Lecture 71

Machine Translated by Google
Article
Tendances des technologies agricoles intelligentes : effets

économiques et environnementaux, impact sur la main
d’œuvre et préparation à l’adoption
Athanasios T. Balafoutis 1,*, Frits K. Van Evert 2 et Spyros Fountas 3
1 Institut de bioéconomie et d'agrotechnologie, Centre de recherche et de technologie Hellas,

Dimarchou Georgiadou 118, 38333 Volos, Grèce 2
Agrosystems Research, Wageningen University & Research, PO Box 16, 6700 AA
Wageningen, PaysBas ; [email protected] Département de gestion
3
des ressources naturelles et de génie agricole, Université agricole d'Athènes, 11855 Athènes, Grèce ; [email protected]
* Correspondance : [email protected] ; Tél. : +302311257651
Reçu : 18 février 2020 ; Accepté : 18 mai 2020 ; Publié : 21 mai 2020
Résumé : L'agriculture est confrontée à des défis qui augmentent les effets négatifs sur l'économie, la maind'œuvre et
l'environnement des exploitations agricoles. Les technologies agricoles intelligentes (SFT) devraient contribuer à inverser cette situation.
Dans ce travail, 1 064 SFT ont été dérivées d’articles scientifiques, de projets de recherche et de produits industriels. Ils ont été
classés par niveau de maturité technologique (TRL), typologie et opération sur le terrain, et ont été évalués en fonction de leur
impact économique, environnemental et sur le travail, ainsi que de leur préparation à l'adoption par les utilisateurs finaux. Il a
été démontré que les articles scientifiques traitaient de SFT de TRL inférieur à ceux des projets de recherche. Dans les articles
scientifiques, les chercheurs ont étudié principalement les technologies d'enregistrement, tandis que dans les projets de
recherche, ils se sont concentrés principalement sur les systèmes d'information de gestion agricole et les systèmes de robotique/
automatisation. Les technologies de reconnaissance constituaient le principal type de SFT dans les articles scientifiques et les
projets de recherche, mais les technologies d'application à taux variable étaient principalement situées dans les produits
commerciaux. Dans les articles scientifiques, l’analyse des impacts économiques, environnementaux et sociaux des SFT
étudiés était limitée, tandis que dans les projets de recherche, ces impacts ont été étudiés de manière approfondie. De plus,
dans les SFT commerciales, l’accent était mis sur l’impact économique et moins sur les questions de travail et d’environnement.
En ce qui concerne la préparation à l'adoption, il a été constaté que tous les facteurs facilitant l'adoption des SFT sont devenus
plus positifs, passant des SFT dans les articles scientifiques aux SFT commerciaux entièrement fonctionnels, ce qui indique
que les SFT atteignent le marché lorsque la plupart de ces facteurs sont pris en compte au profit de les fermiers. Cette analyse
SFT devrait informer les chercheurs sur l'adaptation de leurs recherches, ainsi qu'aider les décideurs politiques à ajuster leur
stratégie en faveur de l'adoption de l'agriculture numérique et des agriculteurs à la situation actuelle et aux tendances futures
des SFT.
Motsclés : technologies agricoles intelligentes ; enregistrement; réagir; guidage; système d'information sur la gestion agricole;
robots agricoles; systèmes automatisés
1. Introduction
Les performances agricoles en termes de productivité ont dominé les pratiques agricoles après la Révolution verte des
années 1950, avec une attention limitée accordée à leur impact respectif sur la durabilité.
Cependant, les pratiques agricoles conventionnelles en sont à un point où les intrants agricoles sont surutilisés, la main d’œuvre
n’est plus abondante et la demande d’énergie ne cesse d’augmenter [1]. De nouvelles opportunités émergent dans le domaine
agricole, en raison du développement rapide des réseaux de communication et de la disponibilité d'une large gamme de nouveaux
capteurs à distance, proximaux et de contact [26]. Dans le domaine agricole
Agronomie 2020, 10, 743 ; est ce que je:10.3390/agronomie10050743 www.mdpi.com/journal/agronomy

Agronomie 2020, 10, 743 2 sur 25
Dans ce contexte, ces technologies permettent de capturer et de transmettre des informations géolocalisées en temps réel à
faible coût [710]. Une fois collectées, traitées et analysées, ces données peuvent aider à déterminer l'état de l'agroenvironnement
(par exemple, le sol, les cultures et le climat) et, lorsqu'elles sont combinées avec des modèles agroclimatiques et économiques,
des interventions techniques peuvent être appliquées au niveau local. au niveau du terrain, soit par des moyens conventionnels,
soit par des solutions automatisées/robotisées [11].
Tous ces aspects relèvent du concept appelé « agriculture intelligente » qui représente l’application des technologies
modernes de l’information et de la communication (TIC) à l’agriculture [1214]. Il s’agit notamment des applicateurs à débit
variable [1517], de l’Internet des objets (IoT) [18,19], des systèmes de géolocalisation [20,21], du big data [2224], des
véhicules aériens sans pilote (UAV, drones) [ 18,25], les systèmes automatisés et la robotique [26,27]. L'agriculture intelligente
est basée sur une approche précise et économe en ressources et tente d'atteindre une plus grande efficacité dans la production
de biens agricoles avec une qualité accrue sur une base durable [28].
Cependant, du point de vue de l'agriculteur, l'agriculture intelligente devrait apporter une valeur ajoutée sous la forme d'une
prise de décision plus précise et plus rapide et/ou d'opérations d'exploitation et de gestion plus efficaces [29].
Les technologies agricoles intelligentes (SFT) peuvent être divisées en trois catégories principales : les systèmes
d'information de gestion agricole (FMIS), les systèmes d'agriculture de précision (PA), ainsi que l'automatisation et la robotique
agricoles. Les SIGF représentent principalement des systèmes logiciels permettant de collecter, de traiter, de stocker et de
diffuser des données sous la forme requise pour mener à bien les opérations et les fonctions d'une exploitation agricole. Des
travaux de recherche importants ont été menés dans ce domaine au cours des 20 dernières années [3033] et ce développement
a contribué à la mise sur le marché de nombreux produits commerciaux qui, dans de nombreux cas, présentent des avantages
économiques, environnementaux et sociaux importants [28]. .
L’AP fait référence au concept de gestion agricole visant à optimiser l’utilisation des intrants sur la base de technologies
d’enregistrement pour observer et mesurer la variabilité spatiale et temporelle inter et intrachamp des cultures, dans le but
d’améliorer les rendements économiques et de réduire l’impact environnemental [34]. L’AP est capable d’augmenter l’efficacité
des intrants pour maintenir ou même augmenter le taux de production [3537], en utilisant des technologies de télédétection
pour la collecte de données avec des platesformes satellitaires pour l’imagerie spatiale [3840] ou des avions/UAV pour les
applications aériennes [4143 ], utilisation combinée de capteurs pour l'acquisition de données au sol [44], de réseaux sans fil
pour les interconnecter [4,10,45,46], analyses de données géospatiales provenant de différentes sources [47], systèmes d'aide
à la décision (DSS) pour une décision agricole optimisée. faire [48,49], et d'autres. Les technologies réactives sont basées
sur l’automatisation
agricole et la robotique qui sont des secteurs des TIC distincts mais étroitement liés. Dans le cas de l’agriculture en plein
champ, ils sont interconnectés pour couvrir le processus d’application des techniques de contrôle automatique, d’intelligence
artificielle et de platesformes robotiques à tous les niveaux de la production agricole. Les technologies d'automatisation dans
l'agriculture ont suscité un grand intérêt dans la recherche, l'apprentissage automatique étant largement utilisé à des fins
agricoles [5052], ainsi que la vision par ordinateur et l'intelligence artificielle [53,54], l'imagerie tridimensionnelle (3D) [55] et la
navigation. systèmes pour véhicules agricoles toutterrain [56]. Sur la base de ces développements et de l’état de l’art de la
robotique industrielle, des robots agricoles de tous types ont été utilisés ces dernières années [26,5759] avec des tâches
spécifiques, telles que le contrôle des mauvaises herbes [60], la récolte [61], etc.
L'attention portée à l'agriculture intelligente augmente rapidement et plusieurs études sur l'état actuel du développement
du SFT et le taux d'adoption parmi les agriculteurs du monde entier ont été publiées. La plus connue, en raison de sa publication
semestrielle continue depuis 1997 jusqu'à aujourd'hui, est l'enquête CropLife/Purdue Precision Ag qui traite des taux d'adoption
de certains SFT aux ÉtatsUnis et au Canada, sur la base des revendeurs d'intrants agricoles au détail concernant leurs
services d’agriculture intelligente. La dernière version (2019) [62] a montré l'utilisation croissante des données pour les
décisions de gestion des cultures, les services de technologie de détection (échantillonnage du sol, imagerie satellite/UAV,
cartographie des rendements) et les services à taux variable étant considérablement augmentés par rapport à l'édition
précédente ( 2017), présentant l’augmentation continue de l’adoption du SFT aux ÉtatsUnis. En Europe, où l’agriculture
intelligente est moins
répandue qu’en Amérique du Nord, l’adoption de la SFT est moins explorée, alors que la plupart des études sont
spécifiques à chaque pays [63]. Cependant, des recherches récentes sur l'adoption du SFT ont été menées dans différents
pays européens pour observer également les causes géographiques et culturelles de la réduction des taux d'adoption
[29,63,64]. En particulier, Barnes et al. (2019a) [63] ont examiné le guidage de la machine et le taux variable
Agronomie 2020, 10, 743 3 sur 25
technologies de l'azote comme étant les SFT les plus importantes pour les cultures arables et a mené un examen empirique de leur
adoption dans cinq pays européens. Ils ont montré que la taille et le revenu des exploitations agricoles reflètent les obstacles les
plus importants à l'adoption pour tous les pays étudiés ; en outre, dans les pays dotés de petites exploitations à faible revenu, les
subventions et la fiscalité étaient considérées comme les principaux facteurs positifs de l’adoption du SFT. Barnes et coll. (2019b)
[64] ont également identifié des incitations à l'adoption des SFT en Europe en utilisant des données provenant des cinq mêmes pays
que dans la référence [63], et il a été constaté que les adoptants actuels des SFT sont différents des nonadoptants, tandis que les
premiers adoptants sont influencés par les interventions économiques et informationnelles. L’adoption croissante est limitée par le
scepticisme à l’égard des retours économiques et par le fait que la politique de l’Union européenne (UE) ne reconnaît pas la
complexité des différents domaines pour permettre leur adoption.
Kernecker et coll. (2020) [29] ont également travaillé sur l’adoption d’innovations technologiques dans l’agriculture en menant une
enquête dans sept pays européens et dans quatre systèmes de culture, et ils ont montré que l’adoption augmente avec la taille des
exploitations agricoles. Les agriculteurs perçoivent la SFT comme utile, mais ils ne sont toujours pas convaincus de son potentiel.
D’un autre côté, les experts semblent plus convaincus des atouts du SFT et attendent beaucoup du développement futur du SFT.
Les spécificités nationales doivent être prises en compte pour améliorer la diffusion du SFT.
Même si les taux d’adoption peuvent être augmentés grâce à l’optimisation des résultats des SFT et des politiques et
incitations associées, les SFT comportent le risque d’effets rebond de leur utilisation dans les pratiques agricoles. En effet, même si
l’agriculture intelligente devrait contribuer considérablement à la protection de l’environnement et des ressources (comme indiqué ci
dessus en utilisant les techniques d’AP), l’apparition d’effets de rebond potentiels sur les terres agricoles, l’eau, les engrais et les
produits phytopharmaceutiques est hautement probable [65– 67].
Il est évident que l’agriculture intelligente évolue technologiquement à un rythme rapide, tant dans les domaines de la
recherche que du marché, mais son adoption par les utilisateurs finaux ne suit pas les mêmes traces. Si une évaluation de l’impact
positif prometteur des SFT accompagnée d’une analyse de l’état de préparation à l’adoption était disponible, alors l’adoption de ces
technologies pourrait augmenter. Par conséquent, une évaluation et une comparaison approfondies des SFT à partir de la recherche
(articles scientifiques), de l’innovation (projets de recherche) et du marché (produits commerciaux) pourraient aider à mieux
comprendre l’évolution des SFT et la manière dont cette évolution affecte les facteurs de préparation à l’adoption et les facteurs
économiques associés. aspects environnementaux et de travail au sein d’une exploitation agricole. Sur la base de ce besoin,
l'objectif de cette étude était (i) de cartographier les SFT de recherche et commerciales existants en ce qui concerne leur niveau de
préparation technologique, leur type et l'opération sur le terrain pour laquelle ils sont utilisés ; (ii) identifier la facilité d’adoption du
SFT ; et (iii) fournir les principaux impacts des SFT sur l’économie agricole, l’environnement et le travail. Ce travail devrait contribuer
à la littérature avec une perspective globale des différentes SFT développées de la recherche à l'innovation puis au marché, ainsi
que montrer les différences dans leur impact et leur préparation à l'adoption.
2. Matériels et méthodes
Ce travail se concentre sur la production en champ ouvert ; par conséquent, nous avons considéré les SFT utilisés dans
l’agriculture arable (y compris la production fourragère) et horticole (production de fruits et légumes). Un examen de ces SFT a été
réalisé sur la base de la littérature scientifique, des projets de recherche actuels et passés de l'UE et des produits disponibles dans
le commerce. Les défis économiques et environnementaux auxquels les SFT sont confrontés ont été déterminés par un ensemble
d’indicateurs clés de performance (KPI) (Section 2.1). Pour la sélection des SFT, une procédure de recherche systématique a été
développée pour les articles scientifiques, les projets de recherche et les produits commerciaux (section 2.2). Enfin, des informations
sur les SFT identifiées ont été collectées en développant un questionnaire pour enregistrer les données sur l'état de préparation à
l'adoption de chaque SFT et ses performances concernant les KPI sélectionnés (Section 2.3).
2.1. Indicateurs clés de performance pour la production en plein champ
Plusieurs auteurs ont proposé de regrouper des indicateurs pour mesurer la performance des systèmes agricoles. Dans une
étude menée au RoyaumeUni, des groupes d'indicateurs (par exemple, biodiversité, énergie, chaîne de valeur) ont été définis, avec
des paramètres mesurables pour chaque groupe (par exemple, nombre d'espèces dans la ferme, bilan énergétique, valeur totale de
la production). [68]. Dans une autre étude, la littérature sur la durabilité agricole a été étudiée et les indicateurs ont été identifiés et
regroupés selon une hiérarchie à trois niveaux [69]. Un examen approfondi de la construction des indicateurs est également
disponible [70]. Des ensembles d'indicateurs ont également été
Agronomie 2020, 10, 743 4 sur 25
proposées par des organismes publics, tels que l’Agence européenne pour l’environnement (AEE) [71] et
Organisation de coopération et de développement économiques (OCDE) [72], ainsi que des
des organisations, telles que The Sustainability Consortium (TSC) [73] et Global Reporting Initiative
(GRI) [74]. Tous ces ensembles d’indicateurs sont différents et ont des objectifs légèrement différents. Il n'y en a pas un
un ensemble unique d’indicateurs qui répond mieux que tous les autres à notre objectif actuel. Nous avons utilisé la version publiée
ensembles d’indicateurs pour notre étude.
Nous avons examiné les indicateurs publiés et les défis qui en découlent dans l'agriculture qui pourraient être
éventuellement résolu par les SFT. Dans le tableau 1, ces défis sont répertoriés avec les SFT qui peuvent être utilisés
pour y répondre.
Tableau 1. Défis identifiés dans l'agriculture de plein champ accompagnée d'une agriculture intelligente pertinente
technologies (SFT) qui pourraient y répondre. DSS – système d'aide à la décision ; SIGF – ferme
systeme d'INFORMATION de gestion; VRA – application à taux variable ; RFID – radiofréquence
identification; QR – Réponse rapide..
Défi Technologies agricoles intelligentes pertinentes

