Les algorithmes qui disent halte au gaspillage alimentaire !

Avec 58% de nourriture jetée avant même d’atteindre les tablettes (source Second Harvest), le Canada est tristement leader en termes de gaspillage alimentaire. Hugues Foltz et son équipe d’experts de Vooban militent dans la sphère algorithmique pour renverser la vapeur. Grâce à des applications prédictives à haut potentiel, ces mauvaises habitudes ne seront qu’un mauvais souvenir.

9% de la population mondiale souffre de sous-nutrition, et pourtant les statistiques concernant le gaspillage alimentaire continuent de secouer l’actualité.

D’après les rapports de l’organisation Second Harvest, les 35,5 millions de tonnes de nourriture  (en moyenne par an) gaspillées au Canada témoignent d’une mauvaise gestion évidente des stocks dans l’industrie agroalimentaire.  

Les dates de péremption trop rigides, le manque de main d’œuvre pour la cueillette et des emballages non optimisés sont quelques-uns des signes annonciateurs de ces pertes désastreuses. Cependant, les producteurs ont négligé d’autres facteurs dans leur chaîne de production.

Déclassé à tort par l’intervention humaine, le trieur optique signe un nouveau chapitre de la répartition qualitative des fruits et légumes.

UNE MÉTHODE DE TRI EXEMPLAIRE

En 2021, l’IA se greffe à l’ADN de la PME québécoise Dolbec. Les investissements consentis, en faveur de cette technologie, répondent à des enjeux économiques, sécuritaires et environnementaux. Non seulement l’IA assure un tri qualitatif de ces récoltes avec des pommes de terre parfaitement calibrées, mais dispense aussi le cultivateur de jeter des quantités faramineuses.

Habité par la même témérité que l’entreprise familiale, Hugues Foltz, vice-président exécutif de Vooban, valide l’utilité de cette technologie avec des chiffres optimistes. Sur les 100 millions de pommes de terre produites par an, 500 000 ont été épargnées grâce à ce virage 4.0.

« L’assurance qualité doit être confiée aux caméras. Dans certains contextes, comme détecter les défauts sur les chaînes d’approvisionnement, les algorithmes sont bien plus performants que les humains. » – Hugues Foltz, Vice-président exécutif de Vooban

Lors de sa collaboration avec Dolbec, il relève une performance qui atteint donc 95%. Doté de plus de 25 000 images, l’historique des données entraîne les algorithmes de deep learning. La PME codéveloppe avec Vooban une suite d’opérations se basant sur 20 critères d’inspection.

L’ÉTIQUETAGE DES DONNÉES : UN GAGE D’EFFICACITÉ

L’IA reste utile pour réduire les quantités de produits perdus. Adoptée par les entreprises, l’IA conserve des attributs bénéfiques, car elles en retirent une valeur ajoutée dans l’organisation de la production et des ventes.

Hugues Foltz affiche un avis des plus favorables quant aux résultats observés dans sa carrière. Pour lui, l’intelligence artificielle outille efficacement les entreprises à condition de pratiquer l’étiquetage des données, communément appelé le labeling, reposant sur une approche probabiliste. 

Dès lors, les algorithmes s’entraînent via le traitement de données dites « propres », essentielles à leur développement. Les agriculteurs s’assurent de conserver ce type de données avec du data labeling pour les utiliser à bon escient.

L’étiquetage des données met, alors, en lumière les caractéristiques des données qui aident à prédire l’objectif. Hugues Foltz insiste sur cet aspect : « Les bonnes pratiques demeurent dans le “nettoyage” pour optimiser la fiabilité de l’IA et ses prédictions dans l’organisation d’une entreprise. » 

FAIRE FACE À LA CONCURRENCE

De vrais chantiers s’associent à la réduction du gaspillage et c’est en cela que l’IA actionne de nouveaux biais. La technologie optimise la culture locale avec le défi de produire au bon moment. Par exemple, les producteurs locaux de tomates ont noté un recul des ventes au moment de l’importation des produits concurrents, en provenance de la Floride.

Puisque ces productions sont moins chères que celles issues des champs québécois, les agriculteurs vendent à perte ou même, jettent le surplus. Par conséquent, la logistique infaillible des algorithmes livre une méthodologie optimale.

Et, dans ce cas, les robots tiennent un haut niveau de précision pour prédire la demande des consommateurs : « L’Homme a une capacité limitée à gérer les variables liées à toute cette logistique. Tandis que nous pouvons en traiter 5 à 10, l’IA a accès à plusieurs centaines de modèles mathématiques. Dans un tel contexte, c’est une erreur d’utiliser des fichiers Excel ! »

Lire aussi: DOLBEC : des patates parfaitement calibrées avec l’IA

Crédit photo : Pexels / Megan (Markham) Bucknall