Abonnez-vous à DeepL Pro pour traduire des fichiers plus volumineux.

Visitez www.DeepL.com/pro pour en savoir plus.

Article scientifique
Revista Ciência Agronômica, v. 51, Special Agriculture 4.0, e20207737,
2020 Centro de Ciências Agrárias - Universidade Federal do Ceará,
Fortaleza, CE
www.ccarevista.ufc.br ISSN 1806-6690

Agriculture 4.0 : une introduction terminologique

Agriculture 4.0 : une introduction terminologique

Daniel Albiero1 *, Rodrigo Leme de Paulo1 , José Carlos Félix Junior1 , Jenyffer da Silva Gomes Santos1 et Rafaela
Paula Melo1

RÉSUMÉ - Cet article présente une délimitation terminologique de l'agriculture 4.0 en analysant des articles pertinents sur
l'état de l'art dans ce domaine. Les principes fondamentaux de l'agriculture 4.0, qui comprennent l'application de l'internet des
objets, le big data, l'intelligence artificielle, l'informatique en nuage et la connectivité, sont présentés. En conclusion, on peut
affirmer que l'agriculture 4.0 est une tendance inévitable et irréversible de l'agriculture moderne.

Mots clés : Agriculture numérique. Agriculture intelligente. Terminologie.

RESUMO - Cet article vise à présenter une définition terminologique de l'agriculture 4.0 par le biais d'une analyse d'articles
dans le domaine de l'art qui abordent ce thème. Les fondements de l'agriculture 4.0 qui peuvent être définis comme l'internet
des objets, la connectivité et la computation en temps réel, les données massives et l'intelligence artificielle sont présentés
brièvement. En guise de conclusion, nous pouvons déclarer que l'agriculture 4.0 est une tendance irréfutable et permanente
dans le monde agricole moderne.

Palavras-chave : Agriculture numérique. Fazendas Inteligentes. Terminologie.

DOI: 10.5935/1806-6690.20200083
Editeurs de l'article : Professeur Daniel Albiero - daniel.albiero@gmail.com et Professeur Alek Sandro Dutra - alekdutra@ufc.br
*Auteur de la correspondance
1Departamento de Engenharia Agrícola, Universidade Estadual de Campinas/UNICAMP, Campinas-SP, Brasil, daniel.albiero@gmail.com (ORCID

ID 0000-0001-6877-8618), rodrigolemepaulo@gmail.com (ORCID ID 0000-0001-5086-2432), jcfelixjunior@gmail.com (ORCID ID 0000-0002-

9770-7541), jnfgomes@gmail.com (ORCID ID 0000-0001-7811-8947), rafinha2708@gmail.com (ORCID ID 0000-0001- 7416-9317)
 D. Albiero et al.