• capteurs et réseaux
• outils d'analyse Big Data
• DSS
Efficacité des ressources (par exemple, eau, nutriments,
• SIGF
pesticides, main d'œuvre) • systèmes intelligents d'épandage d'eau
• Systèmes de fertilisation/pesticides VRA
• Étiquettes RFID
• capteurs et réseaux d'alerte précoce
• machines agricoles spécifiques
Gestion/prévention des maladies,
• SIGF
mauvaises herbes, etc
• DSS pour la gestion des infestations
• Système de pulvérisation VRA
• capteurs (par exemple, station météorologique, multispectral)
Gestion des risques (par exemple, sécurité alimentaire, caméras, caméras thermiques, etc.)
élimination des résidus de pesticides et
• technologie de traçabilité
émissions de produits agrochimiques, etc.)
• codesbarres, codes QR, RFID
• systèmes d'enregistrement en temps réel
Le respect de la législation et • technologies d'enregistrement

normes (écologisation de la PAC; réglementations
• des normes basées sur le Web, ouvertes et interopérables pour
sur la gestion des sols, les pesticides, les engrais,
systèmes de suivi de bout en bout
et consommation d'eau)
Collaboration tout au long de la chaîne d'approvisionnement

• système de traçabilité intelligent
(chaîne d'approvisionnement des entreprises et
• système logistique intelligent
processeurs) • divers outils d'analyse
Nous avons examiné les indicateurs publiés pour créer une liste de KPI à utiliser pour évaluer l'impact
des SFT en termes de trois questions principales associées aux systèmes agricoles qui sont de grande importance
pour les utilisateurs finaux et le grand public : économie agricole, environnement et travail au sein de l'exploitation agricole
(Tableau 2). La définition de chaque KPI et les raisons pour lesquelles ils sont inclus sont donnés dans le tableau 2. Ces
Les KPI sont, dans de nombreux cas, interconnectés et peuvent également avoir un impact les uns sur les autres.
Agronomie 2020, 10, 743 5 sur 25
Tableau 2. Indicateurs de performance clés (KPI) combinés avec leur description et les raisons de leur inclusion pour évaluer l'impact des
technologies agricoles intelligentes (SFT) dans l'agriculture en plein champ, en ce qui concerne l'économie agricole, l'environnement et la main
d'œuvre au sein de l'exploitation.
Clé
Description des KPI par rapport aux Raisonnement à sélectionner comme important
A/A Performance
Catégorie d'impact spécifique KPI dans la catégorie d'impact spécifique
Indicateur
Économie agricole
Il s'agit d'un indice pour exprimer

Rapport entre une mesure du volume de la production et
l'optimisation des pratiques agricoles d'une
1 Productivité une mesure du volume des intrants utilisés dans la
exploitation agricole grâce à l'utilisation du SFT, qui
production agricole [75]
reflète l'économie agricole.
Caractéristiques qualitatives des produits agricoles

(par exemple, intacts, sains, propres, exempts de
parasites, aspect frais, développement physiologique et L’influence des SFT sur le
Qualité du
2 morphologique normal et suffisant, la qualité du produit pourrait augmenter la
produit
maturité, fermeté, exempts de pourriture affectant la valeur du produit
comestibilité, absence de défauts) [76]
Revenu d'une exploitation agricole provenant de Les revenus sont essentiels à la viabilité des
ses activités commerciales normales, généralement exploitations agricoles, et les SFT pourraient
3 Revenu
provenant de la vente de produits agricoles aux clients [77] contribuer à leur augmentation en optimisant la
production et la qualité.
Le rôle principal des SFT est l'optimisation
Coût des intrants (par exemple, semences, engrais,
4 Coûts des intrants des intrants qui reflètent la réduction des coûts
pesticides, carburant, eau d'irrigation) [78]
pour une exploitation agricole.
La réduction de toutes les dépenses agricoles

Dépenses qui varient en proportion directe de la quantité
en utilisant différents types de SFT peut avoir un
5 Coûts variables de production (par exemple, matières premières,
impact positif sur le revenu final
emballage, maind'œuvre) [79]
Récolte qui est déversée ou gâtée avant d'atteindre le

marché (par exemple, fruits présentant des taches Les SFT pourraient contribuer à de meilleurs
6 Gaspillage des récoltes ou des défauts dus à des ravageurs, ou de programmes de protection des cultures et à une
forme irrégulière en raison d'un développement récolte sélective réduisant le gaspillage des récoltes.
anormal) [80]
Des processus optimisés dans l'exploitation

agricole (par exemple, enracinement par
Quantité d'énergie utilisée pour tous les besoins d'une
7 Consommation d'énergie tracteur ou robot, récolte sélective qui réduit les
ferme [81]
besoins de stockage, etc.) peuvent réduire
la consommation d'énergie et les coûts correspondants.
Environnement
Une production agricole optimisée à l'aide de

La variation de la vie du sol, des gènes aux communautés,
SFT (c'estàdire en minimisant les passages sur
et les complexes écologiques dont ils font
le terrain à l'aide de l'autoguidage)
8 partie, c'estàdire des microhabitats du sol aux
Biodiversité des sols pourrait préserver la biodiversité et la
paysages [82]
durabilité des sols, permettant ainsi la
conservation de la vie des sols.
Impact réduit sur la biodiversité grâce à

Le nombre et les types de plantes et d'animaux qui l’optimisation des intrants (fertilisation à taux
9 Biodiversité existent dans une région particulière ou dans le monde en variable ou application de pesticides) et
général [83] à la réduction de la dérive de pulvérisation

grâce aux SFT
La diminution de l'utilisation d'engrais en

Ampleur de l'utilisation d'engrais dans la production appliquant des SFT signifie que le lessivage vers
dix Utilisation d'engrais
agricole [84] les eaux souterraines ou les émissions élevées
de GES du sol peuvent être réduits.
Ampleur de l'utilisation de pesticides dans la production Réduction de l'utilisation des pesticides en employant
11 Utilisation de pesticides
agricole [85] Les SFT peuvent fournir moins de points et
Agronomie 2020, 10, 743 6 sur 25
contamination diffuse des cultures non cultivées

domaines
L'optimisation de l'utilisation de l'eau avec

Eau appliquée par un système d'irrigation pour
Utilisation de l'application SFT aiderait à maintenir
12 soutenir la croissance des plantes dans les pratiques
l'eau d'irrigation les réserves d'eau et à réduire le pompage
agricoles et horticoles [86]
excessif.
13 émissions de CH4 L'amélioration de tous les aspects de
14 Emissions de CO2 L’ensemble des rejets des principaux gaz à effet l'application des intrants (semences,
de serre liés à l’activité agricole engrais, pesticides, carburant, eau d'irrigation)
(CH4, CO2, N2O) dérivés pendant la production peut entraîner une réduction des émissions de GES.
15 émissions de N2O
agricole dans une ferme [87] avec un impact positif sur le potentiel de
réchauffement climatique
Effets d'acidification attribués à
Les rejets de NH3 proviennent principalement de l'utilisation les dépôts secs de NH3 pourraient être
16 émissions de NH3
d'engrais pour la production agricole dans une ferme [88] réduits par l’application d’azote via les SFT
Contrôler la fertilisation azotée pour optimiser son

Mouvement du NO3 vers les eaux souterraines
utilisation par les cultures permettrait de
augmentant les pertes d’azote dues aux
17 Lessivage du NO3 réduire le lessivage du NO3 avec un impact
apports d’engrais azotés vers les terres agricoles [89]
positif sur les sols et l'eau.
ressources
Toute substance ou mélange de substances contenu La pulvérisation à débit variable via les SFT peut
dans un aliment résultant de l'utilisation d'un réduire le dosage des pesticides,
Pesticide pesticide sur la culture concernée, y compris réduisant ainsi les résidus sur les produits dans
18
résidus tout dérivé spécifié considéré comme ayant une le champ concerné et diminuer la dérive de
importance toxicologique [90] pulvérisation pour moins de résidus dans
les champs voisins.
19 Pression des mauvaises herbes Contrôler la population et la densité des mauvaises
20 Pression parasitaire herbes, des ravageurs et des maladies,
Effets de la croissance des mauvaises herbes, des ravageurs
principalement grâce à une application
Maladie et des maladies dans un champ [91]
21 précise et en temps opportun des pesticides,
pression
réduirait leur impact sur le rendement final et la qualité.
Travail
Temps consacré au travail et considéré Les SFT pourraient réduire le temps de travail,
22 Temps de travail comme marchandise ou comme mesure d’effort grâce à des applications robotiques, à
[92] l'autoguidage et à la téléopération.
Les SFT pourraient réduire le stress des agriculteurs
Réaction indésirable des personnes face à
grâce à une meilleure optimisation des
23 Le stress des agriculteurs une pression excessive ou à d’autres types
ressources et une meilleure planification des
d’exigences qui leur sont imposées [93]
opérations
Les SFT pourraient réduire le travail pénible
Travaux pratiques pénibles, surtout lorsqu'ils impliquent grâce à l'automatisation et aux
24 Travail pénible
un effort physique intense [94] technologies robotiques pour les opérations
de terrain exigeantes
L'automatisation et la robotique pourraient
Blessure ou maladie causée, contribuée ou aggravée
Blessures des réduire les blessures des agriculteurs,
25 de manière significative par des événements ou
travailleurs par exemple, l'attelage automatique
des expositions dans l'environnement de travail [95]
ou le remplissage automatique du
pulvérisateur. Les SFT fournissent des capteurs
Occurrence discrète au cours de avancés pour les opérations actives et passives,
26 Les accidents travail entraînant une lésion professionnelle telles que l'autoguidage pour les virages
physique ou mentale [96] automatiques en fourrière qui réduisent les
accidents.
2.2. Recherche
Nous avons recherché des SFT dérivés d'articles scientifiques, de projets de recherche et de produits industriels.
La méthodologie utilisée est donnée cidessous.

