Chaque printemps, des millions de personnes redoutent les premiers signes d’allergie, tandis que le monde agricole se prépare à faire face aux maladies fongiques. Et si une même technologie permettait de protéger à la fois la santé humaine et les récoltes ?
Les pollens et les spores fongiques ont beau être microscopiques, leurs effets sont considérables. Les premiers déclenchent des allergies chez des centaines de millions de personnes ; les secondes propagent des maladies capables de détruire jusqu’à 30 % des cultures mondiales chaque année, entraînant des pertes économiques colossales. Aujourd’hui encore, leur surveillance repose sur des analyses manuelles. Prélèvement, transport, observation au microscope, un processus long, souvent de plusieurs jours. Résultat : des prévisions tardives, des fenêtres d’action manquées et, en agriculture, un recours accru aux produits phytosanitaires.
Pour dépasser ces limites, le CSEM s’est associé à Swisens dans le cadre du projet européen AGRARSENSE, aux côtés d’Agroscope et de la Haute école spécialisée du nord-ouest de la Suisse (FHNW). Swisens a développé sa plateforme SwisensPoleno, capable de capter pour chaque particule de pollen ou de spore un ensemble de signaux : imagerie holographique sous deux angles, spectres de fluorescence (la gamme de lumière émise par la particule), durée de fluorescence (le temps pendant lequel la lumière persiste) et propriétés de dépolarisation (la manière dont la particule infléchit la lumière). Autant d’indices qui composent une signature fine, propre à chaque type de pollen ou de spore.
À partir de ces données, Swisens et le CSEM ont développé un logiciel capable d’identifier automatiquement les particules, sans traitement manuel. Les équipes du CSEM ont conçu un modèle d’apprentissage profond multimodal, véritable « cerveau » d’intelligence artificielle, qui croise les images holographiques et les mesures optiques pour enrichir l’analyse. « L’avancée tient dans cette combinaison : elle permet enfin de distinguer des spores qui semblaient auparavant presque identiques », explique Silas Dietler, R&D Engineer au CSEM.
En parallèle, le CSEM a exploré une approche plus expérimentale : une IA capable d’apprendre directement à partir de données brutes en identifiant des motifs récurrents, avec un minimum d’intervention humaine. « Une piste prometteuse pour les systèmes de demain, même si pour l’heure nous concentrons nos efforts sur le modèle multimodal développé avec Swisens », précise David Hemmi, Head of Research & Business Development au CSEM.
Alimentée par des données de terrain, cette approche permet au système de s’adapter aux conditions locales, notamment la végétation et la météo, et d’intégrer rapidement de nouveaux types de particules, facilitant ainsi son déploiement à grande échelle. Le système gagne ainsi en précision au fil du temps tout en restant fiable pour les catégories déjà connues.
Les retombées dépassent largement le laboratoire. Pour les personnes allergiques et les professions de la santé, une détection plus fine signifie des prévisions plus rapides et plus fiables, et donc la possibilité de mieux anticiper. Pour le monde agricole, le suivi en temps réel des spores permet de cibler les traitements antifongiques, de réduire les intrants chimiques et de préserver les rendements.
L’intérêt pour la société et l’environnement est évident : moins de troubles respiratoires graves, moins d’émissions agricoles, des systèmes alimentaires plus résilients. « Cette technologie fait le lien entre santé environnementale et santé humaine », relève Erny Niederberger, Head of Science chez Swisens. « Avec le CSEM, nous sommes passés d’une innovation locale à une solution déployable à l’échelle mondiale. »
Le modèle d’IA multimodal du CSEM constitue aujourd’hui le socle du système, capable d’identifier automatiquement les particules à partir des données de SwisensPoleno. En combinant intelligence artificielle et ingénierie suisse, le CSEM et ses partenaires proposent une technologie qui protège à la fois les populations et l’environnement. « Notre objectif n’est pas simplement de concevoir des capteurs plus performants, mais d’aider les sociétés à agir plus vite, plus intelligemment et de manière plus durable », conclut Erny Niederberger.
Travailler avec le CSEM a considérablement fait progresser nos travaux. Son modèle d’IA apporte plus de souplesse dans la classification des particules et permet d’identifier en temps réel des bioaérosols plus petits que les pollens. Cette collaboration contribue à ce que l’agriculture soit réellement pilotée par les données.
Découvrez l’expertise de CSEM en data et IA et voyez comment l’IA embarquée, le edge computing et des pipelines de données sécurisés transforment les données brutes en informations exploitables. Ou contactez-nous via notre formulaire pour discuter de votre transformation digitale.