Jay Schroeder, directeur technique chez CNH – Série d'entretiens

Jay Schroeder est le directeur de la technologie (CTO) chez CNH, supervisant les opérations mondiales de recherche et développement de l'entreprise. Ses responsabilités incluent la gestion de domaines tels que la technologie, l'innovation, les véhicules et les outils, la technologie de précision, l'expérience utilisateur et le groupe motopropulseur. Schroeder se concentre sur l'amélioration du portefeuille de produits de l'entreprise et des capacités de technologie de précision, dans le but d'intégrer des solutions de précision à l'ensemble de la gamme d'équipements. En outre, il participe à l'élargissement des offres de propulsion alternatives de CNH et assure la gouvernance des processus de développement de produits afin de garantir que le portefeuille de produits de l'entreprise répond à des normes élevées de qualité et de performance.

Par le biais de ses différentes activités, CNH produit et vend des machines agricoles et des équipements de construction. L'IA et les technologies avancées, telles que vision par ordinateur, machine learning (ML) et les capteurs de caméra transforment le fonctionnement de ces équipements, permettant des innovations telles que les tracteurs autonomes alimentés par l'IA qui aident les agriculteurs à relever des défis complexes dans leur travail.

Les tracteurs autonomes de CNH sont alimentés par des modèles formés sur des réseaux neuronaux profonds et des inférences en temps réel. Pouvez-vous expliquer comment cette technologie aide les agriculteurs à effectuer des tâches comme la plantation avec une précision extrême, et comment elle se compare à la conduite autonome dans d'autres secteurs comme le transport ?

Alors que les voitures autonomes font la une des journaux, l'industrie agricole mène discrètement la révolution autonome depuis plus de deux décennies. Des entreprises comme CNH ont été les pionnières de la conduite autonome et du contrôle de vitesse bien avant Tesla. Aujourd'hui, la technologie de CNH va au-delà de la simple conduite pour effectuer des tâches hautement automatisées et autonomes tout en conduisant elles-mêmes. Qu'il s'agisse de planter des graines dans le sol exactement là où elles doivent être, de récolter efficacement et de traiter le sol de manière optimale, tout en conduisant dans les champs, l'agriculture autonome ne se contente pas de suivre le rythme des voitures autonomes, elle les laisse dans la poussière. L'avenir des transports sera peut-être autonome, mais dans l'agriculture, l'avenir est déjà là.

De plus, la pile technologique évolutive de CNH permet à l'agriculture autonome de réaliser des tâches bien plus complexes que celles que peuvent accomplir les voitures autonomes. Notre architecture définie par logiciel intègre de manière transparente une large gamme de technologies, permettant l'automatisation de tâches agricoles complexes qui sont bien plus difficiles qu'une simple navigation d'un point A à un point B. L'interopérabilité de l'architecture offre aux agriculteurs un contrôle et une flexibilité sans précédent pour superposer des technologies avancées grâce aux API ouvertes de CNH. Contrairement aux systèmes fermés, l'API ouverte de CNH permet aux agriculteurs de personnaliser leurs machines. Imaginez des capteurs de caméra qui distinguent les cultures des mauvaises herbes, activés uniquement en cas de besoin, le tout pendant que le véhicule fonctionne de manière autonome. Cette adaptabilité, combinée à la capacité de gérer des terrains accidentés et des tâches diverses, distingue la technologie de CNH. Alors que Tesla et Waymo font des progrès, la véritable frontière de l'innovation autonome se situe dans les champs, pas sur les routes.

Le concept d'une « machine IRM pour les plantes » est fascinant. Comment l'utilisation de l'imagerie synthétique et de l'apprentissage automatique par CNH permet-elle à ses machines d'identifier le type de culture, les stades de croissance et d'appliquer une nutrition ciblée aux cultures ?

En utilisant l'IA, des caméras de vision par ordinateur et des ensembles de données massifs, CNH forme des modèles pour distinguer les cultures des mauvaises herbes, identifier les stades de croissance des plantes et reconnaître la santé de la culture dans les champs afin de déterminer la quantité exacte de nutriments et de protection nécessaires pour optimiser le rendement d'une culture. Par exemple, avec l'analyseur de champ Augmenta, une application de vision par ordinateur scanne le sol devant la machine alors qu'elle se déplace rapidement dans le champ (jusqu'à 20 mph) pour évaluer l'état des cultures sur le terrain et les zones qui doivent être traitées, et à quel rythme, pour rendre ces zones plus saines.

