Gains :
- Capacité à reconnaître et à gérer les risques éthiques tels que la propriété des données des agriculteurs, la confidentialité et les biais algorithmiques
- Possibilité de combiner tous les liens du module dans un seul workflow saisonnier de bout en bout
- Établir dans un système qualité que les résultats de l'IA ne remplacent pas l'approbation d'un agronome compétent dans les décisions agricoles critiques pour la sécurité
Examen de module
1. Quels sont les points d'ancrage de la validation des « trois points d'ancrage » appliquée avant d'intégrer les résultats de l'IA dans une décision en ingénierie agricole ?
- A) Gamme de tailles, plausibilité agronomique et preuves sur le terrain ✔
- B) Popularité du modèle, longueur de la réponse et maîtrise de la langue
- C) Prix, vitesse et interface utilisateur
- D) Crédibilité de la marque, connexion Internet et format de fichier
Description : Trois ancres ; l'ordre de grandeur, qui vérifie si le résultat se situe dans la puissance attendue de 10, le caractère raisonnable agronomique, qui examine la cohérence du résultat avec la culture et le climat, et les preuves sur le terrain, qui fournissent une confirmation sur le terrain plutôt que par carotte/échantillon. La marque de la source, la popularité du modèle ou la fluidité du texte ne sont pas des critères de vérification.
2. Que mesure essentiellement le NDVI (Normalized Difference Vegetation Index) ?
- A) Déterminer le pourcentage exact d'humidité du sol en centimètres
- B) Densité et force d’une végétation verte et vibrante ✔
- C) Quel agent pathogène est présent au niveau de l’espèce ?
- D) Prix du produit final après récolte
Description : Le NDVI mesure la densité et la force de la végétation vivante photosynthétique verte en normalisant la différence entre les réflectances du proche infrarouge (NIR) et de la bande rouge. Étant donné que les plantes saines réfléchissent fortement le NIR et absorbent intensément le rouge, le NDVI augmente ; La valeur diminue en cas de couverture stressante ou clairsemée. Il ne mesure pas directement le rendement, l’humidité du sol ou le type de maladie ; ceux-ci nécessitent des données supplémentaires.
3. Une image satellite montre une zone avec une faible valeur NDVI. Parmi les propositions suivantes, laquelle est la meilleure étape à suivre avant de transformer cette anomalie en décision technique ?
- A) Appliquez immédiatement un fongicide sur cette zone
- B) Doubler la dose d'engrais sur la zone
- C) Confirmer la cause par contrôle sur le terrain, météorologie et phénologie ✔
- D) Ignorer l'anomalie et appliquer une moyenne à l'ensemble du champ
Explication : Un NDVI faible peut être causé par un stress hydrique, une maladie, une carence en nutriments, une levée peu fréquente, l'ombre des nuages ou un sol fraîchement labouré. Nous ne pouvons distinguer cette incertitude qu'à travers le contrôle sur le terrain, la météorologie et la phénologie ; La carte à elle seule ne dit pas pourquoi. L’application directe de pesticides ou d’engrais comporte le risque d’interférer avec une mauvaise cause.
4. Quelle est l’approche la plus précise lors de la saisie des coordonnées des champs des agriculteurs, des données sur le rendement et les coûts dans un outil d’IA accessible au public ?
- A) Coller toutes les données telles quelles avec leur identifiant et leurs coordonnées
- B) Anonymiser les informations d'identification et partager uniquement les données techniques nécessaires ✔
- C) Charger des données dans une table publique sans les vérifier du tout
- D) Donner des données pour modéliser la formation sans l'autorisation de l'agriculteur
Divulgation : les données des agriculteurs sont sensibles sur le plan commercial et personnel ; Les informations sur les coordonnées, l’identité et les coûts sont une question de propriété et de confidentialité. L'approche correcte consiste à anonymiser les informations d'identification avec des étiquettes représentatives (Plot-A, coordonnée X) et à partager uniquement les données techniques nécessaires à l'analyse. Partager les données telles quelles ou les ouvrir à l’éducation sans autorisation présente des risques éthiques et juridiques.
5. Le rapport d'analyse du sol indique un pH de 4,8. Que signifie cette valeur sur le plan agronomique ?
- A) Sol neutre et idéal pour la plupart des cultures
- B) Fortement acide ; Une condition qui peut restreindre la prise alimentaire et nécessiter une correction ✔
- C) Alcali fort ; une condition nécessitant un chaulage
- D) Cela signifie que la salinité du sol est extrêmement élevée.
