Agriculture de précision
La surveillance multispectrale (Planet, Sentinel-2, NDVI) détecte qu'il y a un problème. Le deep learning hyperspectral diagnostique quel est le problème, pourquoi il survient et que faire pour y remédier. Nous concevons les analyses spectrales sur mesure qui comblent l'écart entre la détection et la prescription, pour les exploitations agricoles de grande envergure comme pour les producteurs de cultures spécialisées.
7 à 14 jours
Avantage de détection pré-symptomatique
Écart de latence entre l'hyperspectral et le RVB/NDVI
963 M de boisseaux
Rendement de maïs américain perdu à cause des maladies en 2024
Crop Protection Network, 2024
0,85 $/ac
Coût de la surveillance multispectrale Planet
Tarification FarmQA/Planet, 2026
Planet PlanetScope vous offre 8 bandes. Sentinel-2 en offre 13. Les deux calculent le NDVI, l'EVI et le NDRE pour suivre la santé générale du couvert végétal. Cela fonctionne pour une surveillance à grande échelle : identifier quelles parcelles nécessitent une attention et suivre les tendances saisonnières de la biomasse. Cela atteint ses limites dès que vous avez besoin d'un diagnostic.
Votre agronome examine une parcelle de maïs de 200 hectares. Le NDVI montre une dépression dans le quart nord-est. La carte de stress multispectrale s'illumine en orange. Trois causes possibles :
Le NDVI signale les trois cas comme un « stress ». Il ne peut pas les distinguer car il compresse l'ensemble du spectre rouge et proche infrarouge en deux valeurs à large bande. Appliquer de l'azote sur une parcelle en stress hydrique gaspille 15 à 25 $/acre en engrais. Manquer la fenêtre d'application d'un fongicide contre la tache goudronneuse coûte jusqu'à 29,75 $/acre (Illinois, 2024). La mauvaise réponse à une alerte ambiguë est souvent pire que pas de réponse du tout.
Les capteurs hyperspectraux résolvent plus de 135 à 270 bandes spectrales étroites. Un 3D-CNN entraîné sur les signatures spectrales de votre culture lit la courbe de réflectance complète à chaque pixel, en extrayant les caractéristiques diagnostiques que les indices à large bande nivellent par la moyenne. La fenêtre de détection passe du post-symptomatique (le NDVI détecte les dommages une fois qu'ils sont visibles) au pré-symptomatique (les modèles spectraux détectent les changements biochimiques des semaines avant que l'œil humain ou la caméra ne puissent les voir).
Présentez ceci lors de votre prochaine réunion d'évaluation des fournisseurs. La question n'est pas de savoir s'il faut utiliser des données spectrales. Elle est de savoir qui construit la couche analytique entre les données spectrales brutes et une prescription exploitable.
| Fournisseur | Ce qu'ils livrent | Profondeur spectrale | Où cela s'arrête |
|---|---|---|---|
| Planet (PlanetScope) | Imagerie multispectrale mondiale quotidienne, résolution 3 m. Analyses NDVI/EVI. 0,85 $/ac/an via FarmQA. | 8 bandes | Détecte le stress, ne peut pas en diagnostiquer la cause. Aucun pipeline de prescription. Aucune intégration VRT. |
| Planet (Tanager-1) | Hyperspectral 400-2500 nm. Disponibilité générale depuis sept. 2025. Produit Methane Quicklook. Modèle de crédits de programmation. | VNIR+SWIR complet | Conçu pour la surveillance du méthane/carbone, pas pour le diagnostic des cultures. Aucun modèle agronomique inclus. Un seul satellite limite la cadence de revisite. |
| Pixxel (Firefly) | 6 satellites HSI opérationnels, GSD de 5,4 m, 135 bandes (470-900 nm). Via UP42/SkyFi. Honeybee Zero (SWIR) prévu pour 2026. | 135 bandes | Vend des données, pas des analyses. Aucun modèle spécifique aux cultures. La constellation actuelle ne dispose pas du SWIR (pas de détection du stress hydrique avant Honeybee Zero). Une fenêtre de programmation minimale de 14 jours peut manquer les épisodes de maladie à évolution rapide. |
| Bayer Climate FieldView | Plateforme de gestion agricole. Plus de 150 M d'acres abonnés. Plus de 60 intégrations. Exécution de cartes de prescription. | Aucune (grand public) | Ingère l'imagerie tierce mais n'effectue aucune analyse spectrale. Verrouillée sur les recommandations agronomiques de Bayer pour ses clients de semences/produits chimiques. |