Grâce à cette technologie, les agriculteurs sont en mesure de savoir et de traiter exactement où un problème se développe dans le champ. Ainsi, au lieu de couvrir tout un champ avec un traitement pour tuer les mauvaises herbes, contrôler les parasites ou ajouter les nutriments nécessaires pour améliorer la santé des cultures, l'IA et les machines de pulvérisation informées par les données pulvérisent automatiquement uniquement les plantes qui en ont besoin. La technologie permet d'appliquer la quantité exacte de produit chimique nécessaire, exactement au bon endroit, pour répondre précisément aux besoins des plantes et arrêter toute menace pour la culture. L'identification et la pulvérisation uniquement (et exactement) des mauvaises herbes au fur et à mesure qu'elles poussent parmi les cultures permettront à terme de réduire l'utilisation de produits chimiques dans les champs jusqu'à 90 %. Seule une petite quantité de produit chimique est nécessaire pour traiter chaque menace individuelle plutôt que de traiter l'ensemble du champ afin d'atteindre ces mêmes quelques menaces.

Pour générer des images synthétiques photoréalistes et améliorer rapidement les ensembles de données, CNH utilise des modèles procéduraux biophysiques. Cela permet à l'équipe de créer et de classer rapidement et efficacement des millions d'images sans avoir à prendre le temps de capturer des images réelles à l'échelle requise. Les données synthétiques augmentent les images authentiques, améliorant ainsi la formation du modèle et les performances d'inférence. Par exemple, en utilisant des données synthétiques, différentes situations peuvent être créées pour former les modèles, telles que diverses conditions d'éclairage et des ombres qui se déplacent tout au long de la journée. Les modèles procéduraux peuvent produire des images spécifiques basées sur des paramètres pour créer un ensemble de données qui représente différentes conditions.

Dans quelle mesure cette technologie est-elle précise par rapport aux méthodes agricoles traditionnelles ?

Les agriculteurs font des centaines de choix importants tout au long de l’année, mais ils ne voient les résultats de toutes ces décisions cumulatives qu’une seule fois : au moment de la récolte. L’âge moyen des agriculteurs augmente et la plupart d’entre eux travaillent plus de 30 ans. Il n’y a aucune marge d’erreur. Dès le moment où la graine est plantée, les agriculteurs doivent faire tout ce qu’ils peuvent pour s’assurer que la culture prospère – leur gagne-pain est en jeu.

Notre technologie élimine une grande partie des incertitudes liées aux tâches des agriculteurs, comme la détermination des meilleures méthodes de gestion des cultures, tout en leur permettant de consacrer plus de temps à la résolution de problèmes commerciaux stratégiques. En fin de compte, les agriculteurs dirigent des entreprises de grande envergure et comptent sur la technologie pour les aider à le faire de la manière la plus efficace, la plus productive et la plus rentable possible.

Les données générées par les machines permettent aux agriculteurs de prendre des décisions plus éclairées et plus judicieuses pour obtenir de meilleurs résultats. De plus, les niveaux élevés d’automatisation et d’autonomie des machines elles-mêmes permettent d’effectuer le travail mieux et à une échelle supérieure à celle des humains. Les pulvérisateurs sont capables de « voir » les points sensibles sur des milliers d’hectares de cultures mieux que les yeux humains et de traiter les menaces avec précision. De leur côté, des technologies comme le travail autonome du sol permettent d’alléger le fardeau d’une tâche ardue et chronophage et de l’exécuter avec plus de précision et d’efficacité à grande échelle qu’un humain. Dans le travail autonome du sol, un système entièrement autonome laboure le sol en utilisant des capteurs combinés à des réseaux neuronaux profonds pour créer des conditions idéales avec une précision centimétrique. Cela prépare le sol pour permettre un espacement des rangs très cohérent, une profondeur de semis précise et un placement optimisé des semences malgré des changements de sol souvent drastiques, même sur un seul champ. Les méthodes traditionnelles, qui reposent souvent sur des machines actionnées par l’homme, entraînent généralement une plus grande variabilité des résultats en raison de la fatigue de l’opérateur, d’une navigation moins cohérente et d’un positionnement moins précis.

Pendant la saison des récoltes, les moissonneuses-batteuses de CNH utilisent l'informatique de pointe et des capteurs de caméra pour évaluer la qualité des récoltes en temps réel. Comment fonctionne ce processus de prise de décision rapide et quel rôle joue l'IA dans l'optimisation de la récolte pour réduire le gaspillage et améliorer l'efficacité ?

