Alphabet va fermer son entreprise de technologie agricole

Le robot de surveillance de Mineral au travail dans un champ de soja. (Photo : Alphabet)

Alphabet, la société mère de Google, va fermer Mineral, son activité de technologie agricole, mais a déclaré que le travail de l'équipe perdurerait avec d'autres entreprises agroalimentaires.

Mineral a été lancée en tant qu'entreprise distincte en janvier 2023, après cinq ans de développement par X, le laboratoire d'innovation d'Alphabet. Avec pour mission de contribuer au développement d'une agriculture durable, l'équipe Mineral a notamment développé des robots conçus pour inspecter chaque plante d'un champ, ainsi que l'application de l'intelligence artificielle (IA) et de l'IA générative pour aider les entreprises à relever les défis du gaspillage alimentaire, à établir des prévisions et à collecter des données de haute qualité.

Dans un article de blog annonçant la fermeture, Elliott Grant, PDG de Mineral, a écrit : « Notre mission a toujours été d'apporter une contribution significative et positive au système alimentaire mondial – ce qui, nous le savions, était une entreprise audacieuse et risquée. Nous nous demandions donc régulièrement : "Est-ce la meilleure façon de maximiser l'impact ?" et "Atteignons-nous la diversité d'agriculteurs souhaitée, partout dans le monde ?" Nous avons déjà indiqué que nous recherchions des partenariats nouveaux et innovants capables de transcender les approches traditionnelles. C'est pourquoi, plus tôt cette année, nous avons décidé de repenser la structure de Mineral et notre approche afin d'obtenir un impact positif pour le plus grand nombre d'agriculteurs. »

Les travaux de Mineral se concentrent sur trois domaines : le développement d'une technologie de détection capable de générer des ensembles de données riches sur les plantes, l'organisation des données agricoles provenant de sources disparates pour l'apprentissage automatique et la création d'algorithmes logiciels et la conduite de recherches pour faire progresser la compréhension des plantes.

Dans ses recherches, Mineral a constaté que la plupart des entreprises ne collectaient pas la quantité, la diversité et la qualité de données nécessaires pour exploiter pleinement l'apprentissage automatique. C'est ce qui l'a amenée à développer des outils pour capturer, organiser, nettoyer et enrichir les données multimodales. L'entreprise a développé des robots de surveillance des plantes pour capturer de grandes quantités d'images de haute qualité, puis a étendu ses activités à la conception d'une technologie de perception généralisée compatible avec des plateformes telles que les robots, les équipements agricoles tiers, les drones, les dispositifs sentinelles et les téléphones portables.

Mineral a déclaré qu'une découverte importante de ses travaux était que la mise en œuvre de l'apprentissage automatique en tant que service était très différente du logiciel en tant que service (SaaS). L'entreprise a ajouté que les modèles doivent être surveillés et continuellement réentraînés avec de nouvelles données, en particulier dans un système agricole en constante évolution.

Dès le début, Mineral s'est associé au producteur de fruits rouges frais Driscoll's pour développer des outils d'IA visant à améliorer le phénotypage des cultures, à mieux prévoir les rendements, à optimiser les contrôles qualité et à réduire le gaspillage alimentaire. Alphabet a annoncé avoir transféré une partie de cette technologie à Driscoll's.

L'entreprise californienne Driscoll's est la première entreprise agroalimentaire à bénéficier de la technologie Mineral. Surtout connue pour sa production de fraises, l'entreprise a d'abord collaboré avec l'équipe Mineral afin d'améliorer la collecte de données dans ses opérations de sélection. La sélection végétale implique la collecte de multiples points de données sur chaque variété végétale tout au long de la saison de croissance. La possibilité de collecter des données à grande échelle tout au long de la saison a permis aux sélectionneurs de se concentrer sur d'autres tâches.

Les informations tirées de ces données ont incité Driscoll's à collaborer avec Mineral sur un autre défi : prédire le rendement de chaque plante. Dans une étude de cas , Mineral a indiqué que ses ingénieurs et data scientists avaient aidé Driscoll's à améliorer la précision et la fréquence de ses prévisions, à réduire leur volatilité et à étendre leur horizon de prévision.