| Gamaya | HSI par drone. Expertise canne à sucre (Brésil). Partenariat avec Google Cloud pour le traitement. | Hyperspectral | Focalisation étroite sur une culture (canne à sucre). Disponibilité géographique limitée. Pas une plateforme sur laquelle bâtir pour d'autres cultures. |
| Headwall / Specim / Resonon | Capteurs HSI montés sur drone. Plus de 270 bandes (Headwall Nano-Hyperspec). Série Specim AFX avec GPS/IMU. | Spectre complet | Fournisseurs de matériel. Aucune analyse, aucun modèle, aucune interprétation agronomique. Le capteur coûte de 50 000 $ à 150 000 $ avant tout développement logiciel. |
| Accenture / Deloitte | Conseil stratégique. Accenture a acquis une société européenne d'analyse en agriculture de précision (févr. 2025). Deloitte se concentre sur l'ESG/la durabilité. | Aucune (conseil) | Mettent en œuvre des plateformes, pas des pipelines spectraux. Recommanderont FieldView ou une solution SaaS. Ne peuvent pas construire un 3D-CNN ni collecter des échantillons de vérité terrain. Une mission coûte de 500 000 $ à plus de 5 M$ pour un conseil stratégique qui nécessite toujours un constructeur technique. |
| Veriprajna | Analyses spectrales sur mesure : modèles 3D-CNN/transformeurs, bibliothèques spectrales de maladies, pipelines de prescription HSI-vers-VRT. | Indépendant du capteur | Ne possède pas de satellites et ne fabrique pas de capteurs. Nécessite une source de données (Pixxel, Planet, HSI par drone) et la connaissance agronomique du domaine du client pour la collecte de la vérité terrain. |
Chaque mission part de l'exploitation de l'acheteur, et non d'un catalogue de produits. Voici les capacités auxquelles nous recourons le plus souvent en analyse spectrale agricole.
Des modèles 3D-CNN et transformeurs spectraux-spatiaux sur mesure qui vont au-delà du « stressé/non stressé ». Nous entraînons sur les signatures hyperspectrales de votre culture pour différencier la carence en azote, le stress hydrique et les pathogènes spécifiques, en lisant la courbe de réflectance complète à chaque pixel.
Nous recourons aux convolutions 3D lorsque le signal diagnostique réside dans les corrélations locales entre bandes (forme du Red Edge, creux d'absorption spécifiques). Nous ajoutons des couches d'attention de type transformeur lorsque le signal implique des dépendances spectrales à longue portée (relier les motifs de chlorophylle visibles aux caractéristiques d'eau SWIR situées des centaines de bandes plus loin). L'architecture découle de la physique, et non l'inverse.
L'atout le plus précieux en agriculture spectrale est une bibliothèque de signatures spectrales validée sur le terrain pour les types de stress spécifiques à votre culture. Nous coordonnons la collecte de la vérité terrain (échantillonnage des tissus, analyse en laboratoire, corrélation spectrale) sur deux saisons de croissance afin de bâtir une bibliothèque atteignant une précision de classification de plus de 92 % pour vos trois à quatre vecteurs de stress à plus fort impact.
Il ne s'agit pas d'apprentissage par transfert à partir de référentiels publics. Les jeux de données Indian Pines et Pavia University sont des tâches de classification de la couverture du sol, pas des diagnostics de stress agricole. Les signatures spectrales varient selon le cultivar, la composition du sol et le climat régional. Une signature de carence en azote du blé dans l'Iowa ne se transfère pas au Pendjab sans réentraînement.
Système de bout en bout, du cube spectral brut à la carte de prescription VRT. Comprend la correction atmosphérique (MODTRAN/6S paramétré par scène), l'étalonnage radiométrique par rapport à des panneaux de référence au sol, la correction géométrique avec co-recalage sous-pixel pour l'analyse temporelle, et l'inférence du modèle.
Le résultat n'est pas une carte thermique. C'est une prescription au format ISO-XML ou shapefile qui s'exporte vers John Deere Operations Center (via l'API Precision Tech) ou Climate FieldView, en respectant la géométrie réelle de votre équipement : largeur de rampe, espacement des buses, taux d'application minimaux et zones de compensation des virages.