Une moissonneuse-batteuse est une machine incroyablement complexe qui effectue plusieurs processus (récolte, battage et ramassage) en une seule opération continue. C'est précisément pour cette raison qu'elle est appelée moissonneuse-batteuse : elle combine ce qui était autrefois plusieurs appareils en une seule usine sur roues. Il se passe beaucoup de choses en même temps et il y a peu de place pour l'erreur. La moissonneuse-batteuse de CNH prend automatiquement des millions de décisions rapides toutes les vingt secondes, les traitant à la périphérie, directement sur la machine. Les capteurs de la caméra capturent et traitent des images détaillées des cultures récoltées pour déterminer la qualité de chaque grain de la récolte en cours de récolte, en analysant les niveaux d'humidité, la qualité du grain et la teneur en débris. La machine effectuera automatiquement des ajustements en fonction des données d'imagerie pour déployer les meilleurs paramètres de la machine afin d'obtenir des résultats optimaux. Nous pouvons le faire aujourd'hui pour l'orge, le riz, le blé, le maïs, le soja et le canola et ajouterons bientôt des capacités pour le sorgho, l'avoine, les pois des champs, le tournesol et les haricots comestibles.

L'IA en périphérie est essentielle pour optimiser ce processus en utilisant des modèles d'apprentissage profond formés pour reconnaître les tendances dans les conditions de culture. Ces modèles peuvent rapidement identifier les zones de la récolte qui nécessitent des ajustements, comme la modification de la vitesse de la moissonneuse-batteuse ou la modification des paramètres de battage pour assurer une meilleure séparation du grain du reste de la plante (par exemple, en ne conservant que chaque grain de maïs et en retirant tous les morceaux de l'épi et de la tige). Cette optimisation en temps réel permet de réduire le gaspillage en minimisant les dommages aux cultures et en ne collectant que les récoltes de haute qualité. Elle améliore également l'efficacité, permettant aux machines de prendre des décisions basées sur les données en déplacement pour maximiser le rendement des cultures des agriculteurs, tout en réduisant le stress et les coûts opérationnels.

L'agriculture de précision basée sur l'IA et le ML promet de réduire le gaspillage d'intrants et de maximiser le rendement. Pourriez-vous nous expliquer comment la technologie de CNH aide les agriculteurs à réduire les coûts, à améliorer la durabilité et à surmonter les pénuries de main-d'œuvre dans un paysage agricole de plus en plus difficile ?

Les agriculteurs sont confrontés à d'énormes obstacles pour trouver de la main-d'œuvre qualifiée. Cela est particulièrement vrai pour le travail du sol, une étape cruciale dont la plupart des exploitations agricoles ont besoin pour préparer le sol pour l'hiver afin d'améliorer les conditions de plantation au printemps. La précision est essentielle dans le travail du sol, avec une précision mesurée au dixième de pouce pour créer des conditions de croissance optimales des cultures. La technologie de travail du sol autonome de CNH élimine le besoin d'opérateurs hautement qualifiés pour régler manuellement les outils de travail du sol. En appuyant sur un bouton, le système autonomise l'ensemble du processus, permettant aux agriculteurs de se concentrer sur d'autres tâches essentielles. Cela augmente la productivité et la précision permet d'économiser du carburant, ce qui rend les opérations plus efficaces.

En matière d'entretien des cultures, la technologie de pulvérisation de CNH est équipée de plus de 125 microprocesseurs qui communiquent en temps réel pour améliorer la rentabilité et la durabilité de l'utilisation de l'eau, des nutriments, des herbicides et des pesticides. Ces processeurs collaborent pour analyser les conditions du terrain et déterminer précisément quand et où appliquer ces nutriments, éliminant ainsi une surabondance de produits chimiques jusqu'à 30 % aujourd'hui et jusqu'à 90 % dans un avenir proche, réduisant ainsi considérablement les coûts des intrants et la quantité de produits chimiques qui pénètrent dans le sol. Les vannes de contrôle des buses permettent à la machine d'appliquer le produit avec précision en s'ajustant automatiquement en fonction de la vitesse du pulvérisateur, garantissant un débit et une pression constants pour une distribution précise des gouttelettes sur la culture afin que chaque goutte atterrisse exactement là où elle doit être pour la santé de la culture. Ce niveau de précision réduit le besoin de remplissages fréquents, les agriculteurs n'ayant besoin de remplir le pulvérisateur qu'une fois par jour, ce qui entraîne une économie importante d'eau et de produits chimiques.

