Philippe Stoop, Directeur de l’innovation à itk était présent au salon SIDO 2020, le 3 septembre dernier à Lyon. Il intervenait à la table ronde « IoT, l’âge de la maturité », conduite par Bearing Point, qui présentait une étude sur le sujet. Philippe Stoop a présenté le rôle de l’Intelligence artificielle dans la stratégie de R&D et les évolutions du Business Model d’itk, pour ses services packagés et sa plateforme Farmlife de monitoring des troupeaux.
Avec sa filiale bretone Medria, itk est présent sur tous les marchés du monitoring des troupeaux par capteurs connectés : détection des chaleurs et du vêlage, suivi de l’alimentation (temps de rumination et d’ingestion, à l’herbe ou à l’auge), et bien-être animal. Son originalité est d’avoir petit à petit concentré tous ces services sur un seul capteur non invasif, l’accéléromètre Axel, porté en permanence par la vache sur un collier.
Philippe Stoop répond à quelques questions de retour du salon :
Le marché des capteurs de monitoring des troupeaux était un peu dans une impasse : les chercheurs en zootechnie ont inventé beaucoup de capteurs pouvant fournir des informations de valeur pour l’éleveur. Mais jusqu’à présent il s’agissait de capteurs spécialisés, chacun étant placé à l’endroit idéal pour saisir les mouvements caractéristiques de chaque événement : par exemple, sur le cou pour la détection des chaleurs, mais sur la queue pour la détection du vêlage, parce que c’est là qu’il y a les mouvements les plus caractéristiques.
C’est une impasse d’une part pratique, parce que l’éleveur ne peut pas passer son temps à poser et retirer des capteurs sur tout son troupeau, chaque fois qu’il a besoin d’une nouvelle information ; mais aussi économique, car cela réduit le marché accessible, et cantonne la production des capteurs à de petites séries, donc avec des coûts unitaires de fabrication élevés.
La stratégie d’itk est donc de concentrer le maximum de services sur notre collier Axel, pour augmenter sa valeur d’usage pour l’éleveur. Mais pour la détection du vêlage, cela suppose de reconnaître des signaux beaucoup moins clairs et beaucoup plus ambigus que ceux perçus par un capteur dédié fixé sur la queue. Alors que nos services précédents avaient été mis au point grâce à l’expertise humaine de notre équipe de modélisation, seule l’intelligence artificielle (en l’occurrence du Deep Learning) a permis d’obtenir un algorithme fiable. Le résultat est que maintenant notre Collier Axel fournit à lui seul toutes les informations indispensables au suivi en temps réel de l’alimentation et de la reproduction des bovins.
Il y a une première conséquence immédiate : en concertation avec notre distributeur en France et en Europe Medria Solutions, nous sommes passés à une commercialisation basée sur un abonnement annuel, et non plus une vente de capteurs : l’éleveur choisit le bouquet de services auquel il veut s’abonner, et les capteurs lui sont fournis gratuitement. C’est une transition nécessaire pour contrer l’inévitable banalisation des capteurs IoT, et recentrer le modèle économique sur ce qui a une vraie valeur pour l’éleveur : les services, et non le matériel lui-même.
Cette première étape nous a déjà permis de relancer nos ventes, la majorité de nos nouveaux clients équipant désormais chacune de leurs vaches, alors qu’ils achetaient avant un capteur pour 3 ou 4 vaches seulement. Cela nous permet maintenant de passer à une deuxième phase de redesign to cost du capteur, pour en faire baisser le prix, et rendre ces services encore plus accessibles pour tous les agriculteurs.
Nous avons vu que ces techniques nous ont déjà permis d’améliorer le suivi des troupeaux. Les capacités d’auto-apprentissage vont permettre d’améliorer encore nos algorithmes, et de les rendre encore plus précis. L’étape suivante sera de croiser les données de nos capteurs avec les données de production du troupeau, pour permettre à l’éleveur de détecter précocement les troubles de l’alimentation ou de la santé qui risquent d’impacter sa production. Toutes ces applications futures nécessitent de brasser tant de données qu’elles dépassent les capacités de l’expertise humaine. Mais c’est tout de même l’expertise de nos data analysts qui permettra d’identifier les variables et indicateurs les plus pertinents à faire brasser par les algorithmes.