Agronomie 2020, 10, 743 7 sur 25
2.2.1. Articles scientifiques évalués par des pairs
Nous avons utilisé Scopus (www.scopus.com) car il couvre une large gamme de disciplines.
(pas seulement sur l'agriculture) et des revues scientifiques de classement différent (pas seulement des revues de premier plan).
Une requête a été développée en consultation avec un bibliothécaire professionnel pour rechercher des articles
susceptibles de décrire les SFT. La requête comportait deux parties : une première partie visant à sélectionner tous les
articles liés à la technologie, et une deuxième partie visant à sélectionner tous les articles liés à l'agriculture en plein
champ. Les deux parties de la requête ont été jointes par une clause « AND ». La sélection de motsclés a été complétée
par des considérations sur la portée des paramètres temporels et thématiques pertinents. La requête suivante a été
utilisée pour sélectionner les articles :
(TITREABSKEY (capteur ou aide à la décision ou DSS ou base de données ou TIC ou automate* ou autonom* ou
robot* ou GPS ou GNSS ou « système d'information » ou « analyse d'image » ou « traitement d'image » ou « agriculture
de précision » » ou « agriculture intelligente » ou « agriculture de précision »))
ET
(TITREABSCLÉ (agricole* ou culture* ou arabe* ou ferme* ou vignoble ou verger ou horticole* ou légume*))
ET
(LIMITTO (DOCTYPE, « ar ») OU LIMITTO (DOCTYPE, « re »)) ET (LIMITTO (SUBJAREA,
« AGRI ») OU LIMITTO (SUBJAREA, « ENGI »)), où les
motsclés se terminant par « * » peuvent avoir des terminaisons différentes (par exemple, automat* récupérera
« automatique » ainsi que « automatisé ») ; GPS – système de positionnement mondial, GNSS – système mondial de
navigation par
satellite. Les résultats étaient limités par année, type de document (article), type de sujet (agriculture) et langue
(anglais). Pour notre objectif, nous avons collecté des articles datant uniquement de 2012 et après, afin de nous
concentrer sur les SFT récentes susceptibles d'intéresser toutes les parties prenantes concernées et en particulier les
utilisateurs finaux. La requête a été optimisée et vérifiée en utilisant un échantillon aléatoire de 10 articles clés considérés
comme pertinents pour le développement de SFT pratiques pour les agriculteurs. La requête était considérée comme
terminée lorsque ces 10 articles étaient inclus dans le résultat de la requête.
La requête Scopus a donné lieu à un grand nombre d’articles censés contenir des informations sur les SFT. Parmi
ces articles, beaucoup n’étaient pas pertinents pour l’agriculture de plein champ.
Par conséquent, une procédure de sélection manuelle a été utilisée pour sélectionner uniquement les articles pertinents, à savoir
les articles décrivant une technologie qui peut (ou pourrait être) utilisée par un agriculteur dans sa pratique agricole quotidienne.
Tout au long, nous nous sommes concentrés sur la question : « estce une SFT pertinente ? » Nous avons utilisé une
approche d'exclusion et supprimé les documents liés à (i) la postrécolte, la transformation, la distribution ou la
commercialisation, (ii) les calculs d'évapotranspiration, (iii) l'adéquation des terres (en sélectionnant uniquement les DSS
liés à l'adéquation des cultures), (iv) la gestion de l'eau. , comme les sécheresses (mais y compris tout ce qui concerne
l'irrigation), (v) les moteurs de tracteurs et (vi) la culture en serre.
N'ayant disponible que les articles scientifiques pertinents pour notre recherche, la sélection manuelle des articles
s'est poursuivie en trois tours. Premièrement, nous avons utilisé le titre pour supprimer les articles qui n'étaient pas
pertinents. Par exemple, un article intitulé « Une nouvelle évaluation de la perte de sol due à l'érosion éolienne dans les
sols agricoles européens utilisant une approche de modélisation quantitative spatialement distribuée » a été sélectionné
par notre requête parce que son résumé contenait les termes « système d'information géographique » et « arable ».
atterrir". Cependant, le titre ne décrit clairement pas un outil utile aux agriculteurs. Nous l’avons donc supprimé de notre
liste. Deuxièmement, pour les articles portant des titres pertinents, nous avons également lu le résumé et exclu ceux qui
ne sont pas utiles en pratique aux agriculteurs. À titre d'exemple, un article intitulé « Réseau de capteurs sans fil et
solution Internet des objets (IoT) dans l'agriculture » semble intéressant. Le résumé indiquait clairement que ce document
décrivait une infrastructure réseau qui pourrait certainement être utilisée dans une ferme.
Cependant, cela ne serait pas utilisé directement par les agriculteurs. Il s'agirait plutôt d'un élément du développement et
de l'opérationnalisation d'un réseau de capteurs qui, à son tour, soutiendrait les outils de prise de décision par les
agriculteurs. En bref, cet article ne décrivait pas un SFT directement utile pour un agriculteur en agriculture de plein
champ, et il a été exclu. Dans un troisième temps, nous avons tenté de localiser le texte intégral de l'article. Si cela
s’avérait impossible ou si l’article était rédigé dans une langue autre que l’anglais, nous le retirions de la liste. Si le texte
intégral indiquait que le document n'était pas pertinent pour
Agronomie 2020, 10, 743 8 sur 25
l'agriculture en plein champ, elle a également été supprimée de la liste. Pour les articles laissés à la fin de la troisième étape, les
auteurs ont répondu aux questions de l'enquête de la section 2.3 en utilisant le texte intégral de l'article.
2.2.2. Projets de recherche
Pour la récupération des projets de recherche, une recherche active a été menée pour les projets financés par l'UE.
Les programmes Horizon 2020 et FP7 ont été collectés à partir du site Web CORDIS [97] de l'UE et importés dans une base de
données relationnelle. La requête Scopus a été traduite en une requête SQL qui recherchait dans les colonnes « titre » et
« objectif » les projets de recherche de l'UE, en utilisant la même liste de motsclés que dans la requête Scopus. Dans ce
processus, les auteurs ont répondu aux questions de l'enquête de la section 2.3 en utilisant les informations du site Web et des
livrables du projet et, dans de nombreux cas, via une communication personnelle avec les coordinateurs des projets.
2.2.3. Produits industriels (produits et services disponibles dans le commerce)
Pour la collecte des résultats de l'industrie, un appel a été annoncé via la newsletter du projet SmartAKIS (www.smart
akis.com), ainsi que par l'intermédiaire de l'Association européenne des machines agricoles (CEMA) pour se faire connaître
auprès du réseau d'entreprises SFT sous son ombrelle ou lié à l'association. Une recherche sur le Web a donné un aperçu des
entreprises potentiellement impliquées dans le développement des SFT. Nous avons recherché des entreprises possédant des
références pertinentes en matière d'agriculture intelligente, telles qu'une implication dans la production d'équipements et de
machines agricoles ou des parties prenantes impliquées dans le développement de logiciels agronomiques. Les réseaux
concernés de FIWARE FRACTALS et Smart Agrifood II ont été consultés. De plus, nous avons utilisé le réseau de conseillers de
tous les partenaires de SmartAKIS pour contacter les parties prenantes concernées, et la dernière étape consistait pour les
auteurs de ce travail à effectuer une recherche documentaire sur Internet pour localiser davantage d'OFT commerciales. Le
questionnaire a été répondu par les prestataires SFT avec l'aide des auteurs de ce travail. Dans le cas où le questionnaire n'était
pas correctement rempli, les prestataires SFT étaient à nouveau contactés (le questionnaire leur demandait leur consentement)
pour fournir les informations manquantes ou incohérentes. Si le questionnaire n'était toujours pas entièrement rempli, alors le SFT
était exclu de la recherche.
2.3. Développement de questionnaires
Un questionnaire a été construit pour enregistrer les données sur chaque SFT trouvée dans les trois catégories (articles
scientifiques, projets de recherche, produits commerciaux). Le questionnaire a été élaboré sur la base de l'évaluation de la liste
complète des défis et des KPI respectifs, et trois versions ont été produites (une pour chaque catégorie). Le questionnaire
comprenait deux parties principales : (1) des informations descriptives sur le SFT, y compris des informations de base, le niveau
de préparation technologique, le type et l'opération sur le terrain pour laquelle il est utilisé ; (2) évaluer les informations sur la
facilité d’adoption et les effets possibles sur l’économie agricole, l’environnement et le travail. La section d'évaluation a été évaluée
à l'aide d'une échelle de Likert à cinq niveaux. Les réponses ont été analysées à l'aide de statistiques descriptives des données
Likert dans le logiciel R (logiciel gratuit de la R Foundation de Statistical Computing, Vienne, Autriche). Le questionnaire était
également basé autant que possible sur le format commun EIPAGRI [98] et il a été distribué en ligne via un lien vers les parties
prenantes identifiées. Le contenu spécifique de chaque partie du questionnaire est décrit cidessous.
2.3.1. Informations de base sur SFT
Après des questions spécifiques au type de candidature (article scientifique, projet de recherche ou produit industriel),
quelques questions d'information de base ont été posées sur le SFT. À titre indicatif, pour les articles, la paternité, la revue
scientifique, l'année de publication et le DOI ont été demandés, tandis que pour les projets, la durée et le statut (en cours ou
terminé), le type de financement de l'UE, le budget et le coordinateur ont été indiqués. Enfin, pour les produits, les coordonnées
de l'entreprise et du responsable ont été définies.
2.3.2. Niveau de maturité technologique (TRL)
Le TRL d'une technologie indique son niveau de maturité et va de TRL1 (principes de base observés) à TRL9 (système réel
éprouvé en environnement opérationnel) [99]. Basé sur ceci
Agronomie 2020, 10, 743 9 sur 25
Dans la classification, TRL a été spécifié pour les SFT présentés dans les articles scientifiques et les projets de recherche,
tandis que, pour les produits commerciaux, il a été considéré comme TRL9 car ils sont déjà opérationnels sur le marché. TRL a
été défini par les auteurs à l'aide du calculateur AFRL TRL (version 2.2.) [100] pour chacune des SFT incluses dans la recherche.
Le processus a été le suivant : trois lots égaux de SFT provenant à la fois d'articles scientifiques (177 articles dans chaque lot)
et de projets de recherche (deux lots de 31 projets et un lot de 32 projets) ont été respectivement définis. Ensuite, chaque auteur
s'est vu attribuer deux lots de chaque catégorie, afin de rester neutre dans tous les articles et projets du troisième lot. En cas de
désaccord sur le niveau TRL d'un certain SFT entre les deux auteurs ayant évalué le même lot, il serait demandé au troisième
auteur d'évaluer et son évaluation serait prise en compte.
Il convient de mentionner que le niveau de désaccord était très faible (dans 17 articles scientifiques sur 531 (3 %) et dans six
projets de recherche sur 94 (6 %)), et il restait entre deux niveaux TRL voisins en raison de la précision définitions données par
les références [77,78] et l'expérience des auteurs.
2.3.3. Typologie des SFT
Pour une meilleure compréhension du paysage SFT, la classification de Schwarz et Herold [101] a été utilisée. Ces
auteurs ont classé les SFT comme des technologies d'enregistrement, de réaction ou de guidage. En plus de ces cours, dans
ce travail, les « FMIS » et les « systèmes robotiques/automatiques » ont été utilisés, car la recherche, l'innovation et l'application
commerciale de ces catégories SFT ont suscité un grand intérêt ces dernières années [28,52,59]. Il convient de noter que ces
cinq classes ne s’excluent pas mutuellement, ce qui signifie qu’une SFT particulière peut enregistrer et réagir en même temps.
Un SFT robotique utilisera généralement une sorte de technologie de guidage et enregistrera ou réagira, ou éventuellement fera
les deux. La fonction principale a été utilisée dans notre analyse.
2.3.4. Opération terrain menée avec la SFT
Les principales opérations de terrain que chaque SFT pouvait utiliser étaient indiquées dans le questionnaire à choisir, à
savoir (1) le travail du sol, (2) le semis, (3) le repiquage, (4) la fertilisation, (5) l'application de pesticides contre les mauvaises
herbes, les ravageurs. et le contrôle des maladies, (6) l'irrigation et (7) le dépistage des cultures (mesure et enregistrement des
paramètres des cultures et du sol sur le terrain), par exemple, dans le cas de la récupération de données sur le terrain. La
possibilité d'inclure une autre opération sur le terrain a été proposée.
2.3.5. Facilité d’adoption du SFT
Outre les caractéristiques des SFT liées aux défis auxquels les agriculteurs sont confrontés, des questions ont également
été posées concernant la facilité d'adoption des SFT. La méthode Rogers [102] pour l'évaluation des innovations a été utilisée,
où les adoptants potentiels évaluent une innovation en termes de son avantage relatif (les gains d'efficacité perçus par rapport
aux outils ou procédures actuels), de compatibilité avec le système préexistant, de complexité ou de difficulté à mettre en œuvre.
l'apprentissage, la testabilité, le potentiel de réinvention (en utilisant l'outil à des fins initialement non prévues) et les effets
observés. Il a été demandé aux répondants d'indiquer s'ils étaient ou non d'accord avec les sept énoncés suivants, en utilisant
l'échelle de Likert à cinq niveaux d'accord (pas du tout d'accord, pas d'accord, sans opinion, d'accord et tout à fait d'accord) : 1.
Le SFT remplace un outil ou une technologie. qui est actuellement utilisé. Le SFT est meilleur que l’actuel
outil.
Cette question s'adresse spécifiquement aux SFT qui visent à créer de la valeur ajoutée par rapport aux outils existants.
2. Le SFT peut être utilisé sans apporter de modifications majeures au système existant.
Certains SFT devraient nécessiter davantage de modifications du système existant que d’autres.
3. Le SFT ne nécessite pas d’apprentissage important avant que l’agriculteur puisse l’utiliser.
Cette affirmation peut donner une indication sur l'effort d'apprentissage qui doit être fait par l'agriculteur.
et peut être utile pour comparer la différence dans les exigences d’apprentissage entre les SFT.
4. Le SFT peut être utilisé d'autres manières utiles que celles prévues par l'inventeur.
Agronomie 2020, 10, 743 10 sur 25
Certaines SFT peuvent avoir plusieurs objectifs utiles pour atteindre de nombreux effets très différents.
5. Le SFT a des effets directement observables par l’agriculteur.
Il est considéré comme un avantage lorsque les effets peuvent être directement observables par un agriculteur, car cela
augmentera la probabilité que l'agriculteur trouve le SFT pertinent pour sa situation. 6.
L’utilisation du SFT nécessite un investissement de temps important de la part de l’agriculteur.
Cette déclaration donnera une indication sur l'investissement de temps qui est nécessaire de la part de l'agriculteur pour
afin d'utiliser le SFT, ce qui jouera un rôle dans l'attractivité de son utilisation.
7. Le SFT produit des informations directement interprétables (exemple du contraire : le SFT