De même, l'automatisation des chariots de CNH simplifie la tâche complexe et stressante de l'utilisation d'une moissonneuse-batteuse pendant la récolte. La précision est essentielle pour éviter les collisions entre la tête de la moissonneuse-batteuse et le chariot à grains qui se déplacent à quelques centimètres l'un de l'autre pendant des heures. Cela contribue également à réduire les pertes de récolte. L'automatisation des chariots permet un processus de chargement en continu transparent, réduisant le besoin de coordination manuelle et permettant à la moissonneuse-batteuse de continuer à effectuer son travail sans avoir à s'arrêter. CNH a effectué des tests physiologiques qui montrent que cette technologie d'assistance réduit le stress des conducteurs de moissonneuse-batteuse d'environ 12 % et celui des conducteurs de tracteur de 18 %, ce qui s'additionne lorsque ces opérateurs sont dans ces machines jusqu'à 16 heures par jour pendant la saison des récoltes.

Marque CNH, New Holland, récemment associé à Bluewhite pour des kits de tracteurs autonomes. Comment cette collaboration s'inscrit-elle dans la stratégie plus large de CNH visant à accroître l'autonomie dans l'agriculture ?

L’autonomie est l’avenir de CNH, et nous adoptons une approche ciblée et stratégique pour développer cette technologie, guidée par les besoins les plus urgents de nos clients. Nos ingénieurs internes se concentrent sur le développement de l’autonomie pour notre large segment de clientèle agricole : les agriculteurs de cultures qui poussent dans de grands champs ouverts, comme le maïs et le soja. Une autre clientèle importante pour CNH est celle des agriculteurs de ce que nous appelons les « cultures permanentes » qui poussent dans les vergers et les vignobles. Le partenariat avec Bluewhite, un leader reconnu dans la mise en œuvre de l’autonomie dans les vergers et les vignobles, nous permet d’avoir l’échelle et la vitesse de mise sur le marché nécessaires pour servir à la fois les segments de clientèle des grandes cultures agricoles et des cultures permanentes avec l’autonomie dont ils ont cruellement besoin. Avec Bluewhite, nous livrons un tracteur entièrement autonome dans les cultures permanentes, ce qui fait de nous le premier fabricant d’équipement d’origine (OEM) à proposer une solution autonome dans les vergers et les vignobles.

Notre approche de l'autonomie consiste à résoudre les défis les plus critiques auxquels les clients sont confrontés dans les travaux et les tâches pour lesquels ils souhaitent que la machine termine le travail et supprime la charge de travail. Le travail autonome du sol est à la base de notre développement interne de l'autonomie des tâches, car il s'agit d'une tâche ardue qui prend beaucoup de temps pendant une période de l'année très limitée dans le temps, où un certain nombre d'autres choses doivent également se produire. Dans ce cas, une machine peut effectuer le travail mieux qu'un opérateur humain. Les agriculteurs de cultures permanentes ont également un besoin urgent d'autonomie, car ils sont confrontés à des pénuries extrêmes de main-d'œuvre et ont besoin de machines pour combler les lacunes. Ces travaux nécessitent que les tracteurs effectuent 20 à 30 passages dans chaque verger ou rangée de vignes par saison, effectuant des tâches importantes comme l'application de nutriments aux arbres et le maintien de l'herbe entre les vignes tondue et exempte de mauvaises herbes.

De nombreuses solutions de CNH sont adoptées par les exploitants de vergers et de vignobles. Quels défis uniques ces environnements présentent-ils pour les machines autonomes et pilotées par l'IA, et comment CNH adapte-t-il ses technologies à des applications aussi spécialisées ? 

Les périodes de récolte changent et il est de plus en plus difficile de trouver de la main d'œuvre qualifiée. Le changement climatique rend les saisons plus imprévisibles. Il est donc essentiel pour les agriculteurs de disposer d'une technologie prête à l'emploi qui permette de déterminer avec précision et efficacité le moment optimal pour la récolte des cultures. L'agriculture exige toujours de la précision, mais elle est particulièrement nécessaire lors de la récolte d'un produit aussi petit et délicat que du raisin ou des noix.

La plupart des technologies de conduite automatisée s'appuient sur le GPS pour guider les machines sur leurs trajectoires, mais dans les vergers et les vignobles, ces signaux GPS peuvent être bloqués par des branches d'arbres et de vignes. Des caméras de vision et un radar sont utilisés en conjonction avec le GPS pour maintenir les machines sur leur trajectoire optimale. Et, dans les vergers et les vignobles, la récolte ne se résume pas à des hectares de rangées uniformes, mais plutôt à des plantes et des arbres individuels et variés, souvent sur un terrain vallonné. Les systèmes automatisés de CNH s'adaptent à la hauteur de chaque plante, au niveau du sol et à la vitesse de cueillette requise pour assurer un rendement de qualité sans endommager la récolte. Ils s'ajustent également autour des arbres improductifs ou morts pour économiser des intrants inutiles. Ces machines robotisées se déplacent automatiquement le long des plantes, chevauchant en toute sécurité la récolte tout en retirant délicatement le produit de l'arbre ou de la vigne. L'opérateur définit la hauteur de la tête de cueillette souhaitée et les machines s'ajustent automatiquement pour maintenir ces paramètres par plante, quel que soit le terrain. De plus, pour certains fruits, le meilleur moment pour récolter est lorsque leur teneur en sucre atteint son maximum pendant la nuit. Les caméras équipées de la technologie infrarouge fonctionnent même dans les conditions les plus sombres pour récolter les fruits dans des conditions optimales.

