Même les cultures doivent être cultivées intelligemment avec l’IA : partage d’informations sur le développement d’un système de prévision agricole

Nous avons publié sur Hugging Face (https://huggingface.co/spaces/VIDraft/farmlife) Farm Life, une plateforme agricole IA tout-en-un destinée aux agriculteurs coréens.

Farm Life répond, sur une plateforme unique, à trois défis majeurs du terrain agricole : la prise de décision pour la culture, le choix du moment d’expédition et la réponse précoce aux maladies et ravageurs. Ces trois fonctions sont implémentées sous forme de moteurs d’IA indépendants, puis intégrées dans une seule interface.

La première est un service de conseil par un expert IA des cultures. Un chatbot spécialisé dans le domaine agricole, basé sur GPT, répond immédiatement en langage naturel aux questions sur les méthodes de culture selon les espèces, les stratégies de distribution et même la gestion du stockage. De la sélection de la culture, comme dans « Cette année, il faut cultiver des bananes », jusqu’à la gestion après récolte, il fournit en un seul point d’accès des guides personnalisés selon le produit, la région et la période.

La deuxième est un moteur de prévision des prix de gros. Il applique en parallèle 14 modèles de séries temporelles, dont SARIMAX, Holt-Winters et Prophet, à 40 ans de big data sur les prix de gros accumulés depuis 1996. Les températures et précipitations du service météorologique coréen ainsi que le taux de change USD/KRW sont injectés comme variables exogènes afin d’ajuster même les produits les plus volatils, et un backtest a été achevé avec les données réelles de 2025. « Le prix de la carotte va vraiment bondir de 90 % le mois prochain ? » — les niveaux de précision et les notes de chaque modèle sont affichés ensemble, ce qui permet de vérifier directement les fondements de la prévision.

La troisième est un diagnostic immédiat des maladies et ravageurs. Il suffit d’envoyer une photo de la culture pour que le système identifie instantanément les maladies ou ravageurs sur la base de la base de données nationale standard NCPMS, puis guide étape par étape sur les pesticides homologués, les méthodes de lutte écologiques et les mesures pour éviter la propagation. « Mes piments doivent rester en bonne santé~ » — vous pouvez obtenir immédiatement le résultat du diagnostic et le manuel de réponse.
Le stack technique repose sur une application web basée sur Streamlit, exécutée sur Hugging Face Spaces, et intégrant dans un environnement Python 3.13 statsmodels, scikit-learn, l’API KAMIS et l’API du service météorologique coréen. Les résultats de prévision sont fournis à titre de référence, et nous continuerons à améliorer les modèles.