Imagine if plants could signal when they are thirsty. L’agriculture repose sur un équilibre subtil entre les cultures, le sol et le climat, mais la sécheresse, l’un des stress les plus silencieux, n’est généralement détectée que lorsqu’elle a déjà causé des dommages visibles. Traditionnellement, les agriculteurs et chercheurs ont recours à des méthodes coûteuses, lentes et souvent destructrices — comme l’analyse des feuilles jaunies, les prélèvements invasifs ou des instruments sophistiqués. Mais que serait-il si l’on pouvait détecter les signes précoces et invisibles de stress hydrique, rapidement, à faible coût et à grande échelle, à partir de simples photos de plantes ? C’est cette question qui a inspiré une collaboration entre l’ICAR en Inde, le Ramakrishna Mission Vivekananda Educational and Research Institute (RKMVERI) et l’Université du Queensland, en Australie. Le résultat : le système IDSDS (Intelligent Decision Support for Drought Stress), une plateforme innovante qui combine intelligence artificielle, télédétection et physiologie végétale pour transformer des images RGB ordinaires en outils puissants de surveillance de la sécheresse. Dirigé par le Dr. Sumanta Das (RKMVERI), l’équipe a publié sa recherche dans Computers and Electronics in Agriculture. Dans un contexte où près de 42 % des terres agricoles indiennes sont touchées par la sécheresse, et 6 % classées comme extrêmement sèches, les méthodes actuelles — comme la mesure de la teneur en eau des feuilles ou de la conductance stomatique — restent peu pratiques à grande échelle. L’image RGB, bien que peu coûteuse et accessible via smartphone, ne fournit que des indices visuels grossiers, souvent ambigus en cas de stress multiples. L’objectif était donc de combiner l’accessibilité de l’image couleur avec la précision des données hyperspectrales. Le cœur de IDSDS repose sur un modèle d’apprentissage profond (CNN) entraîné sur des paires d’images RGB et hyperspectrales de blé cultivé sous conditions de sécheresse ou d’irrigation optimale. À partir de plus de 4 800 images RGB et 400 cubes hyperspectraux, le modèle a réussi à reconstruire avec une grande fidélité les spectres manquants — atteignant un indice de similarité (SAM) de 0,12, très proche des données réelles. Pour faciliter l’interprétation par les agriculteurs, l’équipe a développé un nouvel indicateur : le Greenness Coefficient (GC), une métrique phénologique qui traduit la couleur verte à partir de l’espace HSV sur une échelle de 0 à 500. Ce coefficient révèle des variations subtiles invisibles à l’œil nu et permet de localiser précisément le stress au sein de la plante, créant ainsi une « carte numérique de santé ». IDSDS va plus loin : à partir des spectres reconstruits, il calcule plusieurs indices spectraux (NDVI, PRI, PSRI, ARI, WBI), offrant une vue multimodale du stress. Par exemple, une baisse du GC indique un jaunissement précoce, tandis qu’une augmentation du PSRI confirme une sénescence accélérée. L’intégration de plusieurs indices réduit les ambiguïtés. Le système inclut également un moteur de classification basé sur des algorithmes comme la forêt aléatoire, qui atteint une précision de 99 % et un AUC de 1,0 pour sept catégories de stress, allant de l’état optimal à la sécheresse sévère. Les résultats sont présentés sous forme de Digital Stress Chart (DSC), une carte visuelle de la répartition spatiale du stress, renforçant la confiance et la compréhension des utilisateurs. Les enseignements clés : les images RGB, combinées à l’IA, peuvent révéler des informations physiologiques auparavant réservées aux capteurs coûteux. En exploitant les smartphones déjà présents dans les exploitations, IDSDS rend la détection de la sécheresse abordable et évolutif. Mais l’efficacité repose aussi sur la transparence : les outils doivent être interprétables pour être utiles. Face au changement climatique, avec des précipitations imprévisibles et des épisodes de sécheresse plus fréquents, IDSDS offre une solution précoce, fiable et évitable. Un fermier pourrait prendre une photo avec son téléphone, l’envoyer sur la plateforme, et recevoir une classification instantanée et une carte de stress. Comme le souligne le Dr. Das : « Transformer chaque appareil photo en outil scientifique pour la résilience des cultures, et chaque agriculteur en décideur basé sur les données. » Ce projet répond à une question fondamentale : et si les plantes parlaient déjà ? Leur voix se cache dans des changements de couleur et de spectre. IDSDS est un interprète — un pas décisif vers une agriculture plus intelligente, préventive et résiliente.