations indépendantes, dans des protocoles reproductibles.
Des capteurs fixés sur la plante
Les capteurs d'Electric Plant auraient une forme proche d'un téléphone plié sur sa longueur. Ils sont fixés à la plante à l'aide de vis en acier inoxydable, conçues pour atteindre le cambium, une couche de tissu vivant sous l'écorce. L'objectif affiché est de capter des variations de l'ordre du microvolt.
Les mesures sont ensuite envoyées sans fil vers une station de base, puis traitées dans le cloud par Bombadil. L'entreprise indique qu'il suffirait de quelques capteurs par acre pour obtenir une lecture exploitable. Elle avance aussi un coût de quelques dizaines de dollars, quand certains équipements existants peuvent coûter plusieurs milliers de dollars.
Le principe peut être prometteur, mais l'exécution compte autant. La précision dépendra de la stabilité des capteurs, de la façon dont ils sont installés, de la qualité du signal dans des conditions réelles et de leur tenue dans le temps. Une mesure simple en laboratoire peut devenir plus délicate sur une exploitation, avec les intempéries, les vibrations, les variations de température et les interventions humaines.
Du signal électrique à la décision agricole
Electric Plant présente Bombadil comme capable d'interpréter des signaux provenant d'environ 125 espèces. La liste citée par les fondateurs regroupe des plantes très différentes : fougères, séquoias, tomates, dahlias. L'entreprise présente cette diversité comme un atout, face à des approches limitées à une seule espèce.
Mais reconnaître un signal, ce n'est pas encore prendre une décision. Pour que ça serve vraiment, il faut que l'information arrive au bon moment, soit assez fiable, et débouche sur une action claire pour le professionnel. En clair : l'enjeu n'est pas seulement la « performance » du modèle, c'est sa capacité à améliorer un processus concret.
De la mesure à l'action
Le schéma opérationnel annoncé est assez direct : les capteurs recueillent les données, le réseau les transmet, Bombadil les interprète, et le client reçoit des indications qui peuvent influencer ses pratiques. Par exemple, un exploitant pourrait ajuster un calendrier d'irrigation ou modifier un apport d'engrais.
Pour que cette boucle fonctionne en pratique, plusieurs points doivent être résolus :
- Quel besoin est détecté ? Le signal électrique doit correspondre à une situation précise, pas à une étiquette trop vague du type « stress ».
- Avec quel niveau de confiance ? Le système devrait indiquer si le résultat est clair, ambigu ou hors de son domaine de validité.
- Quelle action est recommandée ? Une alerte sans suite concrète ajoute souvent du travail, sans vraiment aider.
- Quel est le délai utile ? Une information reçue après le moment où il aurait fallu agir a peu de valeur.
- Le résultat est-il vérifiable ? L'agriculteur doit pouvoir comparer la recommandation avec des mesures existantes et ce qui se passe réellement sur sa parcelle.
Au fond, on retrouve des questions similaires à celles des outils d'aide à la décision utilisés en agriculture de précision. Les capteurs de sol, les stations météo, l'imagerie et les observations terrain ne disparaissent pas forcément. Le signal électrique viendrait compléter ces sources, notamment quand il renseigne davantage sur l'état interne de la plante que sur l'environnement autour.
Les usages possibles en France et en Europe
Les premiers cas d'usage semblent plutôt ciblés sur des environnements où une mesure plus fine peut justifier l'installation et le suivi : serres, pépinières, cultures à forte valeur, vergers, et plantations forestières. En serre, par exemple, mieux comprendre le stress hydrique pourrait aider à ajuster l'irrigation. En pépinière, suivre des lots de jeunes plants peut aussi permettre de repérer plus tôt une dérive.
En forêt, l'idée de capteurs répartis sur des arbres pourrait, à terme, aider à surveiller l'état de plantations ou de peuplements. Mais passer d'une démonstration sur quelques arbres à une surveillance fiable sur de grandes surfaces pose des problèmes très concrets : couverture, entretien, connectivité. L'annonce « quelques capteurs par acre » devra être évaluée en fonction des espèces, des conditions locales et du type de décision attendu.
Pour un exploitant français, la valeur dépendrait moins du caractère spectaculaire de l'IA que d'un calcul simple : combien ça coûte à installer, combien de temps ça prend, et quel gain mesurable ça apporte. Une baisse de la consommation d'eau peut être intéressante, mais elle doit être comparée à une référence équivalente, sur plusieurs cycles, en tenant compte de la météo.
Les promesses et les limites à vérifier
Electric Plant affirme que son système pourrait augmenter les rendements tout en réduisant la consommation d'eau de 20 % ou plus. C'est une promesse commerciale, mais il ne faut pas la présenter comme un résultat déjà établi pour toutes les cultures. L'article de TechCrunch rapporte les déclarations de l'entreprise ; il ne remplace pas une validation indépendante des performances.
En pratique, attribuer des gains à une seule technologie est rarement simple. Le climat, le type de sol, le choix des variétés, les pratiques de l'exploitation et l'équipement existant jouent tous un rôle. Un essai sérieux devra donc comparer des parcelles ou des périodes proches, définir les indicateurs retenus et détailler les conditions dans lesquelles les gains auraient été obtenus.
Le risque de surinterpréter les données
Bombadil serait entraîné avec des données issues de plusieurs espèces. C'est potentiellement utile, mais la diversité ne garantit pas automatiquement la généralisation. Deux plantes peuvent produire des signaux différents dans des situations comparables ; inversement, des signaux proches peuvent correspondre à des causes différentes. Il faudra regarder l'effet de la variété, de l'âge de la plante, de la saison et du mode de culture.
