Pourquoi l’agriculture pourrait être le plus grand gagnant de productivité de l’IA

Lorsqu’on discute de l’impact de l’IA sur l’économie, le débat public a tendance à se concentrer sur les emplois liés aux technologies de l’information (programmation, artistes numériques, etc.), les professions de cols blancs (avocats, médecins) ou la recherche scientifique. Cependant, cela pourrait négliger des applications importantes qui auront des effets transformateurs sur des secteurs entiers.

En général, l’IA améliorera probablement le plus la productivité là où elle peut optimiser directement les intrants physiques, remplacer les humains pour des décisions répétitives et optimiser l’allocation des ressources. Elle prospérera également dans des environnements suffisamment complexes pour ne pas avoir encore été automatisés, mais pas au point de nécessiter un niveau d’intelligence humaine supérieur.

Une étude récente menée par deux chercheurs du Korea Advanced Institute of Science and Technology et du Hana Financial Group (Corée du Sud) a examiné la relation entre la pénétration de l’IA et la performance au niveau de l’industrie.

Elle a constaté que, bien que l’IA affecte significativement la performance de la valeur ajoutée au niveau de l’industrie dans les secteurs de la production, de la fabrication et du transport, son impact positif est le plus fort dans l’agriculture.

Ils ont publié leurs résultats dans la revue International Review of Economics & Finance¹, sous le titre “Intelligence artificielle et gains de productivité : une analyse empirique de l’hétérogénéité sectorielle”.

IA & productivité

IA par secteur

Depuis la mise à disposition publique de ChatGPT, l’IA est adoptée par de nombreuses industries dans l’espoir qu’elle puisse concrétiser des gains de productivité et créer un avantage concurrentiel pour les premiers adoptants.

Cependant, il peut être difficile de mesurer précisément le taux d’adoption et son impact. Historiquement, une hausse de 10 % des investissements en technologies de l’information et de la communication est associée à une augmentation de 0,5 à 0,6 % de la productivité. Mais le verdict final sur le chiffre que l’IA générera spécifiquement reste encore à déterminer.

Jusqu’à présent, l’IA a surtout été déployée dans des rôles de service : assistance client en temps réel, diagnostics et suivi médicaux, etc.

Pour les rôles physiques, les principales applications se trouvent dans la fabrication, où les usines intelligentes dotées d’IA soutiennent la maintenance prédictive et l’optimisation opérationnelle, entraînant des réductions de coûts et des gains d’efficacité.

Dans les industries traditionnelles comme la chimie et le papier, l’adoption de l’IA est encore beaucoup plus lente. Cela s’explique par l’absence de stratégies numériques claires, la pénurie de compétences, la résistance culturelle, la faible confiance des consommateurs et l’incertitude réglementaire.

Ensemble de données sur la productivité de l’IA

Les chercheurs ont rassemblé des données provenant d’un panel de 103 pays sur la période 2010–2019, excluant la plupart des pays en raison de données insuffisantes.

Les données sur la valeur ajoutée brute (VAB) par type d’activité économique ont été obtenues auprès de UN Data et utilisées comme variable principale pour mesurer la performance économique à travers les secteurs et les pays.

Les données relatives aux investissements directs étrangers, aux dépenses nationales brutes, à l’inflation, à la participation de la main‑d’œuvre et au commerce ont été obtenues auprès des World Development Indicators (WDI). Ils ont également recueilli les scores de l’indice des droits humains sur Our World in Data.

Les données sur le nombre de startups liées à l’IA ont été collectées sur Crunchbase, et ont montré que le pic de création de startups IA dans cet ensemble de données a été atteint en 2017, indiquant globalement une forte accélération de l’activité entrepreneuriale liée à l’IA au milieu des années 2010.

Source: International Review of Economics & Finance

Productivité induite par l’IA par secteur

Les chercheurs ont constaté que l’IA entretenait la relation positive la plus forte avec la performance dans l’agriculture, tandis que la relation dans la construction n’était pas statistiquement significative.

D’autres secteurs où l’IA a eu un impact mesurable étaient la fabrication, la production et le transport.

(Il convient également de noter que la même analyse avec des données couvrant la période 2019‑2025 serait intéressante, compte tenu du progrès rapide de la technologie IA)

Une raison probable de cet impact sur l’agriculture est qu’elle est déjà, dans une certaine mesure, une industrie fortement automatisée. Comparée à il y a un siècle, l’agriculture est nettement plus mécanisée, avec des tracteurs, une irrigation automatisée, des systèmes de traite et d’autres équipements réduisant la quantité de travail manuel nécessaire.

Parallèlement, de nombreuses tâches agricoles relèvent de catégories que l’IA peut déjà gérer : conduite, pulvérisation, désherbage, etc.

Un autre facteur est que l’agriculture a passé les deux dernières décennies à adopter de nouvelles méthodes, générant beaucoup plus de données et apprenant à les exploiter : images satellites multispectrales, composition chimique du sol, optimisation des pesticides et herbicides, utilisation des équipements, gestion de la main‑d’œuvre, etc.

Ainsi, l’IA est arrivée au moment idéal pour exploiter ces données et les transformer davantage en actions grâce à deux mécanismes :

• Aider les agriculteurs à mieux comprendre leurs données et à les utiliser efficacement.
• Aider directement les exploitations grâce à la vision par ordinateur, la conduite autonome, l’identification des mauvaises herbes, les drones et les systèmes robotiques.

