Pour identifier rapidement les troubles respiratoires des bovins à l'engraissement, Adventiel mise sur le monitoring sonore. Une solution d'écoute pour identifier au plus vite les premiers symptômes de la maladie.
Category
🐳
AnimauxTranscription
00:00 [Musique]
00:10 Bonjour et bienvenue sur L'ASPACE TV par WebAgree.
00:13 Je suis en compagnie de Xavier Lhostis, responsable innovation chez ADVENTIEL.
00:18 Bonjour Xavier.
00:19 Bonjour.
00:20 Aujourd'hui, nous allons parler monitoring sonore.
00:22 C'est quoi le monitoring sonore ?
00:24 Chez ADVENTIEL, nous sommes une entreprise service numérique qui travaille depuis un certain moment sur tout ce qui est accompagnement des entreprises du monde agri-agro dans leur transformation,
00:37 notamment transformation numérique, notamment autour des problématiques du bien-être animal.
00:42 On travaillait depuis un moment sur des thématiques autour de l'intelligence artificielle.
00:47 On s'est intéressé sur l'utilisation de l'intelligence artificielle autour du son pour pouvoir aider à rajouter un canal pour surveiller les bâtiments d'élevage à travers l'écoute du son qui se passe de l'ambiance dans le bâtiment.
01:05 Et alors concrètement, comment ça fonctionne ?
01:08 On a développé un système qui utilise de l'intelligence artificielle et qui permet de détecter automatiquement des sons représentatifs.
01:19 Ça peut s'appliquer sur des thématiques de bien-être animal, par exemple.
01:23 Si on l'applique au bovin, on peut détecter des toux, des snifs.
01:27 Le système est personnalisable. On va pouvoir entraîner des modèles qui vont être déployés sur le terrain et qui vont pouvoir remonter automatiquement des événements sonores.
01:39 Ce n'est pas le son qui va remonter, c'est un événement sonore à telle heure, minute, seconde.
01:43 J'ai une toux à telle heure, minute, seconde. J'ai un snif. Ça peut s'appliquer sur du matériel aussi, par exemple.
01:49 C'est un peu comme si l'éleveur écoutait 24 heures sur 24 ce qui se passait dans son bâtiment.
01:53 Exactement. Aujourd'hui, on sait que les éleveurs, quand ils rentrent dans le bâtiment, la première chose qu'ils font, c'est écouter.
01:59 Le problème, c'est qu'ils ne le font pas tout le temps. L'idée, c'est de pouvoir avoir un système qui est actif tout le temps, 24 heures sur 24, et notamment la nuit.
02:07 On sait qu'il y a pas mal de maladies respiratoires, notamment, qui ont des symptômes qui sont plutôt la nuit.
02:13 Donc, l'intérêt, c'est de pouvoir avoir ces informations-là au plus tôt et d'anticiper notamment les traitements sanitaires.
02:19 Et c'est quelque chose qui peut être complémentaire à la vidéo.
02:23 C'est ça. L'avantage, en fait, c'est qu'aujourd'hui, nous, on travaillait pas mal sur la vidéo.
02:27 Le son a quelques avantages, notamment le fait que, justement, le traitement du son est beaucoup moins consommateur.
02:35 C'est plus frugal comme solution. Alors, c'est complémentaire parce qu'il y a des choses qu'on ne peut voir qu'à l'œil.
02:42 Mais pour autant, il y a pas mal d'événements qu'on peut écouter à travers le son.
02:47 Et donc, on peut avoir un système qui est complémentaire à la vidéo et qui va pouvoir aussi être croisé avec notamment des données d'ambiance.
02:55 Et alors, ça permet d'identifier les problèmes respiratoires, mais on peut également identifier d'autres problèmes en bâtiment.
03:02 C'est ça. Parce qu'en fait, comme le système fonctionne par apprentissage, on lui donne des bibliothèques de son pour apprendre.
03:13 Et donc, ça peut s'appliquer notamment aussi au monitoring matériel. Par exemple, surveiller un compresseur.
03:19 On sait que les compresseurs, ça peut être des éléments extrêmement consommateurs en énergie dans les bâtiments.
03:26 Si on peut détecter au plus tôt qu'un compresseur dysfonctionne, on va pouvoir faire beaucoup d'économies d'énergie.
03:34 Et alors, en pratique, comment ça se présente pour un éleveur? Il y a des micros dans le bâtiment, des caméras?
03:40 C'est ça. En fait, du coup, on va pouvoir l'accompagner. Donc, souvent, on va s'adresser à des entreprises qui vont accompagner les éleveurs.
03:47 Et donc, du coup, on va déterminer les zones d'écoute qu'on veut mettre en place dans le bâtiment.
03:54 Dans ces zones d'écoute là, on va mettre des micros. Ces micros vont être reliés à un boîtier.
04:00 Et donc, le son va arriver sur ce boîtier là. Et sur ce boîtier, on aura développé notre solution.
04:05 C'est à dire que du coup, ce boîtier va pouvoir analyser en live le son et remonter des événements sonores dans une base de données.
04:15 Et donc là, derrière, il y a un système complémentaire qui va analyser ces événements pour pouvoir lancer des alertes si nécessaire.
04:23 Donc, les alertes, ça peut être sur des effets de seuil. Si j'ai X tout dans X minutes, je lance une alerte.
04:30 Et cette alerte va pouvoir être diffusée soit dans un tableau de bord Web, soit via des notifications qui vont arriver sur le téléphone de l'éleveur.
04:39 Et alors, c'est un produit qu'on peut imaginer retrouver assez rapidement en ferme?
04:43 Aujourd'hui, en fait, on a cette solution sur le bovin, notamment, qui est mise en place, notamment à travers une thèse qu'on fait avec l'ONIRIS.
04:52 On travaille avec l'école vétérinaire de Nantes. L'ONIRIS qui veut travailler sur ce système là pour pouvoir valoriser des modèles,
05:03 justement sur les maladies respiratoires des jeunes bovins.
05:06 Donc, c'est déjà déployé dans une dizaine d'exploitations et on le déploie aussi dans d'autres productions parce que nous,
05:12 on n'est pas spécialisé dans une production. On déploie aussi en porc, en volaille.
05:17 Et donc, beaucoup de projets sont en cours et sont dans la phase plutôt de préparation à l'apprentissage.
05:24 Dans tous les projets d'intelligence artificielle, il faut passer par cette phase de captation de données.
05:29 Et donc, du coup, on peut imaginer que dans 6 à 8 mois, on pourra avoir des systèmes opérationnels sur le terrain.
05:36 D'accord, merci beaucoup pour toutes ces informations et vous pouvez retrouver davantage d'épisodes de l'ASPACE TV sur Web agri.
05:43 Merci, bonne journée.
05:45 [Musique]