L’élevage du saumon, généralement considéré comme à l’avant-garde de l’aquaculture moderne en termes de niveau d’industrialisation et de progrès technologique, a évolué pour devenir une industrie marine vaste et complète caractérisée par une dynamique et une complexité importantes.
La planification opérationnelle nécessite de traiter des quantités considérables de données, des données décrivant la population de poissons avec le nombre individuel, la taille, le taux de croissance, les conditions sanitaires, les conditions environnementales, les conditions opérationnelles et les conditions du marché et de la logistique.
Les données
Les grandes quantités de données générées ont une valeur potentielle élevée si elles sont connectées et traitées correctement. Cependant, peu d’outils sont disponibles pour réaliser ce potentiel. En effet, les décisions sont généralement prises en utilisant une combinaison d’intuition et de raisonnement basé sur l’expérience à l’aide d’outils simples. Plus précisément, la planification à court terme de la salmoniculture est principalement effectuée manuellement dans des feuilles de calcul. La complexité des décisions submerge ces outils et oblige à une simplification des facteurs qui impactent la production.
Ci-dessous une vidéo en anglais parlant du potentiel de cette technologie :
Compte tenu de la complexité et des enjeux élevés de ce problème, des outils plus dynamiques et spécialement conçus ont le potentiel d’augmenter considérablement l’efficacité et la précision. La crise actuelle du COVID-19 est un bon exemple de la façon dont des événements soudains et imprévus peuvent perturber la capacité de récolte, les marchés et les canaux de distribution, obligeant les agriculteurs à replanifier leur production.
Introduire l’IA dans la salmoniculture
Optimeering Aqua, en collaboration avec ses partenaires la Norwegian School of Economics, le salmoniculteur Cermaq, le fournisseur de drones capteurs SeaSmart et la société de suivi des bateaux Anteo, vise à résoudre ce défi en distillant les informations sans trop simplifier les effets de causalité.
Dans un nouveau projet financé par le Conseil norvégien de la recherche intitulé « Prise de décision optimale basée sur les risques pour l’aquaculture », Optimeering Aqua et ses partenaires rassembleront des données de production de haute qualité qui seront utilisées pour créer des modèles de prévision à l’aide de l’apprentissage automatique. Ces prévisions seront ensuite utilisées dans un modèle d’optimisation mathématique pour fournir des recommandations d’actions spécifiques.