Présomption forte de lien entre exposition aux pesticides et six pathologies, dont plusieurs cancers et la maladie de Parkinson. C’est ce que confirme le rapport de l’Inserm (Institut national de la santé et de la recherche médicale) de 2021, en s’appuyant sur plusieurs études épidémiologiques récentes. Et cette conclusion concerne autant les professionnels du monde agricole, que les riverains d’une exploitation dans un rayon d’au moins 1,5 km. Pourtant, l’étude de cette corrélation est freinée par l’incomplétude des données nécessaires à une mesure précise de l’impact sanitaire des pesticides dans les zones agricoles environnantes.
L’un des défis principaux réside dans le manque de données précises à grande échelle sur l’occupation et l’usage agricole du sol pour en établir une cartographie fiable. Pour y remédier, l’Institut national de l’information géographique et forestière (IGN) et l’Institut Bergonié ont travaillé dans le cadre du projet Geo-K-Phyto sur une méthode d’automatisation par l’IA de l’extraction de ces informations à partir de photos aériennes.
Pour développer leur méthode, les chercheurs ont entraîné un réseau de neurones à partir d’images raster (matrices de pixels) provenant de l’orthophotographie haute résolution en infrarouge (images en ultra haute définition reconstituées à partir de centaines de photos). Celles-ci étant annotées avec des données vectorielles, comme les adresses ou les informations contenues dans le Registre parcellaire graphique (RPG). Les algorithmes de deep learning, notamment le modèle U-Net d’apprentissage automatique basé sur les réseaux de neurones convolutifs 2D, déterminent ensuite les caractéristiques pertinentes sur les images pour affecter à chaque pixel une probabilité d’appartenance à deux catégories : vigne ou verger. Les résultats montrent une amélioration importante par rapport aux méthodes traditionnelles. L’IA a en effet détecté 1 790,8 ha de parcelles de vignes et 46,7 hectares de vergers de plus que dans le rapport au RPG, soit 24 % du total des parcelles de la zone étudiée, non ou mal déclarées.