commencé, en plus de l'agriculture hégémonique de

INTRODUCTION précision, conduisant ainsi à la troisième révolution
Le terme technique Agriculture 4.0 est né d'une agricole, dont l'évolution a ouvert la voie à la quatrième
analogie avec le terme Industrie 4.0, qui a été inventé par révolution agricole avec
le ministère de l'éducation et de la recherche du
gouvernement allemand dans un rapport final du groupe
de travail (WG) officiellement institué pour développer
des lignes directrices pour l'industrie allemande dans le
contexte de son intégration dans un "monde intelligent et
en réseau". Dans ce monde, l'environnement de
fabrication comprend la mise en réseau verticale,
l'ingénierie de bout en bout et l'intégration horizontale
dans l'ensemble du réseau de valeur de produits et de
systèmes de plus en plus intelligents, qui devraient
inaugurer la quatrième étape de l'industrialisation -
"Industrie 4.0" (KAGERMANN ; WAHLSTER ;
HELBID, 2013).
En général, la première révolution industrielle
était basée sur la technologie mécanique, à partir de
1780. La deuxième révolution industrielle (1870) s'est
concentrée sur la technologie électrique ; puis, au milieu
de l'année 1969, la technologie électronique a commencé
à émerger, conduisant à la technologie de l'information
(TI) exploitée par des ordinateurs. Par la suite, la
troisième révolution industrielle s'est produite, culminant
avec les technologies d'automatisation.
La quatrième révolution industrielle repose sur
l'évolution de la troisième révolution. Elle peut être
définie comme la fusion des mondes physique,
numérique et biologique grâce à l'utilisation intensive et
étendue, depuis les années 2000, de systèmes et de
processus basés sur l'internet des objets (IoT), la biologie
synthétique et les systèmes cyber-physiques (réseaux
intelligents, véhicules autonomes, systèmes de contrôle
industriel, systèmes robotiques, avionique des pilotes
automatiques et surveillance médicale) (BRÉSIL-MDIC
2017). Tous ces éléments sont interconnectés par des
réseaux physiques ou sans fil ; le cloud peut être utilisé
ou non ; le big data est utilisé ; et les algorithmes
d'intelligence artificielle (IA) effectuent la prise de
décision en tout ou en partie.
En s'appuyant sur le concept d'industrie 4.0,
l'agriculture
4.0 peut également être divisée en révolutions, comme
l'ont décrit Zhai et al. (2020), avec la première révolution
agricole en 10 000 avant J.-C., au cours de laquelle
l'énergie provenait de l'homme ou des animaux et les
outils étaient simples. Après un peu plus de 82 siècles, la
deuxième révolution agricole est apparue au XIXe siècle,
avec l'adoption de l'énergie mécanique des tracteurs
alimentés par des moteurs à combustion et l'utilisation de
produits agrochimiques. Dans le dernier quart du XXe
siècle et au début du XXIe siècle, les ordinateurs se sont
répandus. Le développement de robots agricoles a
2 Rev. Ciênc. Agron, v. 51, Spécial Agriculture 4.0, e20207737, 2020
 Agriculture 4.0 : une introduction
récurrent dans les nouveaux domaines de la
l'utilisation de l'IdO, de l'informatique en terminologique
nuage, de l'IA,
connaissance.
la génération et l'utilisation de données massives (Big
Data), et le développement de systèmes par des cyber-
physiciens. Dans cette révolution, les systèmes et les
appareils sont intelligents et disposent d'une relative
autonomie de décision, et sont tous connectés de
manière omniprésente.
Il n'y a pas de consensus sur le m o m e n t
exact de l'histoire où la quatrième révolution agricole,
communément appelée Agriculture 4.0, a commencé.
Cette date est encore diffuse, comme lorsqu'on est au
pied d'une grande montagne, on ne la voit pas du tout. Ce
qui est certain, c'est que l'agriculture 4.0 a pris forme en
s'appuyant sur le développement progressif de son
trépied fondamental : L'IdO, l'IA et la connectivité
omniprésente liée à l'informatique en nuage. Ces
technologies et processus trouvent leurs racines bien
avant l'agriculture 4.0, en commençant même par la
troisième révolution industrielle, en imprégnant la
troisième révolution agricole et en culminant dans la
quatrième révolution agricole. Selon une première
estimation, elle pourrait se situer entre 2013 et 2018 -
avec l'officialisation du terme "industrie".
4.0 (KAGERMANN ; WAHLSTER ; HELBID, 2013) en
2013 et le début de l'apparition fréquente du terme
Agriculture 4.0 dans les index de recherche scientifique
tels que ScienceDirect (ELSEVIER, 2020) en 2018.
D'autres termes se mêlent actuellement au
concept d'Ag. 4.0, le plus répandu étant l'agriculture
numérique, un terme simplifié qui peut être défini
comme la fusion entre l'agriculture de précision et les
technologies de l'information et de la communication
(TIC). Selon Shena et al. (2010), le concept d'agriculture
numérique implique l'expansion du concept d'agriculture
de précision qui met l'accent sur les procédures de
production non seulement par l'obtention de données
pertinentes et leur traitement, mais aussi par des
fonctions de décision optimales pour améliorer les
processus agricoles grâce aux technologies de l'IA.
Un autre terme technique qui n'est pas aussi
répandu est l'agriculture intelligente, qui fait référence à
un changement de paradigme révolutionnaire qui est
apparu comme une optimisation du binôme gestion
agricole/efficacité accrue des agroécosystèmes grâce à
des technologies intelligentes, telles que les machines
agricoles connectées, les réseaux de capteurs, l'IdO, les
systèmes automatisés, les robots et les drones. Toutes
c e s technologies utilisent l'optimisation de la
planification par l'informatique en nuage, ce qui permet
d'accroître l'efficacité et la capacité de décision,
d'économiser du temps et des ressources, d'améliorer la
qualité des aliments, de réduire l'empreinte
environnementale et de renforcer la sécurité alimentaire
(LIOUTAS ; CHARATSARI, 2020a).
Tous ces termes sont liés entre eux et, dans la
littérature, les chercheurs font souvent référence à deux
termes ou plus dans le même article, sans se soucier de
la délimitation entre eux. Il s'agit d'unAgron,
Rev. Ciênc. phénomène
v. 51, Spécial Agriculture 4.0, e20207737, 2020 3
 D. Albiero et al.

