Un rosier aux feuilles criblées de taches noires. Un plant de tomate dont le bas des tiges vire au jaune. Une courgette qui dépérit sans raison apparente. Pendant des années, la réponse à ces situations était la même : on s’armait d’un arrosoir de doutes et on filait à la jardinerie du coin espérer tomber sur un vendeur compétent. Ou on laissait mourir la plante en silence. Aujourd’hui, un smartphone suffit. Et ce changement, discret mais réel, est en train de transformer radicalement la façon dont les jardiniers amateurs gèrent la santé de leur jardin.
À retenir
- Une simple photo suffit désormais à diagnostiquer 780 maladies différentes : pourquoi les vendeurs en jardinerie commencent à s’inquiéter
- L’IA détecte les symptômes mieux que le meilleur conseil en magasin, mais cache aussi ses limites
- La vraie révolution arrive : bientôt détecter les maladies trois semaines avant que vous ne les voyiez
Une photo, un diagnostic : la mécanique derrière le miracle
Ces applications utilisent l’intelligence artificielle pour analyser une photo de la plante, en comparant l’image à une base de données afin de reconnaître les symptômes et suggérer une maladie avec des solutions adaptées. Concrètement, c’est comme présenter une ordonnance à un médecin qui aurait vu des millions de cas avant vous. Grâce aux récentes avancées en intelligence artificielle, notamment les modèles de deep learning comme les Vision Transformers (ViT) et les Réseaux de Neurones Convolutifs (CNN), l’automatisation du diagnostic est devenue réalité. Ces approches surpassent les techniques classiques d’apprentissage automatique, grâce à leur capacité à extraire automatiquement des caractéristiques hiérarchiques, allant des détails élémentaires aux motifs complexes.
Le résultat visible pour l’utilisateur : l’application fournit des informations détaillées sur chaque maladie, ses causes et les méthodes de traitement, chimiques, biologiques ou mécaniques. Ce n’est plus “c’est peut-être un champignon, essayez du cuivre” suivi d’un haussement d’épaules. C’est un plan d’action structuré, en quelques secondes, depuis son potager.
L’application française la plus connue dans ce domaine reste Pl@ntNet, née d’un consortium de recherche public. Développée par le CIRAD, l’INRA, l’INRIA et l’IRD, lancée en 2013, elle s’est rapidement imposée comme l’une des applications les plus populaires dans le domaine de l’identification des plantes. Quelque 29 000 espèces sont aujourd’hui référencées sur cet outil scientifique, dont l’application a été téléchargée plus de 16 millions de fois partout dans le monde. Impressionnant, mais Pl@ntNet reste surtout une application d’identification botanique : pour le diagnostic maladie pur, d’autres outils prennent le relais.
Le peloton de tête : qui fait vraiment le travail ?
Plantix domine le marché du diagnostic avec plus de 10 millions de téléchargements et une base de données riche de plus de 780 maladies reconnues sur plus de 80 cultures différentes. En prenant simplement une photo, cette application fournit un diagnostic rapide et des recommandations précises en tenant compte de la localisation et du contexte environnemental. Une communauté de plus de 500 experts agricoles renforce la fiabilité des conseils. L’application ne s’arrête pas là : les symptômes observés sur les différentes parties de la plante et les informations sur la géographie et la météo aident à différencier les problèmes. À l’instar du processus de diagnostic médical, l’application pose même des questions aux cultivateurs pour affiner le diagnostic si les informations visuelles sont insuffisantes.
PictureThis joue dans une autre catégorie. Reconnue comme la meilleure application d’identification des plantes selon plusieurs tests, elle peut identifier plus de 400 000 espèces de plantes avec une précision inégalée. Côté diagnostic, une fonction d’historique des plantes permet de prendre des photos et de suivre les changements au fil du temps pour repérer les problèmes tôt et les corriger avant qu’ils ne deviennent graves. : un suivi médical longitudinal de vos tomates. Le truc qu’aucun vendeur en jardinerie ne peut offrir.