Alors que de plus en plus d’équipements agricoles autonomes sont déployés, quelles mesures CNH prend-il pour garantir la sécurité et la conformité réglementaire de ces systèmes alimentés par l’IA, en particulier dans divers environnements agricoles mondiaux ?

La sécurité et la conformité réglementaire sont au cœur des systèmes d'IA de CNH. CNH collabore donc avec les autorités locales de différentes régions, ce qui permet à l'entreprise d'adapter ses systèmes autonomes pour répondre aux exigences régionales, notamment les normes de sécurité, les réglementations environnementales et les lois sur la confidentialité des données. CNH est également actif au sein des organismes de normalisation pour garantir que nous respectons toutes les normes et exigences reconnues et émergentes.

Par exemple, les systèmes de sécurité autonomes comprennent des capteurs tels que des caméras, des LiDAR, des radars et des GPS pour une surveillance en temps réel. Ces technologies permettent aux équipements de détecter les obstacles et de s'arrêter automatiquement lorsqu'ils détectent quelque chose devant eux. Les machines peuvent également naviguer sur des terrains complexes et réagir aux changements environnementaux, minimisant ainsi le risque d'accident.

Quels sont, selon vous, les principaux obstacles à l’adoption généralisée des technologies basées sur l’IA dans l’agriculture ? Comment CNH aide-t-il les agriculteurs à faire la transition vers ces nouveaux systèmes et démontre-t-il leur valeur ?

Actuellement, les obstacles les plus importants sont le coût, la connectivité et la formation des agriculteurs.

Mais de meilleurs rendements, des dépenses réduites, un stress physique réduit et une meilleure gestion du temps grâce à une automatisation accrue peuvent compenser le coût total de possession. Les petites exploitations peuvent bénéficier de solutions autonomes plus limitées, comme des systèmes d'alimentation ou des kits de mise à niveau après-vente.

Le manque de connectivité, notamment dans les zones rurales, pose des problèmes. Les technologies basées sur l'IA nécessitent une connectivité constante et permanente. CNH contribue à résoudre ce problème grâce à son partenariat avec Intelsat et via des modems universels qui se connectent à n'importe quel réseau à proximité (wifi, cellulaire ou satellite), offrant une connectivité prête à l'emploi pour les clients situés dans des endroits difficiles d'accès. Bien que de nombreux clients répondent à ce besoin de connectivité Internet grâce au réseau mobile virtuel mondial de CNH, leader du marché, les tours cellulaires existantes ne permettent pas une connexion généralisée.

Enfin, la courbe d’apprentissage associée à la technologie de l’IA peut sembler décourageante. Ce changement par rapport aux pratiques traditionnelles nécessite une formation et un changement d’état d’esprit, c’est pourquoi CNH travaille en étroite collaboration avec ses clients pour s’assurer qu’ils sont à l’aise avec la technologie et qu’ils tirent pleinement parti des systèmes.

En regardant vers l’avenir, comment envisagez-vous l’évolution des solutions d’IA et autonomes de CNH au cours de la prochaine décennie ?

CNH s’attaque aux défis mondiaux cruciaux en développant une technologie de pointe pour produire plus de nourriture de manière durable en utilisant moins de ressources, pour une population croissante. Notre objectif est de permettre aux agriculteurs d’améliorer leurs moyens de subsistance et leurs activités grâce à des solutions innovantes, l’IA et l’autonomie jouant un rôle central. Les progrès dans la collecte de données, l’accessibilité des capteurs, la connectivité et la puissance de calcul accéléreront le développement de l’IA et des systèmes autonomes. Ces technologies favoriseront les progrès dans l’agriculture de précision, le fonctionnement autonome, la maintenance prédictive et la prise de décision basée sur les données, ce qui profitera en fin de compte à nos clients et au monde entier.

Merci pour cette excellente interview, les lecteurs qui souhaitent en savoir plus devraient visiter CNH.