Si l'on ne connaît pas la date exacte de son apparition, la 923 articles pour Ag.4.0 ; 11 205 pour Di.Ag. ; et pour 5
terminologie en début de formalisation est également 073 articles S.F.
diffuse, comme c'était le cas pour l'agriculture de En d'autres termes, en termes de quantité, il est
précision il y a 30 ans. De telles observations sont plus productif de chercher Agriculture 4.0 ; en termes de
courantes dans les situations où le processus intellectuel- qualité, il peut être plus intéressant de chercher S.F.. Le
scientifique-social de la communauté de recherche se terme agriculture numérique subit un phénomène
développe rapidement. intéressant dans les 100 résumés lus ; il y a une
"migration" évidente des chercheurs en agriculture de
Dans ce contexte, Klerkx et al. (2019),
précision vers le terme agriculture numérique.
d é s i g n e n t ce processus comme la numérisation de
l'agriculture ; il s'agit d'un processus sociotechnique qui
comprend l'application agricole de l'IdO, du Big Data, de
la réalité augmentée, de la robotique, des capteurs, de
l'impression 3D, de l'intégration des systèmes, de la
connectivité omniprésente, de l'IA, de l'apprentissage
automatique (ML), des jumeaux numériques et de la
blockchain, parmi d'autres technologies émergentes.
Selon les auteurs, la numérisation de l'agriculture
implique la gestion de tâches agricoles et non agricoles
axées sur différents types de données à l'aide de capteurs,
de machines, de drones et de satellites pour surveiller,
contrôler et agir sur le sol, l'eau, les animaux et les
humains. Ces données permettent d'interpréter le passé et
de prédire l'avenir, ce qui se traduit par une prise de
décision beaucoup plus rapide et précise grâce à une
surveillance constante ou à l'accès à des données
spécifiques.
En ce qui concerne la terminologie, nous avons
l'intention de contribuer à une éventuelle délimitation en
examinant la littérature actuelle. Le moteur de recherche
scientifique ScienceDirect (ELSEVIER, 2020) a été
utilisé pour une recherche avancée le 15 septembre 2020,
en utilisant les mots-clés suivants : Agriculture 4.0
(Ag.4.0), Digital Agriculture (Di.Ag.), et smart farming
(S.F.). Au total, 146 968 articles ont été trouvés pour
Ag.4.0, 93 383 pour Di.Ag. et 6 949 pour S.F..
S.F. Un filtre de pertinence a été utilisé avec plusieurs
autres mots-clés, tels que big data, robotique, cartes
numériques, IoT, automatisation, agriculture de
précision, télédétection, véhicule aérien sans pilote, ML,
deep learning, AI, cloud computing et connectivité ; les
résumés ont été obtenus à partir des 100 premiers articles
répertoriés par le finder pour chaque terme.
A partir de cet échantillonnage, en considérant la
commutation des termes et en lisant le contenu des
résumés, nous avons déterminé les proportions d'articles
qui discutent effectivement de la "philosophie" du travail
en se référant à la définition définie pour S.F. (LIOUTAS
; CHARATSARI, 2020a), Di.Ag. (SHENA ; BASIST ;
HOWARD, 2010) et Di.
Ag.4.0 (ZHAI et al., 2020). En ce qui concerne Ag.4.0,
19% des articles se réfèrent strictement au cœur du thème
; pour Di.Ag., ce nombre est de 12% ; et pour S.F., de
73%. Sur la base d'une extrapolation brute en fonction de
la population d'articles, nous avons une estimation de 27
4 Rev. Ciênc. Agron, v. 51, Spécial Agriculture 4.0, e20207737, 2020
 Agriculture 4.0 : une introduction
l'agriculture numérique, bien que nombre de ces du travail dans l'agriculture, l'agriculture de subsistance et
terminologique
documents n'aient pas "fusionné" avec les TIC et l'agriculture de subsistance sont des facteurs importants.
n'utilisent pas non plus l'IA. Cependant, presque tous
utilisent l'IdO ou les géotechnologies.
Pour renforcer ces chiffres, lorsque l a même
recherche a été effectuée dans le Scielo finder (SCIELO,
2020), 564 articles ont été trouvés pour Ag.4.0, 91
articles ont été trouvés pour Di.Ag., et 7 articles ont été
trouvés pour S. F.. À titre de comparaison, une
recherche utilisant la même méthode sur ScienceDirect
mais avec les termes "Industry 4.0" et "Smart Cities" a
donné 215 262 et 57 839 articles, respectivement. En ce
qui concerne la proportion d'articles au cœur du thème,
en considérant les 100 premiers à l'intérieur d'un filtre
de pertinence, 89% sont directement liés au thème pour
"Industry 4.0", alors que pour "Smart Cities", ce chiffre
est de 91%. Ce fait indique que les communautés
scientifiques qui s'intéressent aux industries et aux villes
ont déjà défini leur terminologie. Cela devrait inciter la
communauté de la recherche agricole à faire de même.