Description : Un pH de 4,8 indique un sol fortement acide ; Dans ces conditions, l’absorption du phosphore et du molybdène est réduite, le risque de toxicité de l’aluminium/manganèse augmente et le développement des racines est supprimé dans de nombreuses cultures. Pour la plupart des grandes cultures, 6,0 à 7,0 est la plage appropriée. Par conséquent, une correction telle que le chaulage est envisagée ; Un sol acide n'est pas « idéal » et ne garantit pas à lui seul des rendements élevés.
6. AI recommande 60 kg d'azote pur par décare pour un champ de blé ; Le rendement pratique et cible régional indique environ 12 à 16 kg d’azote pur par décare. Quel est le meilleur comportement ?
- A) Mettre en œuvre la recommandation telle quelle, car l'IA a calculé
- B) Augmenter encore plus la dose pour être sûr
- C) Considérez-le comme un avertissement d'ordre de grandeur et vérifiez les entrées et l'étalonnage local ✔
- D) Diviser la proposition en deux sans tenir compte de l'analyse du sol
La description : La recommandation est environ quatre fois supérieure à la plage attendue ; Il s’agit d’un avertissement d’un ordre de grandeur. Un excès d’azote entraîne à la fois des dommages économiques et un risque de dépression, de maladie et de pollution par les nitrates. Le comportement correct consiste à rejeter la recommandation et à vérifier les entrées (unité, rendement, rendement cible, N du sol) et l'étalonnage local. L'application aveugle entraîne des dommages environnementaux et agronomiques.
7. Que signifie la « consommation d'eau des plantes » (évapotranspiration, ET) utilisée dans les décisions d'irrigation ?
- A) La quantité d'eau pénétrant dans le sol uniquement par les précipitations
- B) Perte totale d'eau par évaporation du sol et transpiration de la plante ✔
- C) Conductivité électrique du sol
- D) Valeur de pression dans le tuyau d'irrigation
Explication : L'évapotranspiration est la perte totale d'eau du sol vers l'atmosphère par évaporation et transpiration de la plante. En multipliant l'ET de référence par le coefficient de culture (Kc), le besoin en eau réel du produit (ETc) est estimé et l'irrigation est planifiée en fonction de ce bilan hydrique. ET n'est pas la pluviométrie ou la salinité du sol ; Il représente le côté sortie du bilan hydrique.
8. Un ingénieur qui a vu des symptômes sur la feuille a donné la description de la photo à AI et a reçu un diagnostic préliminaire. Qu’est-ce qui est obligatoire avant de traduire ce diagnostic en décision de lutte antiparasitaire ?
- A) Confirmation de l'agent sur le terrain/laboratoire et sélection d'un médicament autorisé et étiqueté ✔
- B) Prendre plusieurs médicaments différents ensemble, par mesure de sécurité
- C) Appliquez l'ingrédient actif immédiatement, quoi que dise l'IA.
- D) Choisissez le pesticide le moins cher et appliquez-le sur tout le champ
Explication : Le diagnostic préliminaire à partir de l'image seule n'est pas suffisant en raison de différents facteurs (fongiques, bactériens, viraux, carences nutritionnelles, stress abiotique) qui provoquent des symptômes similaires. L'agent doit être confirmé par un échantillon de terrain et, si nécessaire, un diagnostic de laboratoire, puis seul un médicament autorisé pour cet agent et ce produit et adapté à son étiquette doit être sélectionné. L’application de pesticides à large spectre sans vérification crée un risque de résistance et de résidus.
9. A quoi sert le concept GDD (Growth Degree Day), fréquemment utilisé en aide à la décision agricole ?
- A) Suivant la valeur du pH du sol
- B) Prédire les stades de développement des plantes et l'émergence des ravageurs par accumulation de chaleur ✔
- C) Mesure du débit du tuyau d'irrigation
- D) Calcul du prix de marché du produit
Description : La GDD est la chaleur totale accumulée en soustrayant une température de base de la température moyenne quotidienne et est utilisée pour estimer les stades de développement (phénologie) de la plante et le temps d'émergence de certains ravageurs. Ainsi, les fenêtres de pulvérisation, de fertilisation et de récolte peuvent être planifiées en fonction de l’accumulation de chaleur plutôt que du calendrier. Le GDD n’est pas le pH du sol ni la quantité de pluie directe.
