Les plantes, en tant qu’êtres vivants, « sont régulés par des mécanismes de signalisation en grande partie électrogènes », comme l’explique le neuroscientifique Marc-Williams Debono dans cet article. Elles génèrent continuellement des signaux électriques qui se propagent à travers leurs tissus conducteurs (appelés xylème et phloème, regroupés sous forme de « canaux » partout dans leur organisme) en réponse aux stimuli de leur environnement. C’est un réseau vasculaire qui les irrigue depuis leurs racines jusqu’à la moindre nervure de leurs feuilles, qui leur permet de compenser leur incapacité à se déplacer, comme le font les animaux.
L’ensemble de cette activité électrique constitue ce que l’on appelle « l’électrome », un concept né dans les années 2010 relevant principalement de l’électrophysiologie végétale (une branche de la physiologie végétale et de la biophysique). L’électrome est un réseau de communication, donnant de nombreuses informations sur l’état physiologique d’une plante. La neurobiologie végétale, formalisée notamment par Stefano Mancuso et František Baluška au milieu des années 2000, a démontré que les signaux électriques, en tant que messages individuels de l’électrome, pouvaient être enregistrés et interprétés.
Toutefois, il n’existe pas encore de « traducteur universel » permettant de décoder à grande échelle l’électrome de toutes les espèces de plantes. Un chantier sur lequel planche Electric Plant depuis trois ans, une jeune startup cofondée par Justin Mast et Lee von Kraus, neuroscientifique passé par la DARPA (Defense Advanced Research Projects Agency). Elle vient de boucler une levée de fonds de 11,2 millions de dollars pour commercialiser un système complet de décodage de l’électrome : des capteurs à fixer sur les tiges des végétaux reliés à un modèle d’IA baptisé Bombadil capable d’interpréter ces signaux électriques pour les traduire en données exploitables pour les agriculteurs, les horticulteurs, les forestiers ou les arboriculteurs.
Bombadil : le modèle d’IA qui comprend les plantes
Bombadil est ce qu’on appelle un « modèle de fondation », la même catégorie d’architecture que les modèles de langage (LLM pour « Large Language Models ») comme ChatGPT ou Gemini. Là où ces chatbots ont été nourris par des milliards de textes pour traduire ou générer du langage naturel, Bombadil a été entraîné sur d’immenses volumes de données électrophysiologiques issues des plantes. Son corpus est gigantesque : plus de 4 millions d’heures d’enregistrements collectées à l’aide d’électrodes sur 1 400 plantes individuelles réparties en 100 espèces, dans dix environnements différents (laboratoires, serres, vergers commerciaux ou forêts naturelles, par exemple).
Toutefois, il est entraîné de la même manière que les LLM : en reconstituant. Lorsqu’il enregistre l’activité électrique d’une plante, les capteurs mesurent les variations de tension (de l’ordre du microvolt) entre deux électrodes insérées dans la tige d’une plante. Des mesures brutes qui sont ensuite agrégées minute par minute en résumés statistiques, puis découpées en segments de 16 minutes. L’algorithme de Bombadil en masque 60 % au hasard et tente de reconstituer les segments manquants à partir de ceux qui restent, exactement comme un LLM apprend à deviner les mots cachés d’un texte à trous.
Grâce à la répétition de cet exercice, Bombadil finit par assimiler « la structure de l’électrome végétal sans données étiquetées, de sorte qu’une seule représentation soit exploitable pour de nouveaux facteurs de stress, de nouvelles espèces et de nouvelles conditions », selon les termes du livre blanc issu du site officiel de Electric Plant. En clair, le modèle a appris à interpréter les signaux bioélectriques des végétaux à la manière d’un électrocardiogramme, sans qu’un humain n’ait eu besoin de lui expliquer la signification des signaux analysés.
Ce socle de compréhension acquis, un second réseau neuronal, dédié au diagnostic physiologique et entraîné séparément, peut en extraire sept indicateurs physiologiques de stress végétal. Cinq sont liés à la fluorescence chlorophyllienne (lumière réémise par les molécules de chlorophylle, dont l’intensité varie en fonction de l’efficacité photosynthétique de la plante) et deux à la température des feuilles, à partir desquels Bombadil parvient à évaluer les signes vitaux d’un végétal, même sur des espèces qu’il n’a jamais analysées ou des facteurs de stress qu’il n’a pas rencontrés lors de son entraînement.
Une technologie qui doit encore faire ses preuves
D’après les informations officielles du site de l’entreprise, elle n’est toujours pas prête à commercialiser son système à grande échelle, mais son modèle d’IA ainsi que deux types de capteurs sont déjà opérationnels. L’un baptisé « Bud », destiné aux sites extérieurs et l’autre, « Stem », pour les installations sous serres, présentés comme « à bas coût », bien qu’aucun tarif n’ait été divulgué.
Selon le cofondateur Justin Mast, il suffirait d’en fixer seulement quelques-uns par hectare pour couvrir efficacement une parcelle, ce qui permettrait d’en réduire la consommation d’eau de 20 % tout en améliorant ses rendements.
Electric Plant revendique toutefois avoir convaincu quelques clients (gardés anonymes pour le moment) de tester leur techno en conditions réelles. À terme, Electric Plant prévoit de placer Bombadil au centre de « la gestion du soin des plantes (comme l’irrigation) sous [son] contrôle automatisé ». C’est l’ultime étape de leur feuille de route, visant à faire de l’électrome des plantes un protocole de communication standardisé qui leur permettrait de réguler leurs apports en eau sans intervention humaine. Un discours commercial soigneusement entretenu, on l’imagine, pour séduire les futurs investisseurs, mais qui ne dispensera pas pour autant la jeune pousse de devoir prouver que les professionnels du secteur peuvent tirer un réel bénéfice de leur système de gestion agricole automatisé.
- Une startup américaine, Electric Plant, développe une IA nommée Bombadil pour décoder les signaux électriques des plantes afin d’anticiper leurs besoins.
- Bombadil est alimenté par des millions d’heures de données électrophysiologiques et peut évaluer le stress physiologique des plantes sans intervention humaine.
- La startup prévoit de commercialiser cette technologie pour améliorer la gestion de l’eau et des rendements agricoles, bien que l’efficacité doive encore être prouvée.
📍 Pour ne manquer aucune actualité de Presse-citron, suivez-nous sur Google Actualités et WhatsApp.