À partir de janvier 2026, les exploitations de l'UE devront tenir des registres électroniques de pulvérisation avec coordonnées géospatiales, mis à jour dans les 30 jours. La lutte intégrée contre les ravageurs exige l'approbation d'un agronome certifié pour les applications de produits chimiques.
Nous relions le diagnostic spectral aux flux de conformité : le même modèle qui identifie une signature fongique dans la zone B génère le registre de justification de la lutte intégrée (méthodes alternatives évaluées, preuve spectrale de la présence du pathogène, application recommandée avec coordonnées géospatiales) qui satisfait à la chaîne réglementaire. Vos registres de pulvérisation deviennent un résultat direct de votre système de surveillance, et non un exercice de paperasse distinct.
Des photons bruts à la carte de prescription. Voici la séquence que voit votre agronome, et le traitement qui se produit derrière chaque étape.
Satellite (Pixxel Firefly à 5,4 m de GSD pour une large couverture, ou Planet Tanager-1 pour une analyse incluant le SWIR) ou drone (Headwall Nano-Hyperspec pour une résolution submétrique sur les parcelles à forte valeur). Fréquence d'acquisition adaptée au taux de croissance de la culture : revisite tous les 5 à 7 jours pendant les stades de croissance critiques (maïs V6-R3, véraison-récolte du raisin), 14 à 21 jours pendant la dormance.
Cette étape consomme environ 40 % de l'effort de développement du pipeline et c'est là que la plupart des solutions clés en main échouent. Nous convertissons la radiance au sommet de l'atmosphère (TOA) en réflectance de surface au fond de l'atmosphère (BOA) à l'aide de modèles de transfert radiatif fondés sur la physique (MODTRAN ou 6S), paramétrés par scène pour la vapeur d'eau, l'épaisseur optique des aérosols et la géométrie solaire. Pour les données de drone, nous étalonnons par rapport à des panneaux de référence en champ (Spectralon ou cibles grises étalonnées) placés avant chaque vol. Sans cette correction, un modèle apprend les conditions atmosphériques, et non la chimie de la culture.
Le cube hyperspectral étalonné alimente le modèle 3D-CNN/transformeur spécifique à la culture. Le front-end convolutif 3D extrait les caractéristiques spectrales-spatiales locales (pente du Red Edge, profondeurs des creux d'absorption). Le back-end de type transformeur modélise les dépendances spectrales à longue portée (relier les motifs de pigments visibles à l'absorption de l'eau SWIR). Résultat : classification par pixel (sain, carencé en azote, en stress hydrique, pathogène X, pathogène Y) avec scores de confiance et estimations de sévérité.
Le résultat du modèle est converti en cartes de prescription VRT à la résolution opérationnelle de votre équipement. Une rampe de 27 mètres ne tire aucun bénéfice d'une résolution diagnostique de 1 mètre. Nous agrégeons les zones pour les adapter à votre machinerie, calculons les taux d'application en fonction des estimations de sévérité et de tables de correspondance agronomiques (étalonnées lors du développement de la bibliothèque), et exportons au format ISO-XML ou shapefile vers John Deere Operations Center ou Climate FieldView.
La surveillance spectrale post-application valide si la prescription a fonctionné. Si la zone B a été diagnostiquée comme carencée en azote et a reçu 15 kg/ha d'urée, le prochain passage d'imagerie devrait montrer une récupération du Red Edge en 10 à 14 jours. Ces données en boucle fermée réalimentent le modèle, améliorant la précision au fil des saisons de croissance successives. La bibliothèque spectrale de maladies est un atout vivant qui gagne en valeur à chaque saison de données validées.