produit un indice de végétation mais personne ne sait quoi en faire).
Il est souhaitable que les résultats soient présentés de manière à ce qu'ils soient faciles à interpréter. Ce
rend les résultats plus intéressants pour les utilisateurs finaux et entraîne une cohérence d’interprétation.
2.3.6. Effet de l'utilisation du SFT
Une partie très importante de ce travail consistait à définir l’effet de chaque SFT sur la production agricole.
Les KPI identifiés dans la section 2.1 ont été utilisés comme critères pour mesurer l'impact sur l'économie agricole,
l'environnement et la maind'œuvre au sein de l'exploitation. Des effets étaient attendus sur ces 26 aspects critiques, dont cinq
sont influencés positivement par les SFT, les augmentant (productivité ; qualité d'un produit ; revenu ; biodiversité des sols ;
biodiversité), et 21 sont affectés positivement par les SFT, les diminuant (apport coûts ; coûts variables ; gaspillage des
récoltes ; consommation d'énergie ; émissions de CH4 ; émissions de CO2 ; émissions de N2O ; émissions de NH3 ; émissions
de NO3 ; utilisation d'engrais ; utilisation de pesticides ; eau d'irrigation ; temps de travail ; stress des agriculteurs ; travail
pénible ; blessures ; accidents ; résidus de pesticides ; pression des mauvaises herbes ; pression des ravageurs (insectes) ;
pression des maladies). Les effets pourraient être exprimés à l’aide de l’échelle de Likert selon cinq niveaux de changement
(diminution importante, légère diminution, aucun effet, légère augmentation et forte augmentation). Le répondant pourrait
compléter cette échelle par des pourcentages pertinents ou une indication encore plus précise des effets du SFT lorsque cela
était possible.
3. Résultats et discussion
Cette section fournit le nombre final de SFT identifiés dans des articles scientifiques, des projets de recherche et des
produits commerciaux grâce à notre recherche. Ces SFT ont été présentés et comparés en termes de niveau de maturité
technologique (TRL19), de type (enregistrement, réaction, guidage, FMIS et robotique/automatisation) et d'opérations de
terrain abordées (labour, semis, repiquage, fertilisation, désherbage, culture). protection, irrigation, récolte, dépistage). Cela a
été utilisé pour présenter quelques tendances prospectives de la situation actuelle du développement du SFT. Les facteurs
susceptibles d'affecter la préparation à l'adoption des SFT ont également été décrits, tandis que l'effet sur l'économie agricole,
l'environnement et la maind'œuvre a été indiqué, afin d'identifier les catégories de SFT les plus impactantes dans l'inventaire
de ce travail.
3.1. Nombres et types de SFT
Le nombre d'articles décrivant une SFT augmente rapidement (Figure 1), montrant la tendance de la recherche à
transférer l'agriculture conventionnelle basée sur le concept de la Révolution verte (mécanisation agricole, application uniforme
des intrants) vers une agriculture intelligente moderne (interférence des TIC dans les machines agricoles pour précision accrue
et application d'entrée spécifiée).
Au total, 13 251 articles scientifiques ont été trouvés dans la base de données de citations Scopus avec la requête décrite
dans la section 2.2, et la sélection manuelle a abouti à la sélection d'une petite fraction de ces articles scientifiques (531 ou 4
% du total) en fonction du déploiement de un prototype testé en conditions de terrain, qui peut être directement utile aux
agriculteurs. Ce faible pourcentage du nombre total d'articles scientifiques indique que la plupart des recherches présentaient
principalement des concepts immatures qui nécessitent plusieurs étapes avant de pouvoir être bénéfiques pour les pratiques
agricoles quotidiennes.
Agronomie 2020, 10, 743 11 sur 25
Figure 1. Évolution temporelle des articles scientifiques publiés sur les technologies agricoles intelligentes (SFT) sur
sur une base annuelle (pour la période 19812017) identifiée via une requête Scopus (au 18 juillet 2018). Le
interroger des articles sélectionnés contenant des motsclés liés à la technologie (capteur, aide à la décision, DSS,
base de données, TIC, automate*, autonom*, robot*, GPS, GNSS, système d'information, analyse d'image, image
transformation, agriculture de précision, agriculture intelligente, agriculture de précision) et à l’agriculture en plein champ
(agricole*, culture*, arabe*, ferme*, vignoble, verger, horticole*, végétal*). TIC – information et
technologies de communication; GPS – système de positionnement global ; GNSS—satellite de navigation mondial
système.
La base de données en ligne CORDIS de la Commission européenne avec une recherche de projets financés a abouti
dans 94 projets de recherche des cadres de financement FP7 et H2020 directement liés aux SFT, tandis que le
la recherche de solutions industrielles SFT a permis de répertorier 439 produits disponibles sur le marché pour
agriculteurs à acheter. Au total, 1 064 SFT ont été sélectionnées pour cette analyse pour toutes les catégories (tableau 3), pour
lequel le questionnaire a été rempli.
Tableau 3. Nombre total de technologies agricoles intelligentes (SFT) identifiées par la recherche menée en
articles scientifiques disponibles, projets de recherche et produits industriels.
Taper Nombre total

Articles de recherche 531
Projets de recherche 94
Solutions industrielles 439

Total 1064
3.2. Niveau de maturité technologique (TRL) des SFT
La figure 2 présente les différences de TRL entre les articles scientifiques et les projets de recherche (par
définition, le TRL des produits commerciaux est de 9).
(a) Articles scientifiques (b) Projets de recherche
Figure 2. Niveau de maturité technologique (TRL) des technologies agricoles intelligentes (SFT) identifiées dans
(a) articles scientifiques et (b) projets de recherche. Le TRL va du TRL1 (principes de base observés) à
Agronomie 2020, 10, 743 12 sur 25
TRL9 (système actuel dans un environnement opérationnel) [99] et a été défini à l'aide de l'AFRL TRL
Calculatrice (version 2.2.) [100]. Les SFT commerciales ont été exclues de ce processus (elles avaient toutes un TRL9).
La plupart des technologies en étaient au stade où elles sont validées dans un environnement pertinent. Dans tout
Dans certains cas, quelques entrées concernaient les premiers stades au cours desquels seuls les principes de base étaient observés ou
concepts technologiques formulés. Dans les projets de recherche, on peut constater que la majorité avait TRL5–7,
mais un résultat important est que 16 % des projets ont abouti à un produit commercial (TRL9), ce qui montre
la tendance récente des projets axés sur une alliance réelle entre le monde universitaire et les entreprises
applications.
3.3. Types de SFT
Différents types de SFT peuvent être distingués dans les articles scientifiques, les projets de recherche et
produits commerciaux (figure 3). En se concentrant uniquement sur les articles scientifiques publiés au cours des six années
à l'étude, il est évident que l'accent a été mis sur l'enregistrement, avec relativement peu d'attention
vers une réaction. Ce tableau n’est pas rassurant, car il suggère que, même si de gros efforts sont déployés
En ce qui concerne les mesures, il y a un manque d'efforts pour traduire les mesures en actions pratiques à la ferme.
Il convient de noter que ce résultat correspond inconfortablement à la croyance générale selon laquelle
Les SFT promettent plus qu'elles ne livrent (par exemple, voir la référence [103]). Cependant, cette constatation n’a pas été démontrée
dans les projets de recherche et les produits commerciaux à ce point.
(a) Articles scientifiques (b) Projets de recherche (c) Produits commerciaux

Nombre de SFT % Nombre de SFT % Nombre de SFT %
Enregistrement 286 53,9 25 26.6 128 29.1
Réagir 78 14.7 8 8.5 68 15,5
Guidage 23 4.3 3 3.2 30 6.8
SIGF 87 16.4 41 43,6 137 31.2
Robot/Automatisation 57 10.7 17 18.1 76 17.3

Nombre total de SFT 531 100 94 100 439 100
Figure 3. Répartition des technologies agricoles intelligentes (SFT) identifiées à chaque type (enregistrement,
de réaction, de guidage, de systèmes d'information de gestion agricole (FMIS) et de systèmes robotiques/automatiques)
basée sur la classification de Schwarz et Herold [101] modifiée par les auteurs dans (a) scientifique
articles, (b) des projets de recherche et (c) des produits commerciaux.
En ce qui concerne les projets de recherche, on constate que le financement de l'UE était davantage orienté vers
Développement de SIGF suivi de technologies d'enregistrement. Cela aurait pu se produire si l'on en juge par
les données de terrain doivent être traduites en informations via des outils TIC pour soutenir les statistiques des exploitations agricoles
et les décisions des agriculteurs [33], qui est la première étape avant de réagir. Les SFT réactifs ont également été pris en charge
par l'UE, mais dans une moindre mesure, ce qui suggère que ce type de SFT est également en cours de développement. Un
Une lecture importante de la figure 3b est également que les robots et l'automatisation à usage agricole ont reçu
ont attiré l’attention et ont été financés encore plus que les autres SFT en réaction. Cela peut s'expliquer par de tels SFT
être perçu comme une solution pour appliquer des applications agricoles intelligentes sur le terrain en utilisant leurs
avantages (petite taille, navigation précise sur le terrain) [104]. Cette tendance pourrait également être associée à
Agronomie 2020, 10, 743 13 sur 25
la spécificité des parcelles de terrain en Europe étant beaucoup plus petite qu'aux ÉtatsUnis [105], ce qui en fait un petit
robot ou essaims de petits robots beaucoup plus intéressants pour l’agriculture européenne [58].
Quant aux produits industriels (figure 3c), la répartition est plus uniforme entre les SFT
catégories. Seules les technologies de guidage ont été trouvées moins souvent dans notre recherche, probablement parce qu'elles
sont les SFT commerciales les plus matures [106] et un nombre limité de nouvelles sociétés entrent sur le marché. C'est
Il est important de souligner que les technologies d'enregistrement et les FMIS possèdent le plus grand nombre de SFT,
suivant en partie les tendances des articles scientifiques et des projets de recherche. Réagir et
les technologies de robotique/d'automatisation étaient également largement représentées dans le produit commercial
inventaire, même si les recherches (articles et projets) ne semblent pas s'intéresser de manière approfondie à ces sujets.
mesure (Figure 3). Concernant les SFT de robotique/automatisation, le nombre de solutions disponibles sur le marché
semblaient disproportionnellement élevés par rapport aux résultats de la recherche dans le même domaine. Dans notre
résultats, il y avait une tendance croissante pour ces technologies passant des articles scientifiques aux
Produits commerciaux. Cela peut être dû au fait que la recherche agricole a connu un retard dans la gestion des
le développement de ces SFT haut de gamme, et les entreprises utilisant la recherche et le développement interne
produit des produits commercialisables sans publier ces travaux dans des revues scientifiques à caractère intellectuel
raisons de propriété. Ces entreprises collaborent au sein de grands consortiums de projets de recherche européens pour
optimiser et commercialiser de tels produits ou accéder directement par leurs propres moyens aux produits commercialisables. Dans
en outre, un financement plus élevé pour l'infrastructure des groupes de recherche est nécessaire pour mener à bien des travaux avec
systèmes robotiques, ce qui peut également avoir influencé le faible nombre de SFT robotiques/automatiques dans
projets de recherche et articles scientifiques par rapport à d’autres SFT, tels que les technologies d’enregistrement.
3.4. Opérations sur le terrain abordées par les SFT identifiées
Les opérations de terrain pour lesquelles les SFT identifiés ont été utilisés sont résumées dans la figure 4.
(a) Articles scientifiques (b) Projets de recherche (c) Produits commerciaux

Nombre de SFT % Nombre de SFT % Nombre de SFT %
Labour 17 3.2 7 7.4 61 13.9
Semis 5 0,9 9 9.6 32 7.3
Transplantation 3 0,6 6 6.4 23 5.2
Fertilisation 82 15.4 15 16,0 78 17.8
Désherbage 58 10.9 6 6.4 44 10,0
Protection des cultures 76 14.3 12 12,8 76 17.3
Irrigation 72 13.6 13 13.8 63 14.4
Récolte 33 6.2 11 11.7 37 8.4
Scoutisme 185 34,8 15 16,0 25 5.7

