Jay Schroeder, CTO chez CNH – Série d’entretiens

Jay Schroeder est le directeur de la technologie (CTO) de CNH, où il supervise les opérations de recherche et développement mondiales 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 la transmission. 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 dans toute la gamme d’équipements. De plus, il participe à l’expansion des offres de propulsion alternative de CNH et assure la gouvernance des processus de développement de produits pour garantir que le portefeuille de produits de l’entreprise répond à des normes élevées de qualité et de performance.

Grâce à ses différentes entreprises, CNH produit et vend des machines agricoles et des équipements de construction. L’IA et les technologies avancées, telles que la vision par ordinateur, l’apprentissage automatique (ML) et les capteurs de caméra, transforment la façon dont cet équipement fonctionne, permettant des innovations comme les tracteurs autodirecteurs alimentés par l’IA qui aident les agriculteurs à résoudre des défis complexes dans leur travail.

Les tracteurs autodirecteurs de CNH sont alimentés par des modèles formés sur des réseaux de neurones profonds et une inférence en temps réel. Pouvez-vous expliquer comment cette technologie aide les agriculteurs à effectuer des tâches comme le semis avec une précision extrême, et comment elle se compare à la conduite autonome dans d’autres industries comme les transports ?

Alors que les voitures autonomes font les gros titres, l’industrie agricole a mené discrètement la révolution autonome pendant plus de deux décennies. Des entreprises comme CNH ont été pionnières dans la conduite autonome et le contrôle de vitesse bien avant Tesla (TSLA ). Aujourd’hui, la technologie de CNH va au-delà de la simple conduite pour effectuer des travaux hautement automatisés et autonomes tout en conduisant. Des semis précis de graines dans le sol exactement où elles doivent être, à la récolte efficace et optimale des cultures et au traitement du sol, tout en conduisant à travers le champ, l’agriculture autonome ne suit pas seulement le rythme des voitures autonomes – elle les dépasse. Le futur des transports peut être autonome, mais dans l’agriculture, le futur est déjà là.

De plus, la pile technologique future de CNH permet l’agriculture autonome bien au-delà de ce que les voitures autonomes peuvent accomplir. Notre architecture logicielle définie intègre sans effort une large gamme de technologies, permettant l’automatisation de tâches agricoles complexes qui sont beaucoup plus difficiles que la simple navigation de point A à point B. L’interopérabilité dans l’architecture donne aux agriculteurs un contrôle et une flexibilité sans précédent pour ajouter 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 lorsque nécessaire – tout en conservant la conduite autonome du véhicule. Cette adaptabilité, combinée à la capacité de gérer des terrains difficiles 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 trouve dans les champs, et non sur les routes.

Le concept d’une “machine à imagerie par résonance magnétique pour les plantes” est fascinant. Comment l’utilisation par CNH de l’imagerie synthétique et de l’apprentissage automatique permet-elle à ses machines d’identifier le type de culture, les stades de croissance et d’appliquer une nutrition ciblée ?

En utilisant l’IA, les 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 pour 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 à travers le champ (jusqu’à 20 mph) pour évaluer les conditions des cultures et déterminer les zones qui doivent être traitées, ainsi que le taux de traitement nécessaire pour rendre ces zones plus saines.

Avec cette technologie, les agriculteurs peuvent savoir exactement où dans le champ un problème se développe, afin de ne pas traiter l’ensemble du champ avec un traitement pour tuer les mauvaises herbes, contrôler les parasites ou ajouter des nutriments nécessaires pour améliorer la santé des cultures. Les machines à pulvérisation alimentées par l’IA et informées par les données pulvérisent automatiquement uniquement les plantes qui en ont besoin. La technologie permet la quantité exacte de produit chimique nécessaire, appliquée exactement à l’endroit où il est nécessaire pour répondre aux besoins précis des plantes et arrêter toute menace pour la culture. L’identification et le traitement uniquement des mauvaises herbes qui poussent parmi les cultures réduiront éventuellement l’utilisation de produits chimiques dans les champs de 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 pour atteindre les mêmes 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 des millions d’images sans avoir à prendre le temps de capturer des images réelles à l’échelle nécessaire. Les données synthétiques complètent les images authentiques, améliorant ainsi les performances d’entraînement et d’inférence des modèles. Par exemple, en utilisant des données synthétiques, différentes situations peuvent être créées pour former les modèles – telles que diverses conditions de lumière et d’ombre qui se déplacent tout au long de la journée. Les modèles procéduraux peuvent produire des images spécifiques en fonction de paramètres pour créer un ensemble de données représentant différentes conditions.

Quelle est l’exactitude de cette technologie par rapport aux méthodes agricoles traditionnelles ?