Nous ne vendons pas un abonnement SaaS. Nous construisons un système que votre équipe exploite. Voici à quoi ressemble le calendrier de la mission.
| Phase | Durée | Ce qui se passe | Livrable |
|---|---|---|---|
| Découverte | 2 à 4 semaines | Audit de la pile de surveillance actuelle. Identification des lacunes diagnostiques à plus forte valeur. Sélection de la source de données (satellite vs drone vs hybride). Définition des types de stress cibles et du protocole de collecte de la vérité terrain. | Note technique : architecture recommandée, source de données, points d'intégration, modèle de coûts. |
| Saison 1 : Construction de la bibliothèque | 1 saison de croissance | Déploiement des capteurs. Coordination de la collecte de la vérité terrain (80 à 150 points par vol, échantillonnage des tissus, analyse en laboratoire). Construction du pipeline de correction atmosphérique. Entraînement des modèles 3D-CNN initiaux. Livraison d'une ébauche de bibliothèque spectrale de maladies à 85-90 % de précision. | Modèle diagnostique fonctionnel. Ébauche de bibliothèque spectrale. Pipeline de prétraitement s'exécutant sur votre cloud. |
| Saison 2 : Validation | 1 saison de croissance | Tests du modèle en temps réel face à de nouvelles conditions de terrain. Capture des cas limites (stress mixte, variation des sols, anomalies météorologiques). Intégration des prescriptions VRT et étalonnage de l'équipement. Précision portée au-delà de 92 %. | Bibliothèque spectrale de qualité production. Pipeline de prescription intégré. Équipe d'exploitation formée. |
| Transfert + Expansion | En continu (optionnel) | Votre équipe exploite le système de manière autonome. En option : extension à d'autres cultures, zones géographiques, ou migration de l'échelle drone à l'échelle satellite à mesure que Pixxel Honeybee Zero (SWIR, 2026) entre en service. | Tous les modèles, bibliothèques et pipelines sont vos actifs propriétaires. |
Réserves : les calendriers supposent un accès aux parcelles pendant la saison de croissance et la coopération de votre équipe agronomique pour la collecte de la vérité terrain. Les coûts d'échantillonnage de la vérité terrain (50 à 200 $ par point) sont à la charge du client ou inclus dans le périmètre de la mission. Les coûts de licence des données satellitaires (Pixxel, Planet) sont distincts.
Répondez à six questions sur votre exploitation. L'évaluation identifie où la surveillance hyperspectrale apporte de la valeur par rapport à votre configuration actuelle et quels prérequis vous sont nécessaires avant d'investir.
La réponse courte : le multispectral vous dit qu'il y a un problème ; l'hyperspectral vous dit quel est le problème et que faire pour y remédier.
La réponse plus longue tient à la façon dont le NDVI compresse l'ensemble du spectre rouge et proche infrarouge en un seul rapport. Ce rapport est corrélé à la verdeur du couvert, mais il sature dans les couverts denses (au-delà d'un LAI de 3-4, le NDVI s'aplatit et cesse de distinguer le « sain » du « très sain ») et il ne peut pas différencier les types de stress, car la carence en azote, le stress hydrique et l'infection fongique précoce réduisent tous le NDVI.
L'information diagnostique réside dans des caractéristiques spectrales étroites que les indices à large bande nivellent par la moyenne : la position exacte du point d'inflexion du Red Edge (qui se décale de 3 à 5 nm vers le bleu sous stress azoté), la profondeur des caractéristiques d'absorption de l'eau à 970 nm et 1450 nm (qui s'aplatissent en cas de sécheresse), et l'indice de réflectance photochimique à 531 nm (qui réagit aux changements du cycle des xanthophylles lors de la colonisation précoce par un pathogène). Un capteur hyperspectral résout ces caractéristiques. Un capteur multispectral en est physiquement incapable, quelle que soit la sophistication de la couche analytique.
L'implication pratique : votre surveillance existante reste en place. Elle gère bien la question à grande échelle du « où regarder ». L'hyperspectral ajoute la couche du « qu'est-ce que c'est et que dois-je faire » sur les parcelles où un mauvais diagnostic vous coûte le plus cher.
Vous n'avez pas besoin de votre propre accès satellite. Nous sommes indépendants du capteur et construisons sur la source de données qui correspond le mieux à l'économie de votre exploitation et à vos besoins de revisite.
L'arbre de décision est simple. Le HSI satellitaire (Pixxel Firefly via UP42/SkyFi, ou Planet Tanager-1) a du sens pour les portefeuilles supérieurs à 10 000 hectares, où le coût des données par hectare doit être faible et où vous pouvez tolérer une cadence de revisite de 7 à 14 jours. La limitation actuelle : Pixxel Firefly ne couvre que le VNIR (470-900 nm), donc la détection du stress hydrique via les bandes SWIR nécessite leur prochaine constellation Honeybee Zero (attendue en 2026). Tanager-1 couvre l'intégralité du VNIR+SWIR mais a été conçu principalement pour la surveillance du méthane et du carbone, pas pour le diagnostic des cultures.
