Le secteur agricole se compose de deux types de travail qui ont peu de rapport entre eux. D'un côté le travail à l'étable, sous serre ou aux champs : nourrir, traire, récolter, entretenir les machines, observer le comportement et la santé des animaux. De l'autre côté le travail de bureau : comptabilité des engrais, demandes de subventions, enregistrement des cultures, facturation, planification des livraisons, communication avec les acheteurs et le comptable. Qui se demande quel travail l'IA reprend en premier doit distinguer ces deux flux, car le résultat est totalement différent pour chacun.
Le travail physique évolue lentement. Traire un animal, tailler une culture ou conduire un tracteur reste en grande partie un travail humain, même si des capteurs et des robots y participent déjà. Le travail administratif et analytique évolue plus vite, et c'est justement ce travail qui, dans de nombreuses exploitations, représente plus d'heures que le propriétaire lui-même ne le pense. Un éleveur laitier qui sait combien de temps par semaine part dans le remplissage de formulaires et la retranscription de données entre systèmes voit souvent pour la première fois où se situe la capacité à libérer.
Dans une exploitation agricole, les heures ne vont pas uniquement à la production. Une grande partie va à :
Ces tâches sont rarement au centre du débat sur l'IA à la ferme, alors qu'elles représentent souvent la plus grande part des heures de bureau d'un exploitant agricole. Évaluer quelle part de ce travail peut être reprise dépend du degré de structuration déjà atteint par les données, du nombre de systèmes fonctionnant indépendamment les uns des autres, et de la fréquence à laquelle une tâche est exécutée selon des règles fixes plutôt que selon l'expérience et le jugement.
Dans les exploitations où les données arrivent de manière numérique et structurée, un logiciel peut déjà aujourd'hui reprendre des tâches telles que la constitution de comptabilités d'engrais à partir de données de capteurs, le remplissage automatique de formulaires standards, la détection d'anomalies dans le rendement laitier ou les courbes de croissance, et la proposition de plannings basés sur les prévisions météorologiques et la capacité disponible. Il s'agit d'un travail où l'entrée est univoque et le résultat peut être vérifié par rapport à une norme.
D'autres tâches restent sous contrôle humain : un système peut signaler une anomalie dans le comportement d'un animal, mais l'évaluation pour déterminer s'il s'agit d'une maladie, de stress ou d'autre chose reste du ressort de l'éleveur ou du vétérinaire. Un système peut comparer un devis pour de l'engrais ou de l'aliment pour bétail sur le prix, mais le choix d'un fournisseur dépend aussi de la relation, du délai de livraison et de l'expérience des saisons précédentes. Ce contrôle n'est pas une phase intermédiaire qui disparaît dès que la technique s'améliore ; c'est une place fixe dans le processus tant que l'évaluation exige un contexte qui n'est pas présent dans les données.
Et une partie du travail reste un travail humain, point final : l'action physique avec les animaux et les cultures, l'entretien des machines, l'estimation du moment de récolte à partir de l'odeur, de la couleur et du ressenti. La technique peut ici apporter un soutien par les données, mais l'action elle-même ne se déplace pas.
Deux exploitations agricoles de taille comparable peuvent différer fortement quant à ce qui peut déjà être repris aujourd'hui. Une exploitation qui travaille déjà avec un logiciel de comptabilité, des capteurs et un système d'enregistrement centralisé dispose de la base nécessaire pour automatiser des tâches. Une exploitation qui travaille encore avec des formulaires papier et des fichiers Excel isolés doit d'abord mettre en place cette base avant que l'IA ne puisse en reprendre quoi que ce soit. La différence ne réside donc pas principalement dans le secteur, mais dans l'état des données et des systèmes au sein de l'exploitation.
Ce schéma n'est pas propre à l'agriculture. Dans le secteur informatique et dans les services financiers également, la qualité des données sous-jacentes déterminent combien de travail est effectivement repris. Là où une exploitation agricole se heurte à des données de capteurs fragmentées, un service marketing se heurte souvent à un problème comparable lors du scoring de la qualité des leads : la technique existe, mais l'entrée doit être en ordre avant qu'elle ne puisse reprendre quoi que ce soit.
Cette analyse ne dit rien sur qui une entreprise devrait garder ou licencier. Il s'agit de tâches et d'heures, pas de fonctions ou de personnes. Si un déplacement dans le travail a des conséquences pour le personnel, des exigences légales propres s'appliquent, sur lesquelles cette page ne se prononce pas.
La première étape consiste à avoir une vue d'ensemble de la destination des heures dans votre propre exploitation : combien vont à l'enregistrement, combien à la planification, combien au travail physique lui-même. Ce n'est qu'avec cette vue d'ensemble qu'il est possible d'évaluer quelle part du travail peut déjà être reprise aujourd'hui, quelle part peut l'être avec contrôle, et quelle part reste un travail humain.
Le quickscan gratuit de FTE TO AI en donne une première indication : douze questions, sans compte, avec une estimation de la part des heures de votre profil qui peut être reprise aujourd'hui par l'IA. L'analyse complète du travail, qui décompose le travail d'une entreprise jusqu'au niveau des tâches et le convertit tâche par tâche en capacité ETP, est encore en cours de développement.
Vraag maar. Ik ken de kennisbank van deze site; wat ik niet weet, zeg ik erbij.
Answers come from this site’s knowledge base. Not tailored advice, and not a scan of your company.