Nombre total de SFT 531 100 94 100 439 100
Figure 4. Répartition des technologies agricoles intelligentes (SFT) identifiées à chaque catégorie qui
traite d'une certaine opération sur le terrain (labour, semis, repiquage, fertilisation, désherbage, culture
protection, irrigation, récolte et surveillance des cultures/sols) dans (a) des articles scientifiques, (b) des projets de recherche,
et (c) les produits commerciaux.
Dans les articles scientifiques, le dépistage des cultures et des sols était l'application la plus courante des SFT.
décrit, conformément à la tendance de la figure 3, où les SFT d'enregistrement étaient les plus importantes.
Agronomie 2020, 10, 743 14 sur 25
Au contraire, les SFT issus d’articles scientifiques se sont très peu concentrés sur le travail du sol et les semis/repiquage,
même s’ils peuvent permettre des économies significatives dans l’implantation des plantes et augmenter le potentiel de
rendement (en particulier dans les semences hybrides, comme le maïs et la pomme de terre). D'autre part, ces travaux
confirment que les technologies d'application réactives sont d'une grande importance pour les chercheurs (également en
raison de l'intérêt des agriculteurs pour ces sujets), comme le montre également la littérature sur la fertilisation [107,108], le
désherbage [109], la protection des cultures [ 110], l'irrigation [111] et la récolte [61,112] étant des sujets de recherche
importants ces dernières années.
Les sujets les plus représentés dans les projets de recherche étaient la fertilisation et le dépistage des cultures/sols.
La fertilisation est en effet l'un des objectifs d'application à taux variable pour garantir le maintien du rendement, voire
l'augmenter avec le moins de nutriments possible appliqué [107], et les projets de recherche de l'UE semblent financer dans
une large mesure cette question. Quant au dépistage, il est souvent choisi simultanément avec d'autres opérations au
champ (le plus souvent en même temps que la fertilisation) et, dans seulement 22 % des cas, c'est la seule opération au
champ choisie. Ce résultat présente la nécessité de collecter des données avant toute application sur le terrain intelligent,
comme indiqué dans de nombreuses publications liées à la SFT [113115]. Le travail du sol, le semis/repiquage et le
désherbage ont été moins fréquents, comme dans les articles scientifiques. La recherche sur ces opérations fait en effet
défaut, et cela peut être dû à la réticence des chercheurs et des bailleurs de fonds à mener des recherches dans ce
domaine, probablement due au fait que l'on ignore encore quelle est leur efficacité et comment elles s'intègrent avec d'autres technologies à taux variable
Cependant, la conclusion la plus cruciale de la figure 4b est que la recherche financée par l'UE est bien répartie entre les
thèmes de recherche et s'adresse généralement à toutes les pratiques agricoles. Concernant
les produits industriels, la situation est différente puisque le scoutisme a identifié un nombre important de SFT, mais
pas la majorité, comme le montrent les articles scientifiques et les projets de recherche. Cela pourrait indiquer que les
solutions industrielles évoluent lentement vers des systèmes intégrés (équipement requis pour l'acquisition et l'actionnement
des données combinés). D'un autre côté, la fertilisation reste le SFT le plus important vendu sur le marché, comme dans les
documents et les projets, suivie par la protection des cultures et l'irrigation, qui sont les trois pratiques agricoles les plus
cruciales pour la plupart des cultures. Étant donné que le marché du SFT dans l'UE en est encore à ses balbutiements, les
entreprises se tournent principalement vers ces applications qui revêtent une grande importance pour les agriculteurs. Les
entreprises qui survivront ou même évolueront rapidement doivent démontrer des capacités dynamiques (dans ce cas,
proposer des SFT efficaces et efficientes avec des résultats tangibles), aller audelà des machines agricoles conventionnelles
et acquérir un avantage concurrentiel générant des rentes schumpétériennes à long terme [116]. Il est intéressant de
souligner que non seulement le travail du sol, mais aussi le semis/repiquage sont largement représentés dans les SFT
industriels, illustrant peutêtre que de telles technologies sont déjà matures sur le marché (ou du moins leur précision est
adéquate pour les praticiens) et, par conséquent, la recherche n’a pas été dirigée vers eux ces dernières années.
3.5. Facteurs susceptibles d’affecter l’adoption des SFT
Sur la base des sept énoncés du cadre de Rogers (section 2.3.5), les SFT répertoriées ont été évaluées en termes
d'impact sur la préparation à l'adoption. Les résultats des articles scientifiques, des projets de recherche et des produits
industriels sont présentés dans la figure 5. En comparant les résultats
des trois catégories SFT, il est évident qu'il existe une tendance constante de changement pour les sept énoncés du
cadre de Rogers, passant de des articles scientifiques (nouvelles idées avec un TRL faible) aux projets de recherche (idées
plus matures avec un TRL plus élevé) et enfin des produits industriels (solutions commerciales matures de TRL9). Plus
précisément, les SFT présentées dans les articles scientifiques ne sont pas indiquées comme un remplacement significatif
d'un outil existant, alors que cela est bien plus important pour la plupart des SFT répertoriées dans les projets de recherche
et les produits commerciaux. Il est probable que les nouveaux SFT développés par des scientifiques n’ont pas encore trouvé
leur place réelle dans la pratique agricole, alors que, dans les projets et notamment dans les projets européens H2020, le
rôle et la nécessité des SFT développés ont déjà été identifiés à partir de zéro. En ce qui concerne les SFT commerciaux,
l'une des principales raisons pour lesquelles un produit est commercialisé est sa capacité à remplacer la technologie
existante et à faciliter les affaires de l'utilisateur final [117, 118]. Concernant la nécessité de changements majeurs dans les
systèmes existants, les chercheurs dans les articles scientifiques travaillent sur des concepts radicaux qui modifieront
les pratiques agricoles existantes, tandis que les projets de recherche et, dans une plus grande mesure, les produits
commerciaux sont orientés vers des solutions capables de couvrir les besoins. des agriculteurs en ajustant leurs systèmes
existants [29]. Les SFT dans les articles scientifiques semblent exiger
Agronomie 2020, 10, 743 15 sur 25
moins d'apprentissage de la part de l'utilisateur final que ceux des projets de recherche et des produits commerciaux. Ce
résultat était attendu, car les chercheurs pensent que leurs idées sont facilement interprétées par un utilisateur car ils ont
une grande connaissance de ce sur quoi ils travaillent, tandis que, à mesure que le SFT évolue dans des conditions réelles,
il devient évident qu'un agriculteur typique devra être ont enseigné ces nouvelles solutions TIC auxquelles ils ne sont pas
habitués en augmentant leurs connaissances en SFT, ce qui est l'un des principaux obstacles à l'adoption de la SFT [119].
Figure 5. Réponses concernant l'état de préparation à l'adoption des technologies agricoles intelligentes (SFT) identifiées
dans des articles scientifiques, des projets de recherche et des produits commerciaux utilisant le cadre de Rogers [102] sur
la base d'une échelle de Likert à cinq niveaux (fortement en désaccord à tout à fait d'accord).
Une invention typique présentée dans un article scientifique ne peut pas être considérée comme une solution à d’autres
fins que celle pour laquelle elle était destinée et, par conséquent, elle n’a pas été indiquée comme telle. Les SFT dans les
projets de recherche et dans les produits commerciaux sont plus susceptibles d'être utilisés à d'autres fins que prévu en
raison de leur relation plus étroite avec l'agriculture quotidienne et de leur plus grande compatibilité avec les machines
existantes, ce qui reste néanmoins un obstacle important, même dans les SFT industriels [29,63,120 ]. L’effet direct des SFT
n’est pas visible dans les technologies immatures présentées dans les articles scientifiques. Cependant, dans les grands
projets de recherche et les produits commerciaux, ces effets directs ont été étudiés de manière plus rigoureuse ; pour ces
derniers, la nécessité de cette enquête découle du besoin d'être commercialisé avec des effets tangibles sur l'exploitation
agricole, c'estàdire l'utilisateur final potentiel [121,122], ce qui reste malheureusement l'un des obstacles importants à
l'adoption du SFT [64]. En effet, un facteur majeur dans la diffusion de toute technologie est l'acquisition d'informations par
l'utilisateur final [123, 124]. Ce type d'informations doit inclure, sans toutefois s'y limiter, les avantages de l'adoption de la
technologie, la compatibilité avec les technologies existantes et les avantages relatifs par rapport aux technologies de
substitution. Naturellement, ce type d’informations ne peut pas être transmis à l’utilisateur final lorsque les SFT en sont
encore aux premiers stades de recherche, comme le présentent les articles scientifiques. Même si davantage d'informations
peuvent être mises à la disposition de l'agriculteur dans le cadre de projets à grande échelle, des informations complètes
peuvent être transmises plus efficacement en termes d'effets tangibles via des produits commerciaux.
Le temps nécessaire à la familiarisation d'un SFT avec son utilisateur a été déclaré plus long dans les prototypes
produits dans des articles scientifiques que dans les projets de recherche et les produits industriels, où des manuels
structurés et un support technique sont disponibles à partir de zéro. Enfin, une SFT dans les articles scientifiques est dans la
plupart des cas immature et les données qui en découlent nécessitent un long traitement pour fournir
Agronomie 2020, 10, 743 16 sur 25
des informations utiles, alors que les projets de recherche sont plus matures et que les produits industriels
notamment doivent faciliter la vie du client en fournissant une information rapide et claire pour la prise de décision.
3.6. Effets sur l'économie agricole, l'environnement et le travail
Les effets sur les 26 aspects différents décrits dans la section 2.3.6 étaient différents pour les SFT dérivés
d'articles scientifiques, de projets de recherche et de produits industriels (Figure 6). On peut constater que les SFT
issus d'articles scientifiques (Figure 6a) ne se sont pas concentrés sur leur impact, plutôt que sur leur fonctionnalité
et leurs résultats fiables dans l'action promise [37], tandis que, dans les projets de recherche (Figure 6b) qui
impliquent principalement l'innovation ou la recherche et les actions d'innovation (IA ou RIA) [125], la majorité des
solutions SFT ont été évaluées en termes d'impact économique, environnemental et sur le travail, et leurs avantages
ont été révélés. En ce qui concerne les produits commerciaux, la figure 6c montre que la plupart des 26 aspects ont
été influencés dans une certaine mesure entre les articles scientifiques et les projets de recherche. Ce fait montre
que l’effet rebond de l’utilisation des SFT commerciaux dans l’agriculture quotidienne pourrait réduire les effets
positifs déclarés des SFT dans tous les aspects [64,65]. Cela indique également que les fournisseurs de produits
peuvent être modestes dans leurs promesses, de sorte que suffisamment d'impacts positifs soient fournis aux
clients pour voir des résultats tangibles et accroître la confiance dans ces produits. De plus, parmi les articles,
projets et produits, les produits commerciaux sont la seule catégorie dans laquelle des opinions opposées sur leurs
effets ont été trouvées, ce qui indique que les SFT commercialisés et appliqués dans des conditions réelles
présentent également des inconvénients. Il convient toutefois de souligner que, même dans ce cas, les effets
négatifs déclarés ont été très limités, démontrant le potentiel des SFT pour l’amélioration de la production agricole.
(un)
(b)
Agronomie 2020, 10, 743 17 sur 25
(c)
Figure 6. Effets des technologies agricoles intelligentes (SFT) identifiées sur l'économie agricole, l'environnement
et le travail à l'aide d'une évaluation qualitative des SFT dans (a) des articles scientifiques, (b) des documents de
recherche et (c) des produits commerciaux basés sur un Échelle de Likert à cinq niveaux (forte diminution à forte
augmentation).
3.6.1. Économie agricole
La productivité, les revenus et la qualité devraient augmenter lors de l’utilisation de tous les SFT. En effet, de
nombreuses études ont indiqué que les SFT peuvent produire des résultats économiques positifs par rapport aux
pratiques conventionnelles [37, 126129]. Ces trois aspects suivent une tendance similaire d'augmentation attendue
des articles scientifiques aux projets de recherche puis aux produits commerciaux, indiquant que les SFT innovants
deviennent commerciaux lorsqu'on considère que les gains économiques pour les exploitations agricoles sont
significatifs et que c'est l'objectif principal des fournisseurs de produits. [117]. En revanche, les autres aspects
économiques (coûts des intrants et coûts variables, gaspillage des récoltes et consommation d’énergie) ont suivi une
autre tendance, les projets de recherche promettant des impacts plus élevés que les produits industriels et les articles
scientifiques (dans cet ordre). Cela peut s'expliquer par les projets de recherche évaluant plusieurs aspects des
performances du SFT, tandis que les articles scientifiques se concentrent principalement sur les réalisations
technologiques et les produits commerciaux en termes de gains économiques du SFT pour l'utilisateur final. Une autre
raison pourrait également être l'autopromotion des projets de recherche pour répondre aux attentes des autorités de financement.
3.6.2. Environnement
Parmi les 14 aspects environnementaux, les plus influencés dans toutes les catégories étaient les intrants
agricoles (engrais, pesticides et eau d'irrigation). Cette découverte est liée à l’effet des intrants et des coûts variables
de la section 3.6.1 et au principe principal des SFT consistant à maintenir ou augmenter la production avec des intrants
agricoles inférieurs [130]. Au contraire, les aspects les moins touchés étaient les émissions gazeuses de tous types (le
CO2 étant le plus touché), ce qui indique soit que l'effet est limité, soit qu'il doit encore être étudié de manière
approfondie par les chercheurs et l'industrie [37]. La pression des mauvaises herbes, des ravageurs et des maladies
peut également être réduite par l’application de SFT, qui est liée à une utilisation réduite de pesticides, moins nécessaire
en raison d’une pression plus faible. Une augmentation de la biodiversité (du sol) a également été déclarée,
probablement parce que l'utilisation rationnelle des intrants dérivés de l'application de SFT réduit l'effet sur la faune et
la flore, conduisant à la préservation de la biodiversité [131]. Tous les aspects environnementaux se sont révélés plus
affectés par les SFT de projet que par les SFT de produits ou de papier, montrant la même tendance que les aspects
économiques de la section 3.6.1.
Agronomie 2020, 10, 743 18 sur 25
3.6.3. Travail
Le temps de travail et le stress des agriculteurs ont été les aspects les plus touchés, car les SFT facilitent toutes les
pratiques agricoles. Il convient de souligner que, même s'il est démontré que le stress des agriculteurs est considérablement
réduit, l'utilisation réelle d'un SFT peut impliquer un certain stress initial, en raison de la nécessité de traiter l'information et de
calibrer la technologie, ainsi que lorsque les technologies échouent. . Le niveau de contrainte est différent selon les types de SFT,
avec des technologies de guidage fonctionnelles et efficaces pendant des années réduisant bien plus la contrainte que les
technologies à taux variable qui nécessitent un étalonnage détaillé et continu pour fonctionner correctement par rapport à une
application uniforme conventionnelle. La pénibilité du travail des utilisateurs finaux a également été déclarée réduite, tandis que
les blessures et les accidents n'étaient pas présentés comme étant très affectés. Ces résultats montrent comment les solutions
TIC fournies par les SFT sont censées faciliter la vie des agriculteurs et qu'elles s'inscrivent dans la lignée de plusieurs études de
recherche sur ce sujet. MeyerAurich et al. (2008) [132] ont montré que les technologies d'agriculture de précision peuvent réduire
la maind'œuvre grâce à l'automatisation de l'application à taux variable, tandis que Pedersen et al. (2006) [133] ont présenté que
l’agriculture de précision nécessite moins de maind’œuvre et peut réduire les restrictions sur les heures de travail quotidiennes
disponibles. De plus, Batte (2003) [134] a introduit l'impact indirect des technologies de guidage sur la disponibilité de main
d'œuvre pour d'autres travaux agricoles.
4. Conclusions
Un grand nombre de SFT (1 064) dérivés d'articles scientifiques (531), de projets de recherche (94) et de produits
commerciaux (439) ont été collectés et analysés dans ce travail. Ils étaient accompagnés d'informations supplémentaires sur le
type et l'opération sur le terrain pour laquelle ils étaient utilisés, ainsi que sur leurs attentes en matière de préparation à l'adoption
et leur impact économique, environnemental et sur le travail. Les articles scientifiques se sont principalement concentrés sur les
technologies d'enregistrement, tandis que les projets de recherche se sont concentrés sur les FMIS haut de gamme traduisant les
données collectées en décisions précieuses. Les produits commerciaux étaient plus équilibrés entre les types de SFT,
l'enregistrement et les FMIS recevant à nouveau la plus grande attention, les technologies de réaction et de robotique/
automatisation étant également fortement représentées, car les agriculteurs ont besoin de solutions exécutables pour leurs
opérations quotidiennes. Les SFT collectés dans les articles scientifiques étaient principalement utilisés pour l'exploration des
cultures et des sols, et les projets de recherche étaient principalement liés à la fertilisation, tandis que les SFT commerciaux
étaient orientés vers les trois pratiques agricoles les plus cruciales pour la plupart des cultures, à savoir la fertilisation, la protection
des cultures et l'irrigation. .
Les facteurs affectant la préparation à l’adoption des SFT ont montré une tendance constante à l’évolution. Les SFT issus
de projets de recherche et de produits commerciaux ont été indiqués comme un remplacement significatif des solutions existantes,
mais n'apportant pas de changements majeurs dans les systèmes agricoles existants. Les SFT dans les articles scientifiques ont
été indiqués comme nécessitant moins d'apprentissage de la part des utilisateurs finaux que dans les projets de recherche et
encore plus dans les produits commerciaux. Enfin, les données des SFT contenues dans les articles scientifiques étaient difficiles
à interpréter en informations utiles, tandis que les projets de recherche et en particulier les produits industriels fournissaient des
informations plus claires à l'utilisateur final.
Les effets économiques, environnementaux et sociaux des SFT répertoriés étaient différents selon les articles scientifiques,
les projets de recherche et les produits industriels. Les articles scientifiques n'ont pas fourni de déclarations d'impact spécifiques,
tandis que les avantages ou les inconvénients des SFT dans les projets de recherche ont été largement étudiés, comme l'exigent
les agences de financement de la recherche ; les SFT commerciales ont également été déclarées comme ayant un impact
suffisamment élevé. En ce qui concerne l'économie agricole, les SFT commerciaux ont été indiqués comme ayant l'augmentation
attendue la plus élevée en termes de productivité, de revenus et de qualité, tandis que, pour les intrants et les coûts variables, le
gaspillage des récoltes et la consommation d'énergie, les SFT issus de projets de recherche promettaient des impacts plus élevés
que les produits commerciaux et les articles scientifiques. . En ce qui concerne l'impact environnemental, les aspects
environnementaux les plus influencés dans toutes les catégories ont été la réduction des intrants agricoles (engrais, pesticides et
eau d'irrigation). Au contraire, les aspects les moins touchés ont été les émissions gazeuses de toutes sortes. En termes de
travail, le temps de travail et le stress des agriculteurs ont été les aspects les plus touchés, tandis que la pénibilité du travail a
également été déclarée réduite ; les blessures/accidents n’ont pas été touchés dans une grande mesure.
De ce travail, il a été révélé que la recherche évolue lentement des technologies d'enregistrement vers les technologies
d'actionnement, tandis que la part des articles scientifiques sur la réaction et la robotique/automatisation est en baisse.
Agronomie 2020, 10, 743 19 sur 25
en hausse (bien qu’à partir d’un niveau bas). Cependant, les technologies d'enregistrement occupent toujours la majorité des SFT
avec de nombreux nouveaux (types de) capteurs et méthodes de mesure découverts, notamment dans les articles scientifiques. Cela
semble indiquer qu'il existe un écart de connaissances entre, d'une part, la mesure de l'état des cultures et des sols et, d'autre
part, l'utilisation de ces informations pour prendre des décisions pratiques en matière d'agriculture. Par conséquent, des recherches
sont nécessaires pour fournir les connaissances qui permettront d’appliquer les SFT d’enregistrement dans la pratique. En particulier,
des recherches supplémentaires sont nécessaires pour fournir des algorithmes optimisés, des capteurs/équipements d'application
faciles à calibrer et une plus grande précision d'application pour l'application de pesticides ou d'engrais à taux variable, ainsi que pour
l'ensemencement et le travail du sol à taux variable. On s’attend à ce que les robots/automatisations pour le contrôle des mauvaises
herbes et d’autres opérations apportent d’importants avantages en réduisant la demande de maind’œuvre et l’utilisation d’intrants ;
cependant, à l’heure actuelle, peu d’OFS peuvent être classées comme telles. La recherche devrait donc également s’orienter vers
ces technologies, une tendance qui s’est également manifestée dans nos travaux.
Enfin, seules quelques SFT identifiées dans notre inventaire abordaient explicitement les problèmes liés à la gestion des
données, tels que la propriété, le transfert de données, le partage, la sécurité et la confidentialité. Cela n’est pas surprenant car ces
problèmes sont, dans une large mesure, des problèmes d’organisation qui ne peuvent être résolus par la seule technologie. Il est
clair que les obstacles techniques, sociaux et juridiques liés à la collecte, au stockage et au transfert de données entravent la
transition des agriculteurs vers une agriculture intelligente, ainsi que les implications en matière de sécurité et de confidentialité des
données résultant d'une faille de sécurité, constituent une préoccupation majeure pour le processus de numérisation de l'agriculture.
Il a été conclu que l'inventaire des SFT décrit dans cette étude est important dans le sens où il fournit aux chercheurs les
développements existants des SFT pour rechercher de nouveaux défis de recherche, aux décideurs politiques des informations sur
l'état actuel des SFT pour concevoir des incitations à des taux d'adoption plus élevés, et aux agriculteurs la possibilité de se
familiariser avec les SFT disponibles. Cependant, ce travail a également identifié le fait que les chercheurs et les fournisseurs de
SFT n'ont, dans la plupart des cas, pas produit de résultats d'impact quantitatifs avec l'utilisation de leurs SFT, ce qui rend notre
étude toujours indicative de l'impact des SFT, dans la mesure où nous avons analysé principalement des critères qualitatifs. De plus,
cet inventaire devrait être mis à jour régulièrement car la technologie évolue rapidement et les nouveaux agriculteurs sont de plus en
plus conscients des SFT disponibles sur le marché. Par conséquent, un suivi de la présente étude serait bénéfique pour créer un
inventaire comprenant également les technologies, pratiques, normes et accords liés aux données, ainsi que les résultats numériques
de l'impact du SFT dans des conditions réelles.
Contributions des auteurs : Conceptualisation, FKVE, SF et ATB ; méthodologie, FKVE, ATB et SF ; remplissage de questionnaires
et enquête, ATB, FKVE et SF ; analyse de données, FKVE et ATB ; rédaction – révision et édition, ATB, FKVE et SF Tous les
auteurs ont lu et accepté la version publiée du manuscrit.
Financement : Cet article a été soutenu par le programme de coordination et de soutien Horizon 2020 de l'Union européenne dans
le cadre de l'accord de subvention n° 696264, projet SmartAKIS « Systèmes européens de connaissances et d'innovation agricoles
(AKIS) vers une recherche axée sur l'innovation dans les technologies agricoles intelligentes ».
Remerciements : Les auteurs souhaitent remercier la contribution de Fenny van Egmond, Michael Koutsiaras, Vassilis Psiroukis et
Dinos Grivakis dans la préparation de l'inventaire.
Conflits d'intérêts : Les auteurs ne déclarent aucun conflit d'intérêts. Les bailleurs de fonds n’ont joué aucun rôle dans la conception
de l’étude ; dans la collecte, l’analyse ou l’interprétation des données ; dans la rédaction du manuscrit, ou dans la décision de
publier les résultats.
Abréviations
SIGF Système d'information de gestion agricole

