Une nouvelle étude publiée dans la revue Ecological Informatics démontre que l'intelligence artificielle (IA) permet de prévoir les infestations de ravageurs agricoles avec une précision inédite par rapport aux méthodes traditionnelles. Menée par l'équipe de recherche de l'Université d'État du Texas (Texas A&M AgriLife), cette recherche vise à fournir aux agriculteurs une alerte précoce contre la mouche florale occidentale (thrips), un insecte destructeur capteur de virus. Le Dr Kiran Gadhave, entomologiste et chercheur principal à l'AgriLife Research, explique que la capacité de détecter un risque d'infestation une semaine avant sa manifestation change radicalement la donne. Passer d'une gestion réactive, où l'on intervient après les dégâts, à une approche prédictive permet de protéger les cultures avant que l'épidémie ne se propage. L'équipe, incluant le chercheur postdoctoral Arinder Arora et le pathologiste végétal Nolan Anderson, a utilisé l'apprentissage automatique pour analyser les dynamiques de population de ces ravageurs sur les cultures de tomates et de poivrons. Contrairement aux modèles classiques qui s'appuient sur quelques paramètres simples comme la température ou l'humidité, le nouvel algorithme a intégré des données massives provenant de près de 1 700 pièges collants jaunes installés chaque semaine. Le système a croisé ces comptages de ravageurs avec seize variables environnementales, incluant la vitesse et la direction du vent, les précipitations, ainsi que la taille de la population parentale observée quatorze jours plus tôt. Cette analyse multivariée a révélé que la taille de la population initiale deux semaines auparavant est le facteur prédictif le plus fort, suivi par la température, le vent et l'humidité. Les résultats ont montré une fiabilité exceptionnelle : les modèles ont prédit les populations de thrips avec une précision de 88 % en plein champ et de 85 % dans les tunnels à haute densité. Une découverte critique concerne les microclimats. La recherche a démontré que l'application de paramètres communs à des systèmes voisins, comme un champ à ciel ouvert et un tunnel, faisait chuter la précision du modèle. Cela prouve que même des environnements contigus se comportent comme des écosystèmes distincts en raison de leurs conditions microclimatiques spécifiques, nécessitant une modélisation locale rigoureuse. Cette technologie marque une évolution majeure pour l'agriculture moderne. En identifiant les risques avant qu'ils ne deviennent des pertes économiques, l'IA permet aux producteurs d'ajuster leurs interventions de manière ciblée et opportune. Le Dr Gadhave souligne que ces outils basés sur l'IA ne sont plus une perspective futuriste mais une réalité opérationnelle. L'Université d'État du Texas se positionne ainsi comme un leader dans le développement et le déploiement de ces solutions avancées, destinées à protéger les cultures contre divers ravageurs et maladies dans des contextes régionaux variés. Cette approche pourrait transformer la sécurité alimentaire en réduisant significativement les pertes de rendement liées aux infestations insectes.