ANALYSE DOCUMENTAIRE
Agriculture 4.0

Selon Klerkx et Rose (2020), l'agriculture

4.0 comprend déjà des technologies opérationnelles
telles que la robotique, la nanotechnologie, la synthèse
des protéines, l'agriculture cellulaire, la technologie
d'édition génétique, l'IA, la blockchain et la ML, qui ont
eu des effets omniprésents et profonds sur les systèmes
de production alimentaire et l'avenir de l'agriculture. Les
auteurs ont averti qu'il fallait prêter attention à
l' inclusion et à l'exclusion des technologies concernant
l'orientation de l'agriculture durable et des systèmes
alimentaires axés sur l'innovation ; ils ont fait valoir que
des processus d'innovation responsables sont essentiels
pour anticiper les impacts potentiels de l'agriculture 4.0,
en tenant compte principalement des processus inclusifs.
Rose et al. (2021) ont indiqué que le concept
d'agriculture 4.0 a été prédominant en termes
d'amélioration de la productivité et de protection de
l'environnement, ce qui a généré des effets sociaux
positifs et négatifs significatifs, indiquant ainsi
clairement qu'i l faut inclure davantage les personnes
dans les systèmes d'innovation agricole qui doivent être
guidés par des principes responsables dans le cadre
d'une vision de la durabilité sociale.
Lajoie-O'Malley et al. (2020) ont indiqué que
l'utilisation des technologies numériques dans
l'agriculture affecte considérablement la fourniture de
services par les écosystèmes dans le cadre de
l'approvisionnement alimentaire dans lequel ils sont
insérés. Braun, Colangelo et Steckel (2018) ont présenté
des raisons dans le cadre d'une analyse des processus
heuristiques dans lesquels les conditions
environnementales stochastiques en termes de division
Rev. Ciênc. Agron, v. 51, Spécial Agriculture 4.0, e20207737, 2020 5
 D. Albiero et al.