DSS Système d'aide à la décision
QR Réponse rapide
RFID Identification radiofréquence
DEMANDER
Demande à taux variable
RTI Articles de transport consignés
SFMT Technologies de déplacement pour l’agriculture intelligente
SFT Technologie agricole intelligente
Agronomie 2020, 10, 743 20 sur 25
Les références
1. Gomiero, T. ; Pimentel, D. ; Paoletti, MG Existetil un besoin pour une agriculture plus durable ? Critique. Tour.
Scie végétale. 2011, 30, 623.
2. World, B. ICT in Agriculture (édition mise à jour) : Connecter les petits exploitants aux connaissances, aux réseaux et
Établissements ; Banque mondiale : Washington, DC, ÉtatsUnis, 2017.
3. Wang, N. ; Zhang, N. ; Wang, M. Capteurs sans fil dans l'agriculture et l'industrie alimentaire – Développement récent
et perspectives d'avenir. Calculer. Électron. Agricole. 2006, 50, 1–14.
4. Aqeel ur, R. ; Abbasi, Arizona ; Islam, N. ; Shaikh, ZA Une revue des applications des capteurs et des réseaux sans fil
en agriculture. Calculer. Rester. Interfaces 2014, 36, 263270.
5. King, A. Technologie : l'avenir de l'agriculture. Nature 2017, 544, S21S23.
6. Toth, C. ; Jóźków, G. Plateformes et capteurs de télédétection : une enquête. Isprs J. Photogramme. Télédétection.
2016, 115, 2236.
7. Mahan, JR ; Yeater, KM Applications agricoles d'un thermomètre infrarouge à faible coût. Calculer. Électron.
Agricole. 2008, 64, 262267.
8. Polo, J. ; Hornero, G. ; Duijneveld, C. ; García, A. ; Casas, O., Conception d'un réseau de capteurs sans fil à faible coût avec nœud mobile
UAV pour les applications agricoles. Calculer. Électron. Agricole. 2015, 119, 1932.
9. Kumar, A. ; Kamal, K. ; Arshad, Missouri ; Mathavan, S. ; Vadamala, T. Irrigation intelligente utilisant des capteurs d'humidité à faible coût et une
communication basée sur XBee. Dans Actes de la Conférence mondiale sur les technologies humanitaires de l'IEEE (GHTC 2014), San
Jose, Californie, ÉtatsUnis, 1013 octobre 2014 ; pp. 333337.
10. Kumar, SA ; Ilango, P. L'impact du réseau de capteurs sans fil dans le domaine de l'agriculture de précision : une revue. Fil. Pers. Commun.
2018, 98, 685698.
11. Rose, DC ; Chilvers, J. Agriculture 4.0 : Élargir l'innovation responsable à l'ère de l'agriculture intelligente.
Devant. Soutenir. Système alimentaire. 2018, 2. est ce que je :10.3389/fsufs.2018.00087.
12. Walter, A. ; Doigt, R. ; Huber, R. ; Buchmann, N. Opinion : L’agriculture intelligente est la clé du développement durable
agriculture. Proc. Natl. Acad. Sci. ÉtatsUnis 2017, 114, 6148.
13. Bacco, M. ; Berton, A. ; Ferro, E. ; Gennaro, C. ; Je dois, A. ; Matteoli, S. ; Paonessa, F. ; Ruggeri, M. ; Virone, G. ; Zanella, A. Agriculture
intelligente : opportunités, défis et catalyseurs technologiques. Dans Actes du Sommet vertical et thématique IoT 2018 sur l'agriculture –
Toscane (IOT Toscane), Toscane, Italie, 8 et 9 mai 2018 ; p. 1 à 6.
14. Bacco, M. ; Barsocchi, P. ; Ferro, E. ; Je dois, A. ; Ruggeri, M. La numérisation de l'agriculture : une enquête sur
Activités de recherche sur l'agriculture intelligente. Tableau 2019, 34, 100009.
15. Nawar, S. ; Corstanje, R. ; Halcro, G. ; Mulla, D. ; Mouazen, AM Chapitre quatre—Délimitation des zones de gestion des sols pour la fertilisation
à taux variable : une revue. Dans Avancées en agronomie ; Sparks, DL, éd.; Academic Press : Cambridge, MA, ÉtatsUnis, 2017 ; Volume
143, pages 175 à 245.
16. Alameen, AA; AlGaadi, KA ; Tola, E. Développement et évaluation des performances d'un système de contrôle pour
application d'engrais granulaire à taux variable. Calculer. Électron. Agricole. 2019, 160, 3139.
17. Stamatiadis, S. ; Schepers, JS; Évangélou, E. ; Glampedakis, A. ; Glampedakis, M. ; Dercas, N. ; Tsadilas, C. ; Tserlikakis, N. ; Tsadila, E.
L'application à taux variable d'une haute résolution spatiale peut améliorer l'efficacité et la rentabilité de l'utilisation de l'azote du coton.
Précis. Agric 2020, 21, 695712.
18. Boursianis, AD; Papadopoulou, MS; Diamantoulakis, P. ; LiopaTsakalidi, A. ; Barouchas, P. ; Salahas, G. ; Karagiannidis, G. ; Wan, S. ; Goudos,
SK Internet des objets (IoT) et véhicules aériens sans pilote (UAV) agricoles dans l'agriculture intelligente : un examen complet. Objets
Internet 2020, 100187. est ce que je:10.1016/j.iot.2020.100187.
19. Muangprathub, J. ; Boonnam, N. ; Kajornkasirat, S. ; Lekbangpong, N. ; Wanichsombat, A. ; Nillaor, P. IoT et analyse de données agricoles
pour une ferme intelligente. Calculer. Électron. Agricole. 2019, 156, 467474.
20. Falco, G. ; Nicolas, M. ; Pini, M. ; Marucco, G. ; Wilde, DEO ; Popugaev, A. ; Gay, P. ; Aimonino, DR
Enquête sur les performances des appareils basés sur GNSS pour un positionnement précis dans des environnements agricoles difficiles.
Dans les actes de l'atelier international IEEE 2019 sur la métrologie pour l'agriculture et la foresterie (MetroAgriFor), Portici, Italie, 2426
octobre 2019 ; p. 1 à 6.
21. Stombaugh, T. Systèmes de positionnement par satellite pour l'agriculture de précision. Dans les bases de l'agriculture de précision ; Société
américaine d'agronomie ; Société américaine des sciences des cultures ; Société américaine des sciences du sol : Madison, WI, ÉtatsUnis,
2018 ; p. 2536.
22. Kamilaris, A. ; Kartakoullis, A. ; PrenafetaBoldú, FX Une revue sur la pratique de l'analyse des mégadonnées dans
agriculture. Calculer. Électron. Agricole. 2017, 143, 2337.
Agronomie 2020, 10, 743 21 sur 25
23. Bronson, K. ; Knezevic, I. Big Data dans l'alimentation et l'agriculture. Société Big Data. 2016, 3. est ce que je:10.1177/2053951716648174.
24. Wolfert, S. ; Ge, L. ; Verdouw, C. ; Bogaardt, M.J. Big Data dans l’agriculture intelligente : une revue. Agricole. Système. 2017,
153, 6980.
25. Tsouros, CD ; Bibi, S. ; Sarigiannidis, GP Une revue des applications basées sur les drones pour l'agriculture de précision.
Informations 2019, 10, 349.
26. Hajjaj, SSH ; Sahari, KSM Revue de la robotique agricole : caractère pratique et faisabilité. Dans les actes du Symposium international
IEEE 2016 sur la robotique et les capteurs intelligents (IRIS), Tokyo, Japon, 1720 décembre 2016 ; pp. 194198.
27. Marinoudi, V. ; Sorensen, CG ; Pearson, S. ; Bochtis, D. Robotique et travail dans l'agriculture. Une considération contextuelle. Biosyste.
Ing. 2019, 184, 111121.
28. Balafoutis, AT; Beck, B. ; Fontaines, S. ; Tsiropoulos, Z. ; Vangeyte, J. ; van der Wal, T. ; SotoEmbodas, I. ; GómezBarbero, M. ;
Pedersen, SM Smart Farming Technologies—Description, taxonomie et impact économique. Dans Agriculture de précision :
technologies et perspectives économiques ; Pedersen, SM, Lind, KM, éd. ; Springer International Publishing : Cham, Suisse, 2017 ;
pp. 2177.
29. Kernecker, M. ; Knierim, A. ; Wurbs, A. ; Kraus, T. ; Borges, F. Expérience versus attentes : perceptions des agriculteurs sur les
technologies agricoles intelligentes pour les systèmes de culture à travers l'Europe. Précis. Agric 2020, 21, 3450.
30. Lewis, T. Évolution des systèmes d'information de gestion agricole. Calculer. Électron. Agricole. 1998, 19, 233248.
31. Kitchen, NR Technologies émergentes pour des décisions agricoles intégrées et en temps réel. Calculer. Électron.
Agricole. 2008, 61, 1–3.
32. Kaloxylos, A. ; Eigenmann, R. ; Teye, F. ; Politopoulou, Z. ; Wolfert, S. ; Rétréci, C. ; Dillinger, M. ; Lampropoulou, I. ; Antoniou, E. ;
Pesonen, L. ; et coll. Les systèmes de gestion agricole et l'ère de l'Internet du futur.
Calculer. Électron. Agricole. 2012, 89, 130144.
33. Fontas, S. ; Carli, G. ; Sorensen, CG ; Tsiropoulos, Z. ; Cavalaris, C. ; Vatsanidou, A. ; Liakos, B. ; Canavari, M. ; Wiebensohn, J. ;
Tisserye, B. Systèmes d'information de gestion agricole : situation actuelle et perspectives d'avenir. Calculer. Électron. Agricole.
2015, 115, 4050.
34. Doigt, R. ; Swinton, SM ; El Benni, N. ; Walter, A. L'agriculture de précision au lien de l'agriculture
Production et environnement. Ann. Révérend Resour. Écon. 2019, 11, 313335.
35. Zhang, N. ; Wang, M. ; Wang, N. Agriculture de précision – Un aperçu mondial. Calculer. Électron. Agricole.
2002, 36, 113132.
36. Schellberg, J. ; Colline, MJ ; Gerhards, R. ; Rothmund, M. ; Braun, M. Agriculture de précision sur prairies :
Applications, perspectives et contraintes. EUR. J. Agron. 2008, 29, 5971.
37. Balafoutis, A.; Beck, B. ; Fontaines, S. ; Vangeyte, J. ; Wal, TVd ; Soto, moi ; GómezBarbero, M. ; Barnes, A. ; Eory, V. Les technologies
d'agriculture de précision contribuent positivement à l'atténuation des émissions de GES, à la productivité agricole et à l'économie.
Durabilité 2017, 9, 1339.
38. Ge, Y. ; Thomasson, JA; Sui, R. Télédétection des propriétés du sol dans l'agriculture de précision : une revue. Devant.
Science de la Terre. 2011, 5, 229238.
39. Brisco, B. ; Brun, RJ ; Hirose, T. ; McNairn, H. ; Staenz, K. Agriculture de précision et rôle du télétravail
Détection : une revue. Peut. J. Remote Sens. 1998, 24, 315327.
40. Thorp, KR ; Tian, LF Une revue sur la télédétection des mauvaises herbes en agriculture. Précis. Agric 2004, 5, 477508.
41. Zhang, C. ; Kovacs, JM L'application de petits systèmes aériens sans pilote pour l'agriculture de précision : A
revoir. Précis. Agric 2012, 13, 693712.
42. Abdullahi, HS; Mahieddine, F. ; Shérif, RE Impact de la technologie sur la productivité agricole : examen de l'agriculture de précision
utilisant des véhicules aériens sans pilote. Dans Wireless and Satellite Systems, Actes de la 7e Conférence internationale, WiSATS
2015, Bradford, RoyaumeUni, 67 juillet 2015 ; Pillai, P., Hu, YF, Otung, I., Giambene, G., Eds.; Springer International Publishing :
Cham, Suisse, 2015 ; pp. 388400.
43. Mogili, UMR ; Deepak, BBVL Review sur l'application des systèmes de drones dans l'agriculture de précision.
Procedia Comput. Sci. 2018, 133, 502509.
44. Reyns, P. ; Missotten, B. ; Ramon, H. ; De Baerdemaeker, J. Un examen des capteurs de moissonneusebatteuse pour la précision
Agriculture. Précis. Agric 2002, 3, 169182.
45. Awasthi, SRNRA Monitoring for Precision Agriculture using Wireless Sensor NetworkA review. Glob.
Calculer. Sci. 13, en ligne :
Technologie. 2013, ISSN 09754172. Disponible
J. https://computerresearch.org/index.php/computer/article/view/391 (consulté le 20 février 2020).