10. Lequel des énoncés suivants est l'énoncé le plus précis pour un modèle de prévision du rendement établi avec l'apprentissage automatique ?
- A) Prédit l’avenir avec précision et sans erreur
- B) Il est basé sur des modèles passés ; Doit être donné avec une plage d’incertitude et vérifié ✔
- C) Il fonctionne toujours avec la même précision dans des conditions autres que les données d'entraînement.
- D) Il est le seul décideur final sans information agronomique
Description : un modèle d'apprentissage automatique est basé sur des modèles qu'il observe dans les données historiques ; La confiance diminue lorsque les conditions d'entrée ne correspondent pas aux données d'entraînement (nouvelle variété, climat inhabituel). Par conséquent, le résultat doit être donné avec une plage d’incertitude, et non un point, et doit être vérifié avec le rendement historique et des références. Le modèle ne connaît pas l’avenir avec certitude et ne fonctionne pas avec la même précision dans toutes les conditions.
11. Quelle est la meilleure pratique avant d’exécuter un code d’analyse Python/pandas généré par l’IA ?
- A) Appliquer le code directement à l'ensemble des données sans le lire
- B) Test avec un petit échantillon de données avec des résultats connus et vérification des formules et des unités ✔
- C) Considérant qu'il suffit de travailler sans erreurs.
- D) Mettre le résultat dans le rapport sans le vérifier du tout
Description : bien que le code généré par l'IA puisse sembler correct, il peut contenir des erreurs d'unité, de nom de colonne, de formule d'index ou de logique de filtre. Une bonne pratique consiste à exécuter manuellement le résultat sur un petit échantillon de données que vous connaissez, à le comparer au résultat attendu et à vérifier les formules telles que NDVI par rapport à la source. Appliquer du code au Big Data sans le voir déplace les bogues silencieux vers la production.
12. Pourquoi le carnet d'administration des médicaments est-il essentiel dans les dossiers de traçabilité ?
- A) Juste pour bénéficier d’une déduction fiscale
- B) Fournit un enregistrement vérifiable pour la conformité aux LMR, la certification et le traçage des lots ✔
- C) Uniquement pour comparaison avec les champs voisins
- D) Préparer des brochures publicitaires
Description : Livre d'administration des médicaments ; Il documente quel produit, quel principe actif, à quelle dose et date d'utilisation, ainsi que le délai d'attente entre la dernière application et la récolte. Cet enregistrement est obligatoire pour le respect des limites maximales de résidus (LMR), une bonne certification agronomique/biologique et la traçabilité des lots en cas de problème. Elles ne sont pas conservées uniquement à des fins de suivi des coûts ou de publicité.
13. Un outil d'IA a signalé avec confiance un organisme nuisible introuvable dans la zone comme une « menace commune ». Quel concept peut le mieux expliquer cette situation ?
- A) Erreur d'étalonnage du capteur
- B) Hallucination : production d'informations qui n'existent pas dans un langage sûr ✔
- C) Interruption de la connexion réseau
- D) Manque de données pluviométriques
Explication : On parle d'hallucination lorsque le modèle produit des informations qui n'existent pas réellement ou ne correspondent pas au contexte, comme si elles étaient réelles, fluides et sûres. Le filtre de plausibilité agronomique (le climat et le modèle de culture de la région sont-ils adaptés à ce ravageur ?) et les preuves de terrain détectent ces erreurs avant la signature. Il ne s’agit pas d’un dysfonctionnement du capteur ou d’une erreur de l’unité.
14. Comment définir le rôle de l'intelligence artificielle dans les décisions agricoles essentielles à la sécurité et à la qualité (par exemple, dosage des pesticides, prescription d'engrais, plan d'irrigation) ?
- A) L'autorité compétente qui prend seule la décision finale
- B) Système automatisé qui remplace l'approbation d'un agronome compétent
- C) Un assistant qui produit des ébauches et des suggestions et laisse la décision à l'expert ✔
- D) Source d'information précise qui ne nécessite pas de vérification
Description : Intelligence artificielle ; C'est un assistant qui réalise des schémas, synthétise les données et propose des hypothèses. Le dernier mot dans les décisions critiques appartient à l’ingénieur agronome compétent, familier avec l’observation sur le terrain, l’étalonnage local et la législation ; La sortie de l’IA ne remplace pas cette approbation. En matière de sécurité des produits, de l’environnement et des aliments, la responsabilité incombe à l’expert signataire.