Ce que nous sommes actuellement en tant que civilisation est le résultat d’ un long processus temporel qui englobe, entre autres facteurs, les transformations évolutives, la pluralité culturelle et comportementale, la capacité d’adaptation, les découvertes scientifiques et le développement technologique.

Au fil des siècles, la société s'est adaptée à différents scénarios, conditions et, surtout, a transformé le monde qui l'entoure, afin de créer les conditions nécessaires à son existence et à sa perpétuation. Cette capacité inventive de l’homme est peut-être responsable de la survie et de la prospérité de notre espèce, comme le soulignent certaines études plus récentes.

Dans un contexte d’évolution continue, des transformations, parfois lentes, parfois plus accélérées, ont peu à peu façonné la société que nous sommes aujourd’hui. Dans cette chronologie, certains jalons comme la découverte du feu, la domestication des plantes, l'invention de la roue, la découverte de certaines lois de la nature et la révolution industrielle, par exemple, ont représenté des pas vertigineux dans ce processus. L’avancée la plus récente est peut-être le développement des technologies de l’information, entraînant avec lui une chaîne de processus évolutifs, qui ne sont plus séparés par des siècles, mais par quelques décennies ou années.

L'intelligence artificielle fait partie de cette ère technologique et a provoqué une révolution dans la façon dont nous gérons notre environnement et dont nous effectuons des tâches avec différents niveaux de complexité. L'émergence de l'intelligence artificielle remonte au début des années 1940, lorsque Warren McCulloch et Walter Pitts (scientifiques nord-américains) a publié un article scientifique faisant état de la création d'un modèle mathématique de neurone artificiel, basé sur le fonctionnement du neurone humain.

Depuis les années 1940 jusqu’à nos jours, des progrès ont été réalisés pour tenter de construire des systèmes artificiels capables de simuler et même de remplacer le raisonnement humain. Les domaines de connaissances qui ont le plus bénéficié de ces avancées sont l’industrie et la communication. En foresterie, quant à elle, les transformations favorisées par les technologies de l’information sont plus récentes et encore discrètes.

les outils d’Intelligence Artificielle ont favorisé une révolution dans les domaines de la production. Grâce à son insertion dans diverses opérations forestières, l'intelligence artificielle peut encore augmenter la productivité des forêts plantées, aidant ainsi à relever le défi actuel de répondre à la demande mondiale dans les années à venir. Des données récentes de l' Organisation des Nations Unies pour l'alimentation et l'agriculture indiquent une demande de 3,1 milliards de mètres cubes de bois d'ici 2050, ce qui représente une croissance de plus de 35 % par rapport à la demande actuelle.

Définie comme la capacité des appareils, des systèmes et des machines à simuler et reproduire le raisonnement humain, l'intelligence artificielle supprime la subjectivité des processus et permet le traitement simultané d'un grand volume de données, l'apprentissage et la définition de modèles à partir d'une quantité massive d'informations. L'intelligence artificielle accélère les interprétations des phénomènes naturels et, plus important encore, la prise de décision. En foresterie, l'intelligence artificielle se manifeste dans les systèmes de machines autonomes, dans les capteurs conçus pour obtenir à distance des informations sur les cultures, dans les contrôleurs qui, de manière automatisée, prennent des décisions et interviennent en temps réel.

En plus des applications décrites ci-dessus, de nombreuses autres ont été développées. La plupart de ces solutions basées sur l’Intelligence Artificielle sont issues de modèles de machine learning, qu’ils soient profonds ou non. Sur la base de ces principes, des systèmes capables d'apprendre des modèles et de classer et/ou prédire les phénomènes inhérents à la production forestière fournissent des informations rapides et fiables, aboutissant à une plus grande efficacité dans l'utilisation des intrants généraux, à l'optimisation ou au remplacement du travail humain et à une plus grande efficacité dans les pratiques de gestion.

L’utilisation d’algorithmes d’apprentissage automatique suit un processus séquentiel qui commence par la construction de modèles et se termine par l’évaluation de l’exactitude et de la précision des modèles. Concernant les modèles utilisés, ceux-ci peuvent être regroupés en ceux de classification et de régression. Le but de chacun indique son applicabilité, ceux de classification étant destinés à identifier des caractéristiques et/ou des phénomènes dans un univers échantillon, tandis que ceux de régression sont destinés à prédire ces modèles et/ou ces phénomènes. Plusieurs algorithmes sont destinés aux deux fonctions, modifiant uniquement la manière dont ils sont appliqués. Un exemple de ces algorithmes « polyvalents » sont les réseaux de neurones artificiels, qu’ils soient simples ou multicouches.

À l'aide de réseaux de neurones artificiels, nous avons développé une solution informatique permettant de prédire la repousse de l'eucalyptus après l'application d'herbicides. La solution classe la réponse spectrale des pousses et la compare aux modèles définis dans le processus d'apprentissage, identifiant les variations évocatrices d'une repousse et prédisant quand et où elle se produira.

Random Forest est un autre algorithme d'intelligence artificielle largement utilisé en foresterie. Associé à des images à haute résolution spatiale, obtenues avec des capteurs orbitaux ou aériens, cet algorithme permet l'identification et la segmentation de cibles dans un environnement complexe tel qu'une zone de production forestière. Avec cet algorithme, nous avons développé un système d'identification des mauvaises herbes dans les zones de production d'eucalyptus. Ce système a une précision de plus de 90% dans la classification des mauvaises herbes et la définition des niveaux d'infestation et de plus de 80 % dans la segmentation des plantes selon la morphologie de leurs feuilles, en les séparant en « feuilles larges » et « feuilles étroites ».

En entrant dans l’environnement d’apprentissage profond, la complexité est cependant nettement plus élevée, avec des possibilités d’utilisation et d’application tout aussi supérieures. Avec des modèles de cette classe, il est possible, par exemple, de modéliser des arbres dans des systèmes de culture et de compter les plants et les échecs de plantation. Le comptage des plantes est une exigence en foresterie, car il est impensable que cette opération soit réalisée manuellement. Le comptage des plantes est essentiel pour un établissement précis, par exemple, le taux de survie dans les parcelles après repiquage des plants.

La mise en œuvre de l'intelligence artificielle en foresterie est un chemin continu, car avec la révolution numérique, les modèles et les systèmes sont dynamiques, avec des mises à jour et des évolutions périodiques. La capacité des entreprises du secteur forestier à comprendre l’importance de l’Intelligence Artificielle et, plus encore, à identifier son positionnement dans les différentes étapes forestières déterminera le parcours de transformation que connaîtra le secteur.

Dans un scénario de raréfaction croissante des ressources naturelles, le recours à la technologie constitue un moyen viable de concilier productivité et durabilité. Le processus évolutif de notre époque nous mènera vers un scénario irréversible de numérisation, avec une plus grande connectivité, avec des algorithmes et des machines intelligentes de plus en plus sophistiqués. Le manque d'amélioration, de mise à l'échelle et, surtout, de détails, imposera un nouvel ordre, dicté par la numérisation et imprégnant l'utilisation de l'intelligence artificielle.