Agronomie 2020, 10, 743 22 sur 25
46. Jawad, MH ; Nordin, R. ; Gharghan, KS; Jawad, MA; Ismail, M. Capteur sans fil économe en énergie
Réseaux pour l'agriculture de précision : une revue. Capteurs 2017, 17, 1781.
47. Nash, E. ; Korduan, P. ; Bill, R. Applications des services Web géospatiaux ouverts dans l'agriculture de précision : A
revoir. Précis. Agric 2009, 10, 546.
48. Lindblom, J. ; Lundström, C. ; Ljung, M. ; Jonsson, A. Promouvoir l'intensification durable dans l'agriculture de précision : examen du
développement et des stratégies des systèmes d'aide à la décision. Précis. Agric 2017, 18, 309331.
49. Kuhlmann, F. ; Brodersen, C. Technologies de l'information et gestion agricole : développements et

points de vue. Calculer. Électron. Agricole. 2001, 30, 7183.
50. Chlingaryan, A. ; Sukkarieh, S. ; Whelan, B. Approches d'apprentissage automatique pour la prévision du rendement des cultures et
l'estimation du statut de l'azote dans l'agriculture de précision : une revue. Calculer. Électron. Agricole. 2018, 151, 6169.
51. Behmann, J. ; Mahlein, AK ; Rumpf, T. ; Romer, C. ; Plümer, L. Une revue des méthodes avancées d'apprentissage automatique pour la
détection du stress biotique dans la protection des cultures de précision. Précis. Agric 2015, 16, 239260.
52. Liakos, KG; Busato, P. ; Moshou, D. ; Pearson, S. ; Bochtis, D. Apprentissage automatique en agriculture : une revue.
Capteurs 2018, 18, 2674.
53. Patrício, DI; Rieder, R. Vision par ordinateur et intelligence artificielle dans l'agriculture de précision pour les cultures céréalières :
Une revue systématique. Calculer. Électron. Agricole. 2018, 153, 6981.
54. Brosnan, T. ; Sun, D.W. Inspection et classement de produits agricoles et alimentaires par vision par ordinateur
systèmes Un examen. Calculer. Électron. Agricole. 2002, 36, 193213.
55. VázquezArellano, M. ; Griepentrog, WH; Reiser, D. ; Paraforos, Systèmes d'imagerie SD 3D pour les applications agricoles – Une revue.
Capteurs 2016, 16, 618.
56. Mousazadeh, H. Une revue technique sur les systèmes de navigation des véhicules agricoles autonomes toutterrain. J.
Terramechanics 2013, 50, 211232.
57. Bergerman, M. ; Billingsley, J. ; Reid, J. ; van Henten, E. Robotique dans l'agriculture et la foresterie. Dans Manuel Springer de robotique ;
Siciliano, B., Khatib, O., éd. ; Springer International Publishing : Cham, Suisse, 2016 ; pages 1463 à 1492.
58. Béchar, A. ; Vigneault, C. Robots agricoles pour les opérations sur le terrain : concepts et composants. Biosyste. Ing.
2016, 149, 94111.
59. Béchar, A. ; Vigneault, C. Robots agricoles pour les opérations sur le terrain. Partie 2 : Opérations et systèmes. Biosyste.
Ing. 2017, 153, 110128.
60. Abattage, DC ; Giles, DK ; Downey, D. Systèmes robotisés autonomes de contrôle des mauvaises herbes : une revue. Calculer.
Électron. Agricole. 2008, 61, 6378.
61. Bac, CW; van Henten, EJ; Ourlet, J. ; Edan, Y. Robots de récolte pour les cultures à grande valeur : état de l'art et défis à venir. Robot J.
Field. 2014, 31, 888911.
62. Erickson, B. ; LowenbergDeBoer, J. Enquête 2019 auprès des concessionnaires agricoles de précision : davantage de progrès vers une
agriculture décisionnelle. Disponible en ligne : https://www.croplife.com/management/2019precisionagriculturedealershipsurveymore
movestowarddecisionagriculture/ (consulté le 18 mars 2020).
63. Barnes, AP; Soto, moi ; Eory, V. ; Beck, B. ; Balafoutis, A. ; Sánchez, B. ; Vangeyte, J. ; Fontaines, S. ; van der Wal, T. ; GómezBarbero,
M. Explorer l'adoption de technologies agricoles de précision : une étude interrégionale des agriculteurs de l'UE. Politique
d'aménagement du territoire 2019, 80, 163174.
64. Barnes, AP; Soto, moi ; Eory, V. ; Beck, B. ; Balafoutis, AT; Sánchez, B. ; Vangeyte, J. ; Fontaines, S. ; van der Wal, T. ; GómezBarbero,
M. Influencer les incitations en faveur des technologies agricoles de précision au sein des systèmes agricoles européens. Environ.
Sci. Politique 2019, 93, 6674.
65. Schieffer, J. ; Dillon, C. Les impacts économiques et environnementaux de l’agriculture de précision et les interactions
avec la politique agroenvironnementale. Précis. Agric 2015, 16, 4661.
66. Von Ahlefeld, PJW Effets de rebond dans l'agriculture de précision – Un commentaire. Ber. À propos de l'agriculture. Z
Pour l'agriculture. Et l'agriculture. 2019. est ce que je:10.12767/buel.v97i3.247.g452.
67. Paul, C. ; Techen, AK ; Robinson, JS; Helming, K. Effets de rebond sur les terres et les sols agricoles
gestion : cadre d’examen et d’analyse. J. Nettoyer. Prod. 2019, 227, 10541067.
68. Jolie, J. ; Forgeron, G. ; Goulding, KWT; Bosquets, SJ ; Henderson, moi; Hine, RE; Roi, V. ; van Oostrum, J. ; Pendlington, DJ ; Vis, JK;
et coll. Évaluation pluriannuelle des progrès d'Unilever vers une agriculture durable I : indicateurs, méthodologie et résultats des
fermes pilotes. Int. J. Agric. Soutenir. 2008, 6, 3762.
69. Walter, C. ; Stützel, H. Une nouvelle méthode d'évaluation de la durabilité des systèmes d'utilisation des terres (I) : identifier les enjeux
pertinents. Écol. Écon. 2009, 68, 12751287.
Agronomie 2020, 10, 743 23 sur 25
70. Bockstaller, C.; Guichard, L.; Makowski, D.; Aveline, A.; Girardin, P.; Plantureux, S. Agrienvironmental
indicateurs pour évaluer les systèmes de culture et d’exploitation agricole. Une critique. Agron. Soutenir. Dév. 2008, 28, 139149.
71. Agence européenne pour l'environnement. Recueil des indicateurs de l'EEE 2014 ; Rapport technique de l'AEE n° 8/2014 ; européen
Agence pour l'environnement : Copenhague, Danemark, 2014.
72. OCDE. Recueil des indicateurs agroenvironnementaux de l'OCDE ; Éditions OCDE : Paris, France, 2013.
73. Le Consortium pour la durabilité. Disponible en ligne : https://www.sustainabilityconsortium.org/ (consulté sur
28 mars 2020).
74. Initiative mondiale de reporting. Disponible en ligne : https://www.globalreporting.org (consulté le 28 mars
2020).
75. Organisation des Nations Unies pour l’alimentation et l’agriculture, Mesure de la productivité et de l’efficacité en
Agriculture. Disponible en ligne : https://www.fao.org/3/ca6428en/ca6428en.pdf (consulté le 22 février
2020).
76. Nations Unies. Glossaire des termes à utiliser avec les normes CEEONU sur les fruits et légumes frais 2016.
Disponible en ligne:
https://www.unece.org/fileadmin/DAM/trade/agr/standard/fresh/StandardLayout/Glossary_FFV_2016_E.
pdf (consulté le 22 février 2020).
77. Wikipédia. Disponible en ligne : https://en.wikipedia.org/wiki/Revenue (consulté le 22 février 2020).
78. Commission européenne. Aperçu du secteur des intrants agricoles dans l'UE. Disponible en ligne:
https://www.europarl.europa.eu/RegData/etudes/STUD/2015/563385/IPOL_STU(2015)563385_EN.pdf
(consulté le 22 février 2020).
79. Investir des réponses. Disponible en ligne : https://investinganswers.com/dictionary/v/variablecosts (consulté
le 22 février 2020).
80. Organisation des Nations Unies pour l'alimentation et l'agriculture. Pertes et gaspillage alimentaires. Disponible en ligne:
www.fao.org/foodlossandfoodwaste/en/ (consulté le 22 février 2020).
81. Dictionnaire Cambridge. Disponible en ligne : https://dictionary.cambridge.org/dictionary/english/energy
utilisation (consulté le 22 février 2020).
82. Centre européen de données sur les sols, Articulation Recherche Centre. Disponible en ligne:
https://esdac.jrc.ec.europa.eu/themes/soilbiodiversity (consulté le 22 février 2020).

83. Dictionnaire Cambridge. Disponible en ligne : https://dictionary.cambridge.org/dictionary/english/biodiversity
84. Organisation des Nations Unies pour l'alimentation et l'agriculture. Bulletin des engrais et de la nutrition des plantes 6.
Disponible en ligne : http://www.fao.org/3/aq352e/aq352e.pdf (consulté le 22 février 2020.
85. Européen Commission. Pesticide disponible Résidus. en ligne:
https://ec.europa.eu/assets/sante/food/plants/pesticides/lop/index.html (consulté le 22 février 2020).

86. Commission géologique des ÉtatsUnis. Disponible en ligne : https://www.usgs.gov/missionareas/water
resources/science/irrigationwateruse?qtscience_center_objects=0#qtscience_center_objects (consulté sur
22 février 2020).
87. Organisation des Nations Unies pour l'alimentation et l'agriculture. Estimation des émissions de gaz à effet de serre
Agriculture. Disponible en ligne : http://www.fao.org/3/ai4260e.pdf (consulté le 22 février 2020.
88. Buijsman, E. ; Maas, HFM; Asman, WAH Émissions anthropiques de NH3 en Europe. Ambiance. Environ.
1987, 21, 10091022.
89. Oenema, O. ; Boers, PCM ; van Eerdt, MM; Fraters, B. ; van der Meer, HG ; Roest, CWJ; Schröder, JJ;
Willems, WJ Lessivage des nitrates de l'agriculture vers les eaux souterraines : l'effet des politiques et des mesures dans
les PaysBas. Environ. Polluer. 1998, 102, 471478.
90. Livre d'or de l'UICPA. Disponible en ligne : https://goldbook.iupac.org/terms/view/P04520 (consulté le 22
février 2020).
91. Recherche et éducation en agriculture durable. Disponible en ligne : https://www.sare.org/Learning
Centre/Bulletins/Une approche globale de la ferme pour la gestion des ravageurs/Version textuelle/Réduction de la pression des ravageurs
92. Lexique. Disponible en ligne : https://www.lexico.com/definition/labour_time (consulté le 22 février 2020).
93. Directeur de la santé et de la sécurité du RoyaumeUni. Disponible en ligne : https://www.hse.gov.uk/research/rrpdf/rr362.pdf
94. Dictionnaire Cambridge. Disponible en ligne : https://dictionary.cambridge.org/dictionary/english/labour
Agronomie 2020, 10, 743 24 sur 25
95. Safeopedia. Disponible en ligne : https://www.safeopedia.com/definition/1237/workratedinjury (consulté

le 22 février 2020).
96. Wikipédia. Disponible en ligne : https://en.wikipedia.org/wiki/Work_accident (consulté le 22 février 2020).
97. Base de données en ligne CORDIS de la Commission européenne. Disponible en ligne : https://cordis.europa.eu/ (consulté sur
18 mars 2020).
98. Agricultural European https://ec.europa.eu/ Innovation Plateforme (PEIAgri). Disponible En ligne:
eip/agriculture/en/eipagricommonformat (consulté le 18 mars 2020).

