Un robot cueilleur de fraises de la Washington State University (WSU) améliore la récolte grâce à un ventilateur

Des chercheurs indiquent qu’un robot cueilleur de fraises qui souffle les feuilles pour les écarter avant d’attraper le fruit améliore le taux de réussite de la récolte en conditions réelles.

Cette progression rapproche l’un des travaux agricoles les plus délicats d’une assistance mécanique, même si, à ce jour, les personnes restent plus rapides.

Comment fonctionnent les robots

Dans les planches de fraises en plein air, les fruits mûrs se retrouvent souvent dissimulés sous des feuilles, ce qui masque la vision d’une machine et réduit son accès.

À la Washington State University (WSU), des ingénieurs ont décrit précisément cet obstacle, puis ont conçu un robot capable de dégager la zone avant de tenter la cueillette.

Lors des essais au champ, le taux de cueillette est monté à 73.9% avec le ventilateur, contre 58.1% sans ce dispositif.

Malgré ce gain, la récolte d’une baie demandait encore environ 20 secondes. Cette contrainte maintient la pression sur la main-d’œuvre au cœur du sujet.

Pénuries de main-d’œuvre en agriculture

Dans l’État de Washington, la main-d’œuvre agricole a reculé de 23% entre 2017 et 2022, tandis que la main-d’œuvre migrante a diminué de 37%.

La tension se fait particulièrement sentir sur les emplois liés aux fruits, dans les vergers et les champs de petits fruits, où les récoltes mûres doivent être repérées, évaluées, puis prélevées avec une grande délicatesse.

« La récolte à la main coûte beaucoup d’argent », a déclaré Lav Khot, professeur d’agriculture de précision au Department of Biological Systems Engineering de la WSU.

C’est précisément ce type de pression qui pousse la WSU à développer des aides à la récolte destinées à réduire la pénibilité, plutôt que d’attendre un récolteur entièrement autonome.

Robotique souple dans les vergers

Une autre équipe de la WSU a mis au point un bras de récolte pour pommes, souple et gonflé à l’air, capable d’opérer près des branches sans abîmer les fruits.

Grâce à un corps en tissu à la fois léger et docile, le dispositif limite le risque de meurtrir les pommes ou d’accrocher les membres.

Les rangs de verger modernes, déjà conduits en parois plus plates, se prêtent bien à cette approche, car des espaces plus rectilignes offrent des trajectoires plus simples aux machines.

La sécurité, à elle seule, ne résoudra pas le manque de personnel, mais elle illustre la manière dont les équipements de verger sont repensés en tenant compte des personnes et des arbres.

Les données orientent les décisions

Les données météo et culturales comptent, car AgWeatherNet aide les exploitations à suivre les conditions avant de déployer des robots ou d’envoyer des équipes.

AgWeatherNet de la WSU transforme les relevés des stations en outils qui signalent les épisodes de chaleur, le gel, le moment d’irriguer et le risque lié aux ravageurs.

Ces outils s’appuient sur l’apprentissage automatique, c’est-à-dire un logiciel qui repère des motifs utiles dans de grands flux de données, plutôt que de se limiter à des règles figées.

Un meilleur calage au niveau local est crucial pour l’automatisation : une machine envoyée trop tôt ou trop tard peut gaspiller à la fois du travail et de l’eau.

L’eau pilotée par les capteurs

Dans un verger de Mattawa, au centre de l’État de Washington, une irrigation automatisée a consommé 52.4% d’eau en moins qu’un bloc de comparaison.

Les producteurs ont obtenu ce résultat en reliant des signaux du sol, de la plante et de la météo à des programmes qui ajustaient automatiquement le moment d’arroser et les volumes.

Malgré cette baisse, les chercheurs n’ont observé aucun signe de stress des arbres et ont estimé une meilleure efficience d’utilisation de l’eau.

La robotique dépend du même flux d’informations opportunes, car l’irrigation, le refroidissement et la planification de la récolte sont étroitement liés.

La météo varie d’une parcelle à l’autre

Un bloc de verger peut se réchauffer ou se refroidir différemment du bloc voisin, d’où l’importance d’une météo à l’échelle de l’exploitation.

Les producteurs parlent de microclimat - la météo sur une zone très réduite - et c’est lui qui détermine le moment où les fruits subissent un stress.

Des données plus locales pourraient permettre d’affiner les prévisions jusqu’à des décisions à l’échelle de l’hectare, afin que les machines ciblent un point faible plutôt que l’ensemble des parcelles.

Une telle précision rendrait l’automatisation plus réaliste, car les exploitations échouent ou réussissent rarement de façon strictement identique.

Les humains restent centraux

Dans l’État de Washington, aucun prototype ne remplace directement les équipes, et les meilleurs résultats proviennent encore de systèmes où machines et personnes travaillent ensemble.

Les opérateurs continuent d’évaluer les fruits difficiles, de déplacer les bacs, de surveiller les réparations et de décider quand une parcelle est trop complexe pour un logiciel.

« Le stress que nous avions pour faire pousser les choses, je pense que l’IA peut aider à atténuer ce stress chez les humains », a déclaré Khot.

Dans cette logique, les machines agissent comme des partenaires : elles retirent une part de répétition et de pénibilité, tout en laissant le jugement humain aux commandes.

La vitesse reste difficile

La cueillette des baies demeure très en retrait par rapport à des équipes humaines expérimentées, surtout lorsque les fruits sont cachés sous un feuillage irrégulier.

Dans les vergers, les robots sont ralentis autrement : chaque mouvement doit éviter les branches, les fils de palissage et les fruits proches.

La boue, l’éblouissement, le vent et l’évolution de la croissance des plantes poussent aussi ces systèmes bien au-delà des conditions propres d’un laboratoire.

Les progrès viendront probablement par une réduction régulière des tâches répétitives, plutôt que par une machine unique capable, soudainement, de tout faire.

La confiance se construit dans le temps

Les producteurs n’adoptent pas un nouvel équipement simplement parce qu’il fonctionne une fois, et les universités publiques doivent démontrer la valeur de manière répétée.

Les journées de démonstration, le partage de données et les essais directement sur les fermes comptent, car les agriculteurs doivent voir comment les outils se comportent au fil de saisons réelles.

La WSU agit en tant qu’université « land-grant », un établissement public créé pour servir les communautés, lorsqu’elle teste des outils aux côtés des producteurs.

Au final, ce travail régulier tourné vers le terrain peut déterminer si les prototypes deviennent des outils du quotidien ou restent des démonstrations.

Ce qui change maintenant

Dans l’État de Washington, l’image qui se dessine n’est pas celle de fermes vidées de personnes, mais celle d’exploitations où les données et les machines absorbent une partie de la pénibilité répétitive.

À mesure que les outils gagnent en vitesse et en finesse locale, la question principale devient la quantité de travail manuel pénible qu’ils peuvent supprimer en premier.