S'il y a bien longtemps que l'oreille n'est plus prêtée aux seules belles paroles des présentateurs Météo, le regard se porte aujourd'hui vers les données exhumées par les datas scientists et les relevés de Météo-France. Dans le monde d'après, là où les gels printaniers à répétition se font dévastateurs, le spécialiste de l'agronomie de précision Weenat vient de lancer Weefrost. Un outil basé sur l'intelligence artificielle pour enrichir et affiner les relevés fournis par Météo-France, concentrés sur de larges zones plus que sur des parcelles.
« Historiquement, on avait un coup de gel tous les trois ou cinq ans. Mais, depuis 2015, la tendance est plutôt annuelle, et même plusieurs fois par an. Or, avec le réchauffement climatique, la végétation bourgeonne plus tôt, et croise des épisodes de gel plus ou moins tardifs, qui fragilisent la plante. Si les prévisions ont beaucoup progressé ces vingt dernières années, elles ne sont pas encore à la hauteur des attentes des professionnels », rappelle Emmanuel Buisson, directeur Recherche et Innovation de Weenat, et co-fondateur de Weather Measures, spécialiste de la météorologie spatialisée, devenue en juin dernier, filiale de la startup nantaise Weenat. Un mariage entre ingénieurs et docteurs.
« Weenat a développé un réseau de capteurs connectés et d'interfaces vers les utilisateurs du secteur agricole, et nous, nous étions des spécialistes de la data et de l'utilisation d'algorithmes mathématiques pour valoriser les informations recueillies », explique l'instigateur de Weefrost, qui doit permettre aux viticulteurs et arboriculteurs de mieux prédire les risques de gel quatre jours à l'avance : « ou du moins de leur permettre de prendre des décisions en connaissance de cause. Et d'identifier vers quelles parcelles déployer les moyens de lutte car de toute façon, ils ne peuvent pas tout sauver », précise-t-il. Selon une étude statistique menée en interne, les prévisions classiques à J+2 se trompent en effet de 2°C en moyenne, avec des erreurs supérieures à 3°C dans 25% des cas. « Et le phénomène s'aggrave quand on s'intéresse aux situations de gel printanier. Pour une zone donnée, on constate en moyenne que près de 50% des situations de gel ne sont pas prévues par les modèles météo classiques, et que 22% des alertes de gel sont de fausses alertes », observe Emmanuel Buisson.