Le HSI par drone (Headwall Nano-Hyperspec, Specim AFX) a du sens pour les cultures à forte valeur de moins de 5 000 acres, où vous avez besoin d'une résolution spatiale submétrique et d'un calendrier de vol à la demande aligné sur les stades de croissance. Le capteur coûte de 50 000 $ à 150 000 $, mais pour les vignobles produisant plus de 10 000 $/acre, le coût analytique par vol (15 à 50 $/acre) se justifie trivialement.
Les approches hybrides fonctionnent bien : HSI par drone sur vos parcelles à plus forte valeur pour l'entraînement et la validation des modèles, HSI satellitaire sur l'ensemble du portefeuille pour la surveillance opérationnelle une fois les modèles éprouvés. Nous gérons l'ensemble de la pile de prétraitement quel que soit le choix du capteur, y compris le paramétrage de la correction atmosphérique qui consomme environ 40 % de l'effort de développement du pipeline.
Une bibliothèque spectrale de maladies validée sur le terrain pour une seule culture dans une seule zone géographique nécessite généralement deux saisons de croissance.
La première saison est consacrée à la collecte : nous déployons des capteurs hyperspectraux sur vos parcelles à des intervalles de 7 à 10 jours, coordonnons avec vos agronomes la collecte d'échantillons de tissus à chaque passage d'imagerie (typiquement 80 à 150 points de vérité terrain par vol), et menons des analyses en laboratoire pour corréler les signatures spectrales avec la teneur réelle en azote, la concentration en chlorophylle, la présence de pathogènes et les mesures de potentiel hydrique. L'échantillonnage de la vérité terrain coûte de 50 à 200 $ par point selon l'analyse requise.
À la fin de la première saison, nous disposons d'une ébauche de bibliothèque spectrale avec des modèles de classification initiaux fonctionnant à 85-90 % de précision pour les trois à quatre types de stress les plus courants de votre culture. La deuxième saison est consacrée à la validation et à l'affinage. Nous testons les modèles en temps réel face à de nouvelles conditions de terrain, ajoutons des cas limites (stress mixte, différents types de sol, variation spectrale liée à la météo), et portons la précision au-delà de 92 % pour un déploiement en production. La bibliothèque devient votre actif propriétaire.
Nous avons constaté que précipiter ce processus, en essayant de sauter la validation de la deuxième saison ou en recourant à l'apprentissage par transfert à partir de jeux de données hyperspectraux publics comme Indian Pines, produit des modèles qui fonctionnent sur les référentiels mais échouent sur vos parcelles réelles, car les signatures spectrales varient considérablement selon le cultivar, la composition du sol et les schémas climatiques régionaux.
Oui, et c'est dans cette intégration que la valeur pratique de la surveillance hyperspectrale se concrétise réellement. Nous construisons des cartes de prescription VRT qui s'exportent au format shapefile ou ISO-XML, compatibles avec John Deere Operations Center (via l'API Precision Tech, qui nécessite une certification de partenaire) et Climate FieldView (via leur cadre de connectivité de plus de 60 partenaires).
Les cartes de prescription tiennent compte des contraintes réelles de votre équipement : largeur de rampe, espacement des buses, taux d'application minimaux et zones de compensation des virages. Un échec courant en agriculture de précision consiste à générer une magnifique carte de stress à 1 mètre de résolution qui est ensuite appliquée à travers une rampe de pulvérisation de 27 mètres, nivelant toute la précision par la moyenne. Nous concevons les prescriptions à la résolution opérationnelle de votre équipement dès le départ.
Pour les exploitations de l'UE soumises aux exigences « De la ferme à la table » à partir de janvier 2026, nous relions également les recommandations d'application fondées sur le spectral à la génération automatisée de registres électroniques de pulvérisation avec les coordonnées géospatiales requises, donnant à votre documentation de lutte intégrée un lien direct du diagnostic spectral à la décision d'application puis au registre de conformité.