Le risque opérationnel, c'est la fausse assurance. Si l'outil conclut que tout va bien alors qu'un stress est présent, l'exploitant peut retarder une intervention. À l'inverse, trop d'alertes peut fatiguer les utilisateurs et les pousser à ignorer les résultats. Pour limiter ça, le système devrait afficher ses incertitudes, garder un historique consultable et permettre de confronter les recommandations à l'expérience du terrain.
L'installation et l'impact sur le végétal
D'après la description, mesurer suppose d'aller jusqu'au cambium. Ça soulève une question pratique : quel est l'impact de l'installation sur la plante, surtout si le capteur reste en place longtemps ou si des mesures sont répétées ? Une vis peut sembler simple et peu coûteuse, mais les effets peuvent varier selon l'espèce, la taille de l'arbre, le site et l'état sanitaire.
Il faudra documenter les dommages éventuels, le risque d'infection, la tenue mécanique et la fréquence de maintenance. Sur une culture annuelle, les contraintes ne sont pas les mêmes que sur un arbre destiné à rester en place pendant des années. Et même si le coût d'achat est bas, ce n'est pas suffisant si la pose demande du spécialiste ou si le matériel doit être remplacé souvent.
La question des données et du cloud
Bombadil traite les données dans le cloud. Concrètement, ça simplifie le déploiement, mais ça crée des dépendances : qualité de la connectivité, disponibilité du service, coûts récurrents et maîtrise des données. En contexte européen, les clients devront savoir quelles données sont collectées, où elles sont hébergées, combien de temps elles sont conservées et qui peut y accéder.
Le RGPD concerne les données personnelles. Les mesures agronomiques ne sont pas forcément personnelles en elles-mêmes, mais elles peuvent être rattachées à une exploitation, à un entrepreneur individuel ou à des informations commerciales sensibles. Les entreprises agricoles devraient donc vérifier les clauses contractuelles, la sécurité, les options d'export et la portabilité des données avant de mettre un service cloud au cœur de leurs opérations.
Un modèle économique à éprouver sur le terrain
Electric Plant a annoncé une levée de fonds d'amorçage de 11,2 millions de dollars, menée par Onto Ventures et Climactic, avec plusieurs autres investisseurs. Ce financement sert à développer les capteurs et le modèle avant une commercialisation plus large. Il montre un intérêt pour l'application de l'IA à la biologie végétale, mais ce n'est pas une preuve d'adoption à grande échelle.
Le marché agricole est exigeant : les ventes peuvent prendre du temps, les marges sont parfois serrées, et les décisions d'investissement dépendent des saisons et de résultats observables. Un produit techniquement intéressant peut rester trop compliqué à déployer ou pas assez rentable pour l'utilisateur final. Le point décisif, c'est la répétabilité : le dispositif donne-t-il des résultats cohérents sur plusieurs exploitations, plusieurs espèces et plusieurs campagnes ?
Les critères d'un pilote utile
Avant d'étendre l'outil, un exploitant ou une coopérative peut cadrer un pilote avec quelques indicateurs précis :
- Définir une décision ciblée, par exemple le déclenchement de l'irrigation, plutôt que « mesurer la santé des plantes ».
- Établir une référence, avec les méthodes déjà utilisées, leur coût et leurs limites.
- Comparer des conditions équivalentes, en tenant compte du sol, de la variété, de la météo et du calendrier cultural.
- Mesurer les résultats économiques, incluant coût d'installation et de maintenance, consommation d'eau, intrants, et valeur de la récolte.
- Tester l'usage réel, notamment le temps de pose, la façon dont les alertes sont lues et la manière dont elles s'intègrent aux pratiques existantes.
- Prévoir une sortie, avec l'accès aux données et la possibilité de continuer sans dépendre d'un fournisseur unique.
Ce cadre évite de confondre une démonstration convaincante avec un investissement rentable. Il permet aussi de comparer la solution à des alternatives plus simples : améliorer le pilotage météo, installer des sondes de sol, ou renforcer le suivi agronomique. La « bonne » technologie n'est pas celle qui multiplie les indicateurs ; c'est celle qui change utilement une décision.
Une IA utile si elle reste vérifiable
Le projet est intéressant parce qu'il cherche à mesurer « dans la plante ». Mais la valeur durable ne viendra pas d'un récit sur une conversation entre l'humain et le végétal. Elle dépendra surtout de la qualité des données, de la robustesse des prédictions et de la capacité à relier une alerte à une action concrète, rentable et responsable.
Pour les acteurs européens, les critères d'achat devraient inclure la transparence sur les performances, la possibilité de tester localement, et une documentation claire des limites et des conditions d'utilisation. Une IA agricole ne devrait pas remplacer le jugement d'un agronome ou d'un exploitant. Elle peut réduire l'incertitude, à condition de montrer ce qu'elle sait mesurer - et ce qu'elle ne sait pas encore conclure.
Conclusion
Electric Plant propose une approche originale : mesurer les variations électriques des plantes et utiliser l'IA pour en tirer des indications exploitables. Si les performances annoncées se confirment, la technologie pourrait compléter les outils de l'agriculture de précision en apportant une lecture plus directe de l'état des végétaux.
Mais le sujet n'est pas de savoir si une IA peut « parler aux plantes ». La question utile, c'est plutôt : est-ce que les données améliorent une décision, sans ajouter un coût ou une fragilité disproportionnés ? Les affirmations sur les rendements et l'économie d'eau doivent être testées dans des conditions comparables, et les enjeux autour des capteurs, du cloud et de la fiabilité doivent être documentés.
Pour les exploitants et les acteurs de la filière, la démarche la plus pragmatique consiste à sélectionner un cas d'usage précis, comparer avec les outils existants et mesurer le retour sur investissement sur le terrain. C'est comme ça qu'une innovation, finalement, devient - ou non - un outil agricole fiable.