Du côté institutionnel français, l’INRAE a pris le sujet très au sérieux. Dominique Blancard, chercheur en santé des plantes à l’Inrae, résume l’ambition : “Nous agrégeons les connaissances encyclopédiques des experts agronomes pour les mettre à disposition des professionnels et du grand public via le web et nos applications mobile.” Son équipe a développé 23 applications totalisant plus de 200 000 téléchargements et le portail e-phytia attire entre 2 000 et 5 000 visiteurs par jour. L’objectif : informer et aider à diagnostiquer les maladies des plantes, proposer des méthodes de lutte alternatives comme le biocontrôle, déclarer le début d’une épidémie ou signaler un émergent. Huit applis ont été développées pour des cultures spécifiques : tomates, salades, melon, courgette, vigne, tabac, pomme, prune.
Ce que les apps ne vous diront pas
Gardons les pieds sur terre. La reconnaissance automatique des maladies végétales n’a pas encore atteint la perfection : plus de 15 % des diagnostics restent imprécis, même sous la loupe de l’intelligence artificielle. Et les conditions de terrain n’arrangent pas les choses : la plupart des ensembles de données sur lesquels ces IA ont été entraînées contiennent des images capturées en laboratoire, qui ne tiennent pas compte des variables du monde réel telles que les conditions météorologiques ou l’éclairage. Une feuille photographiée en contre-jour, à travers du feuillage dense, peut donner un résultat complètement à côté.
Beaucoup de ces applications préfèrent proposer un résultat approximatif plutôt qu’avouer leur ignorance, ce qui encourage une forme de sur-confiance. Le piège classique : on lit “oïdium probable à 87 %” et on court acheter un fongicide, alors que la plante souffrait simplement d’un manque d’eau. La capacité à distinguer le stress biotique (champignon, bactérie, insecte) du stress abiotique (carence, vent, grêle) est pourtant décisive : elle peut permettre d’éviter des applications de pesticides totalement inutiles.
Pour limiter les risques, quelques réflexes s’imposent : regarder le niveau de confiance indiqué, examiner plusieurs propositions plutôt qu’une seule, comparer avec des photos de référence sur d’autres supports, et croiser les résultats avec au moins une deuxième application avant d’agir. La photo elle-même compte énormément : une photo floue ou mal éclairée peut fausser le diagnostic. Un cadrage serré sur la zone malade, fond neutre, bonne lumière naturelle, trois secondes de soin qui changent tout.
Vers le jardin connecté en temps réel
Le voisin qui photographiait ses feuilles malades il y a deux ans utilisait déjà quelque chose de sophistiqué. Mais la prochaine vague va plus loin. L’une des forces de ces applications est leur capacité à évoluer constamment, intégrant les avancées du big data, de la télédétection et des systèmes d’aide à la décision. La tendance en 2025 est à l’intégration accrue avec des capteurs physiques, drones ou plateformes numériques pour une gestion encore plus fine et prédictive.
Côté recherche, les résultats sont spectaculaires en laboratoire. La précision des modèles de détection de maladies varie de 76,9 % dans les premiers modèles à 99,97 % dans les systèmes avancés. Dans la pratique du jardinier du dimanche, le chiffre réel est évidemment plus bas, mais déjà bien suffisant pour éviter la majorité des erreurs de traitement.
Ce que l’évolution technologique promet de vraiment changer, c’est la détection précoce. Les approches multimodales du futur intégreront des données d’imagerie multispectrale pour identifier des changements chimiques dans les feuilles avant même que les symptômes visuels n’apparaissent, un peu comme un scanner qui détecterait un début d’infection trois semaines avant la première tache. Pour les maraîchers amateurs qui perdent chaque été la moitié de leurs tomates au mildiou sans avoir rien vu venir, ce type de détection préventive change complètement la donne. L’agronomie de précision, autrefois réservée aux exploitations industrielles, entre dans le jardin de 50 m².
Sources : geopard.tech | facebook.com