montrent que les innovations dans la gestion des chaînes prise de décision. Il recommande une transition numérique
d'approvisionnement permettent non seulement de responsable.
résoudre l e s problèmes inhérents à la production Lioutas et Charatsari (2020b) affirment que le big
agricole dans le modèle Farming 4.0, mais aussi de jeter data représente un nouveau facteur de production dans
les bases de nouvelles formes de travail et d'entreprise. l'agriculture qui génère de nouvelles réalités en ajoutant
La durabilité des chaînes d'approvisionnement en une dimension supplémentaire - la dimension "cyber" -
produits agroalimentaires a été analysée par Saetta et aux systèmes agricoles, ce qui a créé un nouveau système
Calderelli (2020), qui ont identifié des interventions cyber-physique-social complexe. Cependant, la
visant à améliorer la gestion de la chaîne compréhension de la durabilité de ce nouveau système est
d'approvisionnement et les processus logistiques d'un encore rudimentaire. Lajoie-O'Malley et al. (2020),
point de vue économique.
4.0. Lezoche et al. (2020) ont réalisé une analyse
documentaire approfondie décrivant des centaines de
nouvelles technologies disponibles pour les chaînes
d'approvisionnement agroalimentaires dans le cadre de la
philosophie de l'agriculture 4.0. Dans le même ordre
d'idées, Miranda et al. (2019) ont décrit comment les
technologies S3 (sensing, smart, and sustainable) ont
conduit au développement d'un processus systématique
de création de nouveaux produits dans les chaînes
agroalimentaires 4.0.
L'utilisation du big data pour la gestion durable
des chaînes d'approvisionnement pour la production de
bioénergie a été analysée par Belaud et al. (2019), qui ont
affirmé que l'utilisation du big data en conjonction avec
l'Industrie
Les technologies 4.0 peuvent révolutionner la gestion des
déchets agricoles. Annosi et al. (2019), ont évalué les
technologies
4.0 dans le cadre de l'agriculture intelligente, dans le
contexte des avantages que ces technologies peuvent
apporter aux petites et moyennes entreprises agricoles, le
principal avantage étant l'aide à la prise de décision pour
les agriculteurs.
Torky et Hassanein (2020) ont présenté la
blockchain intégrée à l'IdO pour mettre en œuvre des
systèmes d'analyse de données agricoles en développant
un système P2P intelligent capable de vérifier, de
sécuriser, de surveiller et d'analyser les informations pour
les applications d'agriculture de précision.

Agriculture numérique

Rotz et al. (2019), affirment que la révolution

numérique est en cours dans l'agriculture, augmentant la
production et l'efficacité et réduisant l'utilisation des
ressources. Simultanément, cela soulève des questions
sociales cruciales, telles que l'augmentation des coûts des
terres et de l'automatisation, le développement d'une
fourchette de compétences élevées/faibles sur le marché
du travail et les problèmes de contrôle des données.
Bronson (2019) a étendu ces préoccupations en utilisant
une structure d'innovation responsable qui prend en
compte les dimensions éthiques et sociales,
principalement en ce qui concerne les big data, pour la

6 Rev. Ciênc. Agron, v. 51, Spécial Agriculture 4.0, e20207737, 2020

 Agriculture 4.0 : une introduction
a mené une étude sur les documents politiques relatifs à Eastwook et al. (2019), ont affirmé que
terminologique
l'agriculture numérique et a conclu que les acteurs l'utilisation accrue des données par les technologies
internationaux de l'agriculture imaginent l'avenir des agricoles intelligentes offre aux agriculteurs la possibilité
systèmes alimentaires avec ces technologies en donnant de mieux comprendre leurs agroécosystèmes, augmentant
ainsi la production et les bénéfices avec la durabilité et le
la priorité à la maximisation de la production.
bien-être des animaux. Les
Fielke, Taylor et Jakku (2020), en évaluant la
numérisation de l'agriculture, ont identifié trois
conclusions clés : 1) la connectivité entre les hommes et
les technologies dans les connaissances agricoles, les
réseaux de conseil et les chaînes de valeur continuera
d'augmenter ; 2) la transparence des pratiques
d'information agricole et des interactions entre les
acteurs de ce système sera favorisée par l'augmentation
de la connectivité ; et 3) il existe des défis qui
permettent d'équilibrer les priorités des différents
acteurs agricoles dans la numérisation des systèmes
d'innovation agricole.