Les agriculteurs prennent des centaines de décisions importantes 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 d’un agriculteur augmente et la plupart travaillent pendant plus de 30 ans. Il n’y a pas de marge d’erreur. Dès l’instant où la graine est plantée, les agriculteurs doivent tout faire pour s’assurer que la culture prospère – leur moyen de subsistance est en jeu.

Notre technologie élimine une grande partie des incertitudes dans les tâches des agriculteurs, telles que la détermination des meilleures façons de soigner les cultures en croissance, tout en donnant aux agriculteurs plus de temps pour se concentrer sur la résolution de défis commerciaux stratégiques. À la fin de la journée, les agriculteurs dirigent des entreprises massives et comptent sur la technologie pour les aider à le faire de la manière la plus efficace, la plus productive et la plus rentable.

Non seulement les données générées par les machines permettent-elles aux agriculteurs de prendre de meilleures décisions éclairées pour obtenir de meilleurs résultats, mais les niveaux élevés d’automatisation et d’autonomie dans les machines elles-mêmes effectuent le travail mieux et à une échelle plus élevée que les humains. Les machines à pulvériser peuvent “voir” les zones de difficulté dans des milliers d’hectares de cultures mieux que les yeux humains et peuvent traiter avec précision les menaces ; tandis que des technologies comme la préparation du sol autonome peuvent soulager le fardeau de cette tâche ardue et fastidieuse et la réaliser avec plus de précision et d’efficacité à grande échelle que les humains. Dans la préparation du sol autonome, un système entièrement autonome prépare le sol en utilisant des capteurs combinés à des réseaux de neurones profonds pour créer des conditions idéales avec une précision au centimètre. Cela prépare le sol pour permettre une espaçement de rangées très cohérent, une profondeur de semence précise et un placement de semence optimisé, malgré les changements de sol importants au sein d’un seul champ. Les méthodes traditionnelles, qui s’appuient souvent sur des machines actionnées par des humains, donnent généralement lieu à plus de variabilité dans les 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 machines à moissonner de CNH utilisent l’informatique de bord et les capteurs de caméra pour évaluer la qualité des cultures en temps réel. Comment fonctionne ce processus de prise de décision rapide, et quel rôle l’IA joue-t-elle dans l’optimisation de la récolte pour réduire les pertes et améliorer l’efficacité ?

Une moissonneuse est une machine incroyablement complexe qui effectue plusieurs processus – moisson, battage et récolte – dans une seule opération continue. On l’appelle une moissonneuse pour cette raison précise : elle combine ce qui était autrefois plusieurs appareils en une seule usine sur roues. Il se passe beaucoup de choses à la fois et il y a peu de place pour l’erreur. Les machines à moissonner de CNH prennent automatiquement des millions de décisions rapides toutes les vingt secondes, en les traitant sur le bord, directement sur la machine. Les capteurs de caméra capturent et traitent des images détaillées des cultures récoltées pour déterminer la qualité de chaque grain de la culture en cours de récolte – en analysant les niveaux d’humidité, la qualité des grains et la teneur en déchets. La machine ajuste automatiquement les paramètres de la machine en fonction des données d’imagerie pour obtenir les résultats optimaux. Nous pouvons le faire aujourd’hui pour l’orge, le riz, le blé, le maïs, les soja et le canola, et nous ajouterons bientôt des capacités pour le sorgho, l’avoine, les pois de champ, les tournesols et les haricots comestibles.

L’IA au bord est cruciale pour optimiser ce processus en utilisant des modèles d’apprentissage profond formés pour reconnaître des modèles dans les conditions des cultures. Ces modèles peuvent rapidement identifier les zones de la récolte qui nécessitent des ajustements, tels que la modification de la vitesse de la moissonneuse ou la modification des paramètres de battage pour assurer une meilleure séparation des grains du reste de la plante (par exemple, en gardant chaque grain de maïs et en éliminant toutes les parties de la tige et de l’épi). Cette optimisation en temps réel aide à réduire les pertes en minimisant les dommages aux cultures et en collectant uniquement des cultures de haute qualité. Cela améliore également l’efficacité, en permettant aux machines de prendre des décisions éclairées en cours de route pour maximiser le rendement des cultures des agriculteurs, tout en réduisant le stress opérationnel et les coûts.

L’agriculture de précision alimentée par l’IA et l’apprentissage automatique promet de réduire les déchets d’entrée et de maximiser le rendement. Pouvez-vous 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 des obstacles énormes pour trouver une main-d’œuvre qualifiée. C’est particulièrement vrai pour la préparation du sol – une étape critique que la plupart des fermes nécessitent pour préparer le sol pour l’hiver et améliorer les conditions de plantation au printemps. La précision est vitale dans la préparation du sol, avec une précision mesurée à la dixième de pouce pour créer des conditions de croissance optimales. La technologie de préparation du sol autonome de CNH élimine le besoin d’opérateurs hautement qualifiés pour ajuster manuellement les outils de préparation du sol. Avec un simple clic de bouton, le système rend le processus entièrement autonome, permettant aux agriculteurs de se concentrer sur d’autres tâches essentielles. Cela améliore la productivité et la précision, et la conservation de carburant rend les opérations plus efficaces.