Enseignements pour les investisseurs

De nombreuses stratégies d’investissement aujourd’hui doivent tenir compte des effets à venir de la révolution de l’IA. Dans de nombreux cas, cela signifie se méfier des dommages potentiels que l’IA peut causer à une activité ou à un modèle économique spécifique, mais elle peut également augmenter considérablement la productivité. Et apparemment, aucun secteur n’est plus concerné que l’agriculture.

Cela constitue un bon exemple d’une thèse d’investissement émergente en IA physique, où le déploiement de l’IA dans des applications réelles a un effet direct sur la productivité d’un secteur économique entier.

Cela signifie que les investisseurs devraient s’attendre à ce que l’ensemble du secteur devienne plus productif, et potentiellement plus rentable, du moins pour les fournisseurs de systèmes d’IA adaptés à cette industrie et les machines capables d’apporter la réflexion de l’IA aux champs.

Ce type d’application nécessite une expertise approfondie propre au domaine, ainsi qu’un réseau de distribution solide déjà en contact avec les agriculteurs. Il est donc probable que cela profite aux fabricants d’équipements capables d’intégrer l’IA dans leurs machines et de les rendre efficaces dans des conditions réelles, notamment lorsque ces actions réduisent des intrants coûteux.

Investir dans l’IA agricole

Deere & Company

John Deere est surtout connu comme le fabricant des tracteurs, moissonneuses‑batteuses et autres machines agricoles emblématiques vertes et jaunes.

Moins connu du grand public, John Deere est également une entreprise technologique, avec une longue histoire d’investissement dans les capteurs et les logiciels, ainsi que la mise en place de programmes pilotes pour déployer l’IA, la robotique, les drones et la vision industrielle dans l’agriculture.

Fondée il y a près de deux siècles (en 1837), l’entreprise a toujours été à la pointe de l’innovation agricole, depuis la première lame de charrue améliorée jusqu’aux premiers tracteurs. Récemment, l’entreprise a intensifié ses dépenses de R&D en se concentrant sur quelques axes technologiques : capteurs, connectivité, autonomie et énergie alternative.

Source: John Deere

Par exemple, le système See & Spray Ultimate, lancé en 2021, utilise 36 caméras pour distinguer les plantes cultivées des mauvaises herbes et optimiser l’utilisation d’herbicides grâce à la vision par ordinateur et à l’apprentissage automatique.

Ou le John Deere Operations Center, un jumeau numérique d’une ferme, permettant aux concessionnaires d’effectuer des diagnostics à distance, de programmer et de déployer des mises à jour OTA.

Source: John Deere

Dans le domaine de l’autonomie, John Deere travaille également à transformer les moissonneuses‑batteuses automatisées du film de science‑fiction Interstellar en réalité. John Deere a lancé en 2022 son premier tracteur entièrement autonome, une version sans conducteur de son tracteur à rangées 8R.

Il s’est orienté grâce au GPS et à six paires de caméras stéréo pour la détection d’obstacles à 360 degrés et la navigation. Ce lancement a suivi l’acquisition par John Deere de la startup Bear Flag Robotics pour 250 M$.

https://agfundernews.com/john-deere-unveils-its-first-commercially-available-fully-autonomous-tractor

Enfin, l’entreprise pousse également l’électrification, notamment en lançant une excavatrice électrique qui utilise une batterie Kreisel, une société autrichienne dans laquelle Deere a acquis une participation majoritaire en 2022. Deere travaille également à développer un moteur de 9 litres fonctionnant à l’éthanol pour utiliser le biocarburant sur les machines lourdes comme les moissonneuses‑batteuses.

À mesure que l’IA et la vision par ordinateur deviennent de plus en plus efficaces et intelligentes, des entreprises comme John Deere pourront améliorer davantage l’efficacité de leurs tracteurs fortement équipés de caméras et de capteurs.

L’avantage de John Deere par rapport aux entreprises d’IA génériques réside dans son réseau de concessionnaires et son expérience approfondie de l’agriculture, ce qui lui permet de déployer cette technologie dans des applications utiles et rentables en s’appuyant sur les relations existantes avec les agriculteurs.

Cependant, les investisseurs doivent également garder à l’esprit que Deere reste un fabricant d’équipements cycliques. L’adoption de l’IA peut renforcer sa position concurrentielle et augmenter les revenus liés à la technologie, tels que les abonnements logiciels, mais les revenus des exploitations agricoles, les prix des cultures, les taux d’intérêt et les cycles de remplacement des machines continueront d’influencer les résultats.

Il est également possible que des startups plus petites et agiles ou une concurrence étrangère tirent parti de la révolution IA et robotique qui se développe dans l’agriculture pour contester la position d’acteurs bien établis comme John Deere.

Dernières nouvelles et développements des actions Deere & Company (DE)

Étude référencée

^{1. Eunjung Park and Sangyoon Yi. Intelligence artificielle et gains de productivité : une analyse empirique de l’hétérogénéité sectorielle. International Review of Economics & Finance. 22 août 2026. Article: 105726. 10.1016/j.iref.2026.105726}