Le milieu agricole du Québec est confronté à plusieurs ennemis des cultures (maladies, mauvaises herbes, insectes nuisibles) qui peuvent affecter considérablement la qualité et la quantité des productions, selon les régions et les années. Leur présence est fortement influencée par les conditions climatiques et environnementales (température, humidité, sols, couvert végétal, etc.). Pour protéger les cultures face à ces fléaux, de nombreux producteurs continuent, malheureusement, d’utiliser des traitements qui ne sont pas toujours justifiés, affectant ainsi la santé des sols et des cours d’eau. À cette problématique, vient s’ajouter celle de la dégradation des sols agricoles, constatée au Québec depuis les années 90. À titre d’exemple, il a été observé une dégradation sur tous les sols en cultures intensives de maïs en Montérégie-Est, alors que la compaction touchait près de 39% des superficies. Une étude récente vient de montrer que la compaction en Montérégie est encore plus marquée qu’en 1990; ce qui dénote des situations potentielles d’excès d’humidité ou de mauvais drainage néfastes pour la croissance des cultures. Les changements climatiques exacerbent davantage les conséquences liées aux conditions des sols, et l’acuité des ennemis des cultures. Ainsi, une amélioration substantielle de nos capacités de prévention s’impose pour faire face à ces défis et réduire le recours aux pesticides. Malheureusement, la plupart des modèles prédictifs actuels sont spécifiques à certains ennemis et à des cultures dans des conditions bien précises. Des outils d’aide à la décision tels que Iriis phytoprotection1, permettent d’identifier l’ennemi à partir des symptômes, tandis que l’outil SAgE pesticides2 recherche le traitement approprié, une fois l’ennemi déjà installé. L’exploitation de l’intelligence artificielle (IA) appuyée sur des données multisources conséquentes, incluant les observations par télédétection, permettrait d’avoir des modèles prédictifs plus efficients et à plus large portée. Mais elle est confrontée à la problématique de l’accessibilité des données pertinentes. En effet, une grande majorité de ces données est frappée par le saut de la confidentialité, la dispersion, le formatage ou le manque de normes pouvant garantir leur exploitation optimale. Ce projet s’attaquera à cette problématique, en développant une infrastructure numérique intelligente (INI), basée sur une nouvelle approche de fédération des données à l’échelle de la Montérégie. Il développera également avec cette plateforme des modèles prédictifs ciblés pour les ennemis des grandes cultures en exploitant les outils d’IA qui y seront intégrés. La finalité visée est de disposer d’un système d’aide à la décision (SAD) exploitant à la fois des données historiques, actuelles et futures, ainsi que des modèles prédictifs avant-gardistes pour détecter les conditions favorables à l’apparition des phytoravageurs prioritaires des grandes cultures, en vue de permettre une utilisation intelligente et réduite des pesticides. Les résultats attendus s’inscrivent dans les deux premiers objectifs du Plan d’agriculture durable (PAD) 2020-2030 du Québec, c’est-à-dire: 1) la réduction de l’usage des pesticides et leurs risques associés pour la santé et l’environnement et 2) l’amélioration de la santé et la conservation des sols. Le projet contribuera de manière significative aux initiatives en place, à savoir la Stratégie phytosanitaire québécoise en agriculture, ainsi que le Réseau québécois de recherche en agriculture durable (RQRAD) qui traitent des enjeux reliés au PAD, par la mise en commun des efforts. Le caractère multidimensionnel en fait un projet multidisciplinaire et multisectoriel, logé dans les axes de recherche 1, 2 et 3 de l’appel à proposition; au coeur de la stratégie de réduction des pesticides et de la santé des sols.