Lorsqu’il s’agit de l’entretien des cultures, la technologie de pulvérisation de CNH est équipée de plus de 125 microprocesseurs qui communiquent en temps réel pour améliorer l’efficacité et la durabilité de l’utilisation de l’eau, des nutriments, des herbicides et des pesticides. Ces processeurs collaborent pour analyser les conditions des champs et déterminer avec précision quand et où appliquer ces nutriments, éliminant ainsi l’excès de produits chimiques de jusqu’à 30 % aujourd’hui et de jusqu’à 90 % dans un avenir proche, réduisant ainsi considérablement les coûts d’entrée et la quantité de produits chimiques qui pénètrent dans le sol. Les valves de contrôle des buses permettent à la machine d’appliquer le produit avec précision en ajustant automatiquement en fonction de la vitesse de la pulvérisatrice, garantissant un débit et une pression constants pour une livraison de gouttes précise à la culture, de sorte que chaque goutte atterrisse exactement où elle est nécessaire pour la santé de la culture. Ce niveau de précision réduit le besoin de remplissage fréquent, les agriculteurs n’ayant besoin de remplir la pulvérisatrice qu’une fois par jour, ce qui conduit à une conservation significative d’eau et de produits chimiques.

De même, l’automatisation des chariots de CNH simplifie la tâche complexe et stressante de l’exploitation d’une moissonneuse pendant la récolte. La précision est cruciale pour éviter les collisions entre la tête de la moissonneuse et le chariot à grains qui se déplace à quelques pouces les uns des autres pendant des heures. Cela aide également à réduire les pertes de cultures. L’automatisation des chariots permet un processus de chargement en cours de route sans interruption, réduisant le besoin de coordination manuelle et permettant à la moissonneuse de continuer à fonctionner sans avoir à s’arrêter. CNH a effectué des tests physiologiques qui montrent que cette technologie d’assistance réduit le stress des opérateurs de moissonneuse d’environ 12 % et des opérateurs de tracteur de 18 %, ce qui s’ajoute lorsque ces opérateurs sont dans ces machines pendant jusqu’à 16 heures par jour pendant la saison des récoltes.

La marque CNH, New Holland, a récemment conclu un partenariat avec Bluewhite pour des kits de tracteurs autonomes. Comment cette collaboration s’inscrit-elle dans la stratégie plus large de CNH pour l’expansion de l’autonomie dans l’agriculture ?

L’autonomie est l’avenir de CNH, et nous adoptons une approche intentionnelle et stratégique pour développer cette technologie, guidée par les besoins les plus pressants de nos clients. Nos ingénieurs internes se concentrent sur le développement de l’autonomie pour notre grand segment de clients agricoles – les agriculteurs de cultures qui poussent dans de grands champs ouverts, comme le maïs et le soja. Un autre segment de clients important pour CNH est les agriculteurs de ce que nous appelons “cultures permanentes” qui poussent dans des vergers et des 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 une échelle et une vitesse de commercialisation pour servir à la fois les segments de clients agricoles et de cultures permanentes avec les capacités d’autonomie dont ils ont désespérément besoin. Avec Bluewhite, nous proposons un tracteur entièrement autonome dans les cultures permanentes, ce qui nous rend le premier fabricant d’équipements d’origine (OEM) avec une solution autonome dans les vergers et les vignobles.

Notre approche de l’autonomie consiste à résoudre les défis les plus critiques que les clients rencontrent dans les tâches où ils sont impatients que la machine effectue le travail et soulage la charge de travail. L’autonomie de la préparation du sol conduit notre développement interne de l’autonomie des tâches, car il s’agit d’une tâche ardue qui prend beaucoup de temps pendant une période serrée de l’année où de nombreuses autres choses doivent se produire. 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 de main-d’œuvre extrêmes et ont besoin de machines pour combler les lacunes. Ces tâches nécessitent que les tracteurs effectuent 20 à 30 passages dans chaque rangée de verger ou de vignoble par saison, en 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 nombreux solutions de CNH sont adoptées par les exploitants de vergers et de vignobles. Quels défis uniques présentent ces environnements pour les machines et les technologies alimentées par l’IA, et comment CNH adapte-t-elle ses technologies pour ces applications spécialisées ?

Les fenêtres de récolte changent, et il est de plus en plus difficile de trouver une main-d’œuvre qualifiée. Le changement climatique rend les saisons plus imprévisibles ; il est essentiel pour les agriculteurs d’avoir une technologie prête à l’emploi qui favorise la précision et l’efficacité lorsque les cultures sont optimales pour la récolte. L’agriculture nécessite toujours de la précision, mais elle est particulièrement nécessaire lors de la récolte de quelque chose d’aussi petit et délicat qu’un raisin ou une noix.

