Track Tom : l’intelligence artificielle pour estimer le rendement des tomates

Track Tom est une solution basée sur l’IA qui permet aux agriculteurs de prévoir le rendement de tomates, évitant ainsi les écarts dans le calcul des prévisions et les pertes financières qui en découlent. De plus, la solution est couplée à un outil de pilotage qui comprend un tableau de bord détaillé de l’ensemble des données de la tomate, offrant ainsi une vision claire de la production et de la qualité des cultures.

"Track Tom utilise des caméras spécifiques pour prendre des vidéos des plants de chaque catégorie de tomates, ainsi que l’intelligence artificielle pour analyser les images et estimer le rendement des cultures, ce qui permet de limiter les risques liés aux prévisions de rendement erronées", explique Tahar Hamdani, cofondateur de Track Tom.

Cet ingénieur de l’Ecole nationale d’agriculture de Meknès (ENAM), également lauréat de l’Ecole métropolitaine de business et de management de London (MSBM) et titulaire d’un MBA de l’Académie des sciences de management de Paris (AMSP), souligne la pertinence de sa solution dans un contexte régional : "La structure des cultures de tomates dans la région méditerranéenne est basée sur les serres qui ont une hauteur moyenne de six mètres, tandis que les plants de tomate ne doivent pas dépasser quatre mètres". Il explique que cette particularité rend difficile l’utilisation de drones ou de robots pour l’estimation du rendement. "Nous pensons que Track Tom offre une grande partie de la solution à ces besoins spécifiques de la région", estime-t-il.

Actuellement en phase de test à Agadir, la solution devrait être bientôt finalisée avant d'être proposée aux pays qui produisent sous serre, tels que l’Espagne, la Turquie et le Mexique, ajoute Tahar Hamdani.

Une solution intelligente qui cible le marché de l’export

Issu d’une famille d’agriculteurs dans la région de Marrakech, Tahar Hamdani a travaillé dans le département d’agronomie de deux multinationales à Agadir au cours des dix dernières années. Passionné par l’utilisation de la technologie pour une agriculture durable, il a développé dans le cadre de son travail des solutions agricoles novatrices, telles que des variétés de semences caractérisées par des résistances élevées aux problèmes phytosanitaires et un rendement plus élevé.

Il constate, entre autres, un besoin dans l’estimation des rendements de la tomate, alors que les défis ne sont pas négligeables et que la demande est fulgurante.

"Les supermarchés et les clients internationaux commandent directement auprès des agriculteurs ou des intermédiaires. Naturellement, l’agriculteur prévoit ses récoltes en se basant sur l’historique ou sur des techniques comme le comptage du nombre de fruits et de fleurs. Lors de la livraison, s’il livre moins que prévu, faute de prévisions, il peut faire face à des pénalités, et s’il produit plus, la quantité supplémentaire serait alors vendue à des prix bas", détaille notre interlocuteur.

Pour éviter ces écarts dans le calcul des prévisions, il développe Track Tom avec son associé Mohamed Taher, qu’il a rencontré sur les bancs de l’école primaire. Ce dernier est ingénieur en Lean Management à l’ENSA de Marrakech et détient une certification black lean six sigma. Son expérience dans l’industrie aéronautique et pharmaceutique a renforcé son expertise dans le domaine de l’Internet des Object (IoT) et du Machine Learning (ML), des technologies qui ont été combinées pour développer Track Tom.

Un rendement prévu pour chaque catégorie

Concrètement, la solution permet de "référencer la serre, de calculer le nombre de tomates détectées et de les classer en fonction de leurs caractéristiques de qualité, comme la couleur, qui varie suivant une échelle de 1 à 10, de la couleur verte à rouge en passant par le jaune ou l’orange, ou le calibre ; une information qui, jusqu’à présent, ne peut être connue qu’au niveau de la station d’emballage", illustre-t-on.

Il ajoute que le cahier des charges des tomates dépend des exigences du marché final et des pratiques locales. Il varie selon les préférences de chaque importateur. "A titre d’exemple, les pays ont des fourchettes de tailles acceptables différentes pour chaque segment de tomate. Notre solution permet de prévoir le rendement pour chaque catégorie à l’avance", détaille l’entrepreneur.

Track Tom est en mesure d’estimer le rendement de la tomate à deux semaines. Une seconde version est en cours de développement. Elle permet d’estimer le rendement à six semaines en ciblant les fruits de tomates tout en les liant aux stations météorologiques grâce à des algorithmes en développement, conclut-on