Préparation Les niveaux
99. Technologie (TRL) https://ec.europa.eu/research/participants/data/ref/h2020/ Définition. Disponible en ligne:
wp/2014_2015/annexes/h2020wp1415annexg
trl_en.pdf (consulté le 13 janvier 2020).
100. Calculateur du niveau de maturité technologique (TRL) version 2.2 développé par le laboratoire de recherche de l'armée de l'air
(AFRL). Disponible en ligne:
https://www.dau.edu/cop/stm/Lists/Tools/DispForm.aspx?ID=4&Source=https%3A%2F%2Fwww%2Eda
u%2Eedu%2Fcop%2Fstm%2Flists%2Ftools%2Fallitems%2Easpx&ContentTypeId=0x010051CD3A8A368D
5347A6595B3B5385510700AA867A0513EB0A44B7EC5897985C3BB8 (consulté le 10 janvier 2020).
101. Schwarz, J. ; Herold, L. Typologie des technologies PF ; Projet FP7 Future Farm, Commission européenne,
Bruxelles, 2011.
102. Rogers, EM Diffusion of Innovations, 4e éd.; The Free Press : New York, NY, ÉtatsUnis, 1995 ; p. 519.
103. Merfield, CN La fausse aube du désherbage robotisé ? Dix exigences pour un désherbage mécanique entièrement autonome
gestion. Mauvaises herbes Rés. 2016, 56, 340344.
104. Khan, N. ; Medlock, G. ; Graves, S. ; Anwar, S. Navigation autonome guidée par GPS d'un petit robot agricole
avec système de fertilisation automatisé ; Document technique SAE 2018010031, 2018, https://doi.org/10.4271/201801
0031.
105. Normile, MA; Leetmaa, SE Comparaisons alimentaires et agricoles entre les ÉtatsUnis et l'Union européenne ; Rapport sur l'agriculture et le commerce ; NOUS
Département de l'Agriculture : Washington, DC, ÉtatsUnis, 2004.

106. Baillie, CP; Lobsey, CR ; Antille, DL; McCarthy, CL; Thomasson, JA Une revue de l'état de l'art en
automatisation agricole. Partie III : Systèmes de navigation pour machines agricoles. Dans les actes de l'édition 2018
Réunion internationale annuelle de l'ASABE, Detroit, MI, ÉtatsUnis, ASABE : St. Joseph, MI, ÉtatsUnis, 29 juillet – 1er août
2018 ; p. 1.
107. Diacre, M. ; Rubino, P. ; Montemurro, F. Gestion précise de l'azote du blé. Une critique. Agron.
Soutenir. Dév. 2013, 33, 219241.
108. Chen, C. ; Poêle, J. ; Lam, SK Une revue de la recherche sur la fertilisation de précision. Environ. Science de la Terre. 2014, 71, 4073–
4080.
109. Weis, M. ; Gutjahr, C. ; Rueda Ayala, V. ; Gerhards, R. ; Ritter, C. ; Schölderle, F. Agriculture de précision pour les mauvaises herbes
gestion : techniques. Plante saine. 2008, 60, 171181.
110. Chanson, Y. ; Soleil, H. ; Li, M. ; Zhang, Q. Application technologique de Smart Spray en agriculture : une revue. Intell.
En voiture. Informatique douce. 2015, 21, 319333.
111. Neupane, J. ; Guo, W. Bases agronomiques et stratégies pour une gestion précise de l'eau : une revue.
Agronomie 2019, 9, 87.
112. Pereira, CS; Morais, R. ; Reis, MJCS Progrès récents dans les techniques de traitement d'images pour les
à des fins de récolte : un examen. Dans les actes de la conférence sur les systèmes intelligents 2017 (IntelliSys),
Londres, RoyaumeUni, 7 et 8 septembre 2017 ; pp. 566575.
113. Soto, moi ; Barnes, A. ; Balafoutis, A. ; Beck, B. ; Sánchez, B. ; Vangeyte, J. ; Fontaines, S. ; Wal, TV d.; Eory, V. ;
GómezBarbero, M. La contribution des technologies d'agriculture de précision à la productivité agricole et à la
Atténuation des émissions de gaz à effet de serre dans l'UE ; Centre scientifique de l'UE. Office des publications de l'Union européenne
Union, Bruxelles, 2019, ISBN : 9789279928345, ISSN : 18319424, DOI : 10.2760/016263
114. Pedersen, SM; Lind, KM Agriculture de précision : de la cartographie à l'application spécifique au site. En précision
Agriculture : technologies et perspectives économiques ; Pedersen, SM, Lind, KM, éd. ; Springer International
Édition : Cham, Suisse, 2017 ; p. 1 à 20.
[ PubMed ] 115. Mouazen, AM; Alexandridis, T. ; Buddenbaum, H. ; Cohen, Y. ; Moshou, D. ; Mulla, D. ; Nawar, S. ; Sudduth,
KA Chapitre 2—Surveillance. Dans l'Internet des objets agricole et l'aide à la décision pour une précision intelligente
Agriculture; Castrignanò, A., Buttafuoco, G., Khosla, R., Mouazen, AM, Moshou, D., Naud, O., Eds.;
Presse académique : Cambridge, MA, ÉtatsUnis, 2020 ; pp. 35138.
Agronomie 2020, 10, 743 25 sur 25
116. Kay, NouveauMexique ; Leih, S. ; Teece, DJ Le rôle de l'émergence dans les capacités dynamiques : une reformulation du cadre
et quelques possibilités de recherches futures. Ind. Corp. 2018, 27, 623638.
117. Teece, DJ Profiter de l'innovation dans l'économie numérique : technologies habilitantes, normes et
modèles de licences dans le monde du sans fil. Rés. Politique 2018, 47, 13671387.
118. Bower, JL; Christensen, CM Technologies de rupture : prendre la vague. Harv. Bus. Rév.1995 , 73, 4353.
119. Michels, M. ; von Hobe, C.F.; Musshoff, O. Un modèle transthéorique pour l'adoption des drones à grande échelle.
agriculteurs allemands à grande échelle. J. Haras rural. 2020, 75, 8088.
120. Drewry, JL; Shutske, JM; Trechter, D. ; Chance, BD; Pitman, L. Évaluation de l'adoption de la technologie numérique et des
obstacles à l'accès parmi les producteurs de cultures, de produits laitiers et d'élevage du Wisconsin. Calculer. Électron. Agricole.
2019, 165, 104960.
121. Griliches, Z. Le maïs hybride et l'économie de l'innovation. Sciences 1960, 132, 275.
122. David, P. Zvi Griliches et l'économie de la diffusion de la technologie : relier l'adoption de l'innovation, les investissements
décalés et la croissance de la productivité. SIERP 2015, 15005. Disponible en ligne : https://siepr.stanford.edu/sites/default/
files/publications/15005_0.pdf (consulté le 20 février 2020).
123. Feder, G. ; Slade, R. L'acquisition d'informations et l'adoption de nouvelles technologies. Suis. J. Agric.
Écon. 1984, 66, 312320.
124. Génie, M. ; Pantzios, CJ; Tzouvelekas, V. Acquisition d'informations et adoption de pratiques d'agriculture biologique. J. Agric.
Ressource. Écon. 2006, 31, 93113.
125. Programme de travail Horizon 2020 20182020, décision C (2019) 4575 de la Commission européenne du 2 juillet 2019. en ligne :
Disponible https://ec.europa.eu/research/participants/data/ref/h2020/other/wp/2018
2020/annexes/h2020wp1820annexga_en.pdf (consulté le 10 janvier 2020).

126. Pedersen, SM; Fontaines, S. ; Blackmore, BS; Gylling, M. ; Pedersen, JL Adoption et perspectives de
Agriculture de précision au Danemark. Acta Agric. Scand. Secte. B Sol Plante Sci. 2004, 54, 28.
127. Jensen, HG; Jacobsen, L.B.; Pedersen, SM; Tavella, E. Impact socioéconomique de l'adoption généralisée de l'agriculture de
précision et des systèmes de circulation contrôlée au Danemark. Précis. Agric 2012, 13, 661677.
128. Bongiovanni, R. ; LowenbergDeboer, J. Économie de la chaux à taux variable dans l'Indiana. Précis. Agric 2000 , 2 .
5570.
129. Bongiovanni, R. ; LowenbergDeboer, J. Agriculture de précision et durabilité. Précis. Agric 2004, 5, 359–
387.
130. Reddy, PP Agriculture de précision. Dans Approches agroécologiques de la lutte antiparasitaire pour une agriculture durable ;
Reddy, PP, éd.; Springer : Singapour, 2017 ; pp. 295309.
131. Erisman, J.W. ; van Eekeren, N. ; de Wit, J. ; Koopmans, C. ; Cuijpers, W. ; Oerlemans, N. ; Koks, BJ
Agriculture et biodiversité : un meilleur équilibre profite aux deux. Objectifs Agric. Alimentation 2016, 1, 157174.
132. MeyerAurich, A. ; Gandorfer, M. ; Heißenhuber, A. Analyse économique des technologies d'agriculture de précision au niveau
de l'exploitation agricole : deux études de cas allemandes. 2008, 67–76, .In OW Castelonge, Systèmes agricoles : économie,
technologie, diversité. Nova Science Publishers, Hauppage NY, ÉtatsUnis ISBN : 9781 606920251
133. Pedersen, SM; Fontaines, S. ; Avoir, H. ; Blackmore, BS Robots agricoles—Analyse du système et économie
faisabilité. Précis. Agric 2006, 7, 295308.
134. Batte, MT Pratiques d'agriculture de précision et de location de terres. J. Asfmra Am. Soc. Gestion de ferme. Évaluateurs
ruraux 2003, 2003, 1–9. Disponible en ligne : http://ageconsearch.umn.edu/record/198075/files/200.pdf (consulté le 20 mars
2020).
© 2020 par les auteurs. Licencié MDPI, Bâle, Suisse. Cet article est en libre accès
article distribué selon les termes et conditions de Creative Commons Attribution
(CC BY) (http://creativecommons.org/licenses/by/4.0/).

Lecture 71

Transféré par

Droits d'auteur :

Formats disponibles

Lecture 71

Transféré par

Informations du document

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Lecture 71

Transféré par

Droits d'auteur :

Formats disponibles

Machine Translated by Google

Tendances des technologies agricoles intelligentes : effets

1 Institut de bioéconomie et d'agrotechnologie, Centre de recherche et de technologie Hellas,

* Correspondance : [email protected] ; Tél. : +302311257651

Reçu : 18 février 2020 ; Accepté : 18 mai 2020 ; Publié : 21 mai 2020

Agronomie 2020, 10, 743 ; est ce que je:10.3390/agronomie10050743 www.mdpi.com/journal/agronomy

Agronomie 2020, 10, 743 2 sur 25

Agronomie 2020, 10, 743 3 sur 25

2.1. Indicateurs clés de performance pour la production en plein champ

Agronomie 2020, 10, 743 4 sur 25

Défi Technologies agricoles intelligentes pertinentes

Le respect de la législation et • technologies d'enregistrement

Collaboration tout au long de la chaîne d'approvisionnement

Agronomie 2020, 10, 743 5 sur 25

d'œuvre au sein de l'exploitation.

Il s'agit d'un indice pour exprimer

Caractéristiques qualitatives des produits agricoles

La réduction de toutes les dépenses agricoles

Récolte qui est déversée ou gâtée avant d'atteindre le

Des processus optimisés dans l'exploitation

Une production agricole optimisée à l'aide de

Impact réduit sur la biodiversité grâce à

général [83] à la réduction de la dérive de pulvérisation

La diminution de l'utilisation d'engrais en

Agronomie 2020, 10, 743 6 sur 25

contamination diffuse des cultures non cultivées

L'optimisation de l'utilisation de l'eau avec

Contrôler la fertilisation azotée pour optimiser son

La méthodologie utilisée est donnée ci­dessous.

Agronomie 2020, 10, 743 7 sur 25

2.2.1. Articles scientifiques évalués par des pairs

Agronomie 2020, 10, 743 8 sur 25

2.2.2. Projets de recherche

2.2.3. Produits industriels (produits et services disponibles dans le commerce)

2.3. Développement de questionnaires

2.3.1. Informations de base sur SFT

2.3.2. Niveau de maturité technologique (TRL)

Agronomie 2020, 10, 743 9 sur 25

2.3.3. Typologie des SFT

2.3.4. Opération terrain menée avec la SFT

2.3.5. Facilité d’adoption du SFT

Agronomie 2020, 10, 743 10 sur 25

5. Le SFT a des effets directement observables par l’agriculteur.

L’utilisation du SFT nécessite un investissement de temps important de la part de l’agriculteur.

7. Le SFT produit des informations directement interprétables (exemple du contraire : le SFT

2.3.6. Effet de l'utilisation du SFT

3.1. Nombres et types de SFT

Agronomie 2020, 10, 743 11 sur 25

Taper Nombre total

Solutions industrielles 439

3.2. Niveau de maturité technologique (TRL) des SFT

(a) Articles scientifiques (b) Projets de recherche

Agronomie 2020, 10, 743 12 sur 25

3.3. Types de SFT

(a) Articles scientifiques (b) Projets de recherche (c) Produits commerciaux

Enregistrement 286 53,9 25 26.6 128 29.1

Réagir 78 14.7 8 8.5 68 15,5

Guidage 23 4.3 3 3.2 30 6.8

SIGF 87 16.4 41 43,6 137 31.2

Robot/Automatisation 57 10.7 17 18.1 76 17.3

La méthodologie utilisée est donnée cidessous.

98. Agricultural European https://ec.europa.eu/ Innovation Plateforme (PEIAgri). Disponible En ligne:

eip/agriculture/en/eipagricommonformat (consulté le 18 mars 2020).

Département de l'Agriculture : Washington, DC, ÉtatsUnis, 2004.