La plupart des technologies de conduite automatisée s’appuient sur le GPS pour guider les machines sur leurs chemins, mais dans les vergers et les vignobles, ces signaux GPS peuvent être bloqués par les branches des arbres et des vignes. Les caméras de vision et le radar sont utilisés conjointement avec le GPS pour maintenir les machines sur leur chemin optimal. Et, dans les vergers et les vignobles, la récolte ne concerne pas des rangées uniformes d’hectares, mais plutôt des plantes et des arbres individuels et variés, souvent en terrain vallonné. Les systèmes automatisés de CNH s’adaptent à la hauteur de chaque plante, au niveau du sol et à la vitesse de récolte requise pour assurer un rendement de qualité sans endommager la culture. Ils s’adaptent également autour des arbres improductifs pour éviter les intrants inutiles. Ces machines robotiques se déplacent automatiquement le long des plantes, en les contournant avec précaution tout en récoltant délicatement les produits des arbres ou des vignes. L’opérateur régle la hauteur de récolte souhaitée, et les machines ajustent automatiquement ces paramètres pour chaque plante, quelle que soit la topographie. De plus, pour certains fruits, le meilleur moment pour la récolte est lorsque leur teneur en sucre est à son maximum la nuit. Les caméras équipées de technologie infrarouge fonctionnent même dans les conditions les plus sombres pour récolter les fruits à leur état optimal.

À mesure que davantage d’équipements agricoles autonomes sont déployés, quels sont les mesures que CNH prend pour assurer la sécurité et la conformité réglementaire de ces systèmes alimentés par l’IA, notamment dans des environnements agricoles mondiaux diversifiés ?

La sécurité et la conformité réglementaire sont au cœur des systèmes alimentés par l’IA de CNH, qui collabore donc avec les autorités locales dans différentes régions, ce qui permet à l’entreprise d’adapter ses systèmes autonomes pour répondre aux exigences régionales, y compris les normes de sécurité, les réglementations environnementales et les lois sur la protection des données. CNH participe également à des organisations de normalisation pour s’assurer que nous répondons à toutes les normes reconnues et émergentes.

Par exemple, les systèmes de sécurité autonomes comprennent des capteurs tels que des caméras, des capteurs LiDAR, des capteurs radar et du GPS pour une surveillance en temps réel. Ces technologies permettent à l’équipement de détecter les obstacles et de s’arrêter automatiquement lorsqu’il détecte quelque chose devant lui. Les machines peuvent également naviguer dans des terrains complexes et réagir aux changements environnementaux, minimisant ainsi le risque d’accidents.

Quels sont les plus grands obstacles à l’adoption généralisée des technologies alimentées par l’IA dans l’agriculture ? Comment CNH aide-t-elle les agriculteurs à passer à ces nouveaux systèmes et à démontrer leur valeur ?

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

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

Une connectivité inadéquate, en particulier dans les zones rurales, pose des défis. Les technologies alimentées par l’IA nécessitent une connectivité constante et toujours active. CNH aide à résoudre ce problème via son partenariat avec Intelsat et via des modems universels qui se connectent à n’importe quel réseau à proximité – Wi-Fi, cellulaire ou satellite – fournissant ainsi une connectivité prête à l’emploi pour les clients dans les endroits difficiles d’accès. Alors que de nombreux clients satisfont à ce besoin de connectivité Internet avec le réseau mobile virtuel leader du marché de CNH, les tours cellulaires existantes n’offrent pas une connectivité omniprésente.

Enfin, la courbe d’apprentissage perçue associée à la technologie de l’IA peut sembler décourageante. Ce passage des pratiques traditionnelles nécessite une formation et un changement de mentalité, c’est pourquoi CNH travaille main dans la main avec les clients pour s’assurer qu’ils sont à l’aise avec la technologie et tirent pleinement parti des systèmes.

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

CNH s’attaque à des défis mondiaux critiques en développant des technologies de pointe pour produire plus de nourriture de manière durable en utilisant moins de ressources, pour une population en constante augmentation. Notre objectif est de donner aux agriculteurs les moyens d’améliorer leur vie et leurs entreprises grâce à des solutions innovantes, l’IA et l’autonomie jouant un rôle central. Les progrès de la collecte de données, de l’abordabilité des capteurs, de la connectivité et de la puissance de calcul accéléreront le développement de l’IA et des systèmes autonomes. Ces technologies feront progresser la précision de l’agriculture, l’exploitation autonome, la maintenance prédictive et la prise de décision basée sur les données, au final profitant à nos clients et au monde.

Je vous remercie pour cette grande interview, les lecteurs qui souhaitent en savoir plus peuvent visiter CNH.