La structure de coûts comporte trois niveaux. Premièrement, l'acquisition des données : le HSI satellitaire fonctionne avec des crédits de programmation au kilomètre carré (Pixxel, Planet), tandis que le HSI par drone coûte de 15 à 50 $ par acre et par vol, avec 6 à 10 vols par saison. Deuxièmement, le développement de la bibliothèque spectrale de maladies, qui est l'investissement fondateur sur deux saisons. Troisièmement, l'exploitation continue du pipeline (calcul cloud, inférence du modèle), que votre équipe pilote après le transfert.
Le calcul du ROI diffère fortement selon l'économie de la culture. Pour les exploitations de commodités, le raisonnement est fondé sur le volume : prévenir ne serait-ce que 3 % des pertes liées aux maladies décrites dans la section problème ci-dessus se traduit par des économies significatives par acre, mais le coût de surveillance par acre doit rester inférieur à 5-8 $ pour être rentable. Le HSI satellitaire à grande échelle atteint ce chiffre. Pour les cultures spécialisées (vignobles, agrumes, avocats), le raisonnement s'inverse : les coûts de surveillance sont une erreur d'arrondi face à la valeur de la culture, et le moteur du ROI est la préservation de la qualité plutôt que le volume de rendement. Un projet pilote dans un vignoble californien a montré une réduction de 22 % de l'utilisation de fongicides tout en maintenant les scores de qualité (2025), ce qui importe parce que les résidus de fongicides affectent à la fois les notes de qualité du vin et l'éligibilité à la certification biologique.
La variable que la plupart des acheteurs sous-estiment est la valeur de la spécificité dans les prescriptions VRT. Le passage d'une application uniforme par zone de sol à une dose variable d'azote informée par le spectral a amélioré les gains de 7,2 % dans une étude sur le blé de 2025 (164 EUR/ha). Ce gain se cumule à chaque cycle d'application pendant toute la durée de vie du système.
Préoccupation légitime. Au moins 28 entreprises AgTech ont cessé leurs activités en 2024-2025, et l'investissement en capital-risque dans le secteur a chuté de 25,6 % rien qu'en 2024 (Agriculture Dive). Le schéma est constant : les startups financées par du capital-risque construisent des plateformes propriétaires, brûlent leurs capitaux en acquérant des clients à perte, et font faillite quand les financements se tarissent. Vous perdez l'accès à vos données, à vos modèles et à votre investissement dans l'intégration.
Une mission de conseil est structurellement différente de trois façons. Premièrement, nous construisons sur une infrastructure que vous contrôlez. Vos modèles s'exécutent dans votre environnement cloud, vos données restent dans vos systèmes, et la bibliothèque spectrale de maladies que nous développons est votre actif propriétaire. Si Veriprajna disparaissait demain, vous conservez tout. Deuxièmement, nous sommes indépendants de la source de données. Nous construisons sur Pixxel, Planet, Headwall, Specim, ou tout capteur adapté à votre économie. Si Pixxel modifie ses tarifs ou si Planet abandonne un produit, nous migrons votre pipeline vers l'alternative. Une startup de plateforme mariée à une seule source de données ne peut pas le faire. Troisièmement, la mission a un périmètre et un état final définis. Nous livrons un pipeline fonctionnel, formons votre équipe à l'exploiter, et passons à autre chose. Vous ne dépendez pas de notre existence continue pour que le système fonctionne.
Le modèle de conseil coûte plus cher au départ qu'un abonnement SaaS, mais il élimine le risque de dépendance à une plateforme qui a échaudé les acheteurs AgTech à maintes reprises.
La méthodologie d'analyse spectrale qui sous-tend cette page de solution est détaillée dans notre livre blanc interactif.
Architectures 3D-CNN et transformeurs spectraux-spatiaux pour la classification d'images hyperspectrales agricoles, l'analyse du Red Edge et l'apprentissage auto-supervisé pour les jeux de données agronomiques pauvres en étiquettes.
Les seules maladies du maïs ont coûté 963 millions de boisseaux aux producteurs américains en 2024. Un diagnostic précoce et précis change l'économie de chaque décision de traitement.
Que vous évaluiez l'hyperspectral pour la première fois ou que vous fassiez passer un projet pilote existant à une couverture satellitaire, nous construisons le pipeline d'analyse spectrale qui relie les données des capteurs aux cartes de prescription que votre équipement peut exécuter.