Agriculture intelligente

Knierim et al. (2019), ont déclaré que les

politiciens et les experts supposent que les technologies
agricoles intelligentes ont un fort potentiel
d'amélioration de la performance économique des
agriculteurs et qu'elles contribueront à une agriculture
plus durable. Yoon, Lim et Park (2020) ont étudié les
facteurs qui affectent l'adoption des technologies
agricoles intelligentes en Corée et ont identifié les
principaux facteurs agissant dans ce contexte, qui sont
les suivants : le niveau de complexité, la compatibilité
de la technologie, le degré d'innovation, la connaissance
de l'informatique, les caractéristiques des PDG, les coûts
financiers, la vulnérabilité humaine, le manque de
compétences pour exploiter les systèmes, la pression
concurrentielle, le soutien du gouvernement et le
passage à un environnement numérique.
Segundo Pivoto et al. (2018), ont déclaré que le
concept d'agriculture intelligente implique
l'incorporation des technologies de l'information et de la
communication dans les machines, les capteurs et les
équipements utilisés dans les systèmes de production
agricole. Dans ce contexte, les auteurs ont identifié le
principal facteur limitant l'évolution de l'agriculture
intelligente au Brésil comme étant l'intégration de divers
systèmes sur le marché ; un autre facteur critique est
l'éducation, les aptitudes et les compétences des
agriculteurs pour comprendre et manipuler ces outils.
Grieve et al. (2019), ont déclaré que les solutions
agri-robotiques intelligentes peuvent surmonter les défis
actuels posés par les menaces à la sécurité alimentaire
mondiale, des défis tels que la croissance
démographique, le vieillissement de la population
agricole, les tendances de la consommation de viande, le
changement climatique et les stress abiotiques et
biotiques. En outre, ces technologies devraient permettre
de résoudre les problèmes dans les secteurs de
l'horticulture ou de la viticulture, ainsi que dans les
cultures à grande échelle.
Rev. Ciênc. Agron, v. 51, Spécial Agriculture 4.0, e20207737, 2020 7
 D. Albiero et al.

Les auteurs ont étudié la capacité des conseillers surveiller les différentes sources d'information disponibles
agricoles à gérer un vaste ensemble de données. Les dans l'environnement.
conclusions tirées sont que les technologies d'agriculture Comme plusieurs autres chercheurs, Dagar, Som et
intelligente ont un potentiel perturbateur pour la gestion Khatri (2018) et Maheswari et al. (2019), ont utilisé des
agricole, nécessitant un apport plus important de la part capteurs pour mesurer des quantités physiques et des
des consultants pour faciliter une adaptation optimale du paramètres tels que l'humidité du sol, la température
système. Jakku et al. (2019), ont exploré les facteurs ambiante, la luminosité, la quantité d'eau de pluie, etc.
techno-sociaux qui influencent le développement de
l'agriculture intelligente et des applications Big Data.
L'analyse a montré que la principale préoccupation des
agriculteurs réside dans les procédures relatives à la
transparence et à la distribution de leurs données et à qui
elles profitent grâce à l'accès aux données agricoles mises
à disposition par les systèmes.
Lytos et al. (2020) ont déclaré que les récentes
avancées dans le domaine des TIC ont permis de
collecter, de traiter et d'analyser des données provenant
de différentes sources tout en concrétisant le concept
d'agriculture intelligente. Ces progrès concernent non
seulement la quantité, mais aussi la variété et la rapidité
de la collecte de ces données, et le concept de big data est
la clé pour comprendre les tendances futures de
l'agriculture.

LES FONDAMENTAUX DE
L'AGRICULTURE 4.0
Internet des objets

En raison de son grand potentiel d'utilisation dans

diverses applications et de ses excellentes perspectives
d'avenir, le terme IdO a été largement étudié par les
chercheurs et les entreprises, en se concentrant sur la
capacité à connecter non seulement les individus, mais
aussi les appareils dans un réseau internet. L'IdO est une
extension de l'internet actuel qui permet de contrôler les
appareils à distance et même de les utiliser comme
fournisseurs de services.
Permettre la connexion de différents appareils au
même réseau favorise l'émergence de nouvelles
applications, de plus en plus personnalisées en fonction
des besoins. Cependant, les appareils peuvent
communiquer entre eux, ce qui nécessite la normalisation
de certains d'entre eux. Il est également important que les
appareils intelligents puissent être connectés à l'internet.
Le rôle des dispositifs IdO est de cartographier
l'environnement et de collecter des informations sur les
paramètres souhaités. Avec les progrès technologiques,
les capteurs ont évolué vers des applications de plus en
plus spécifiques et précises. Les réseaux de capteurs sans
fil (WSN) sont utilisés à grande échelle dans les zones
industrielles, mais ces dernières années, l'agriculture a
également trouvé des moyens d'utiliser les WSN pour
8 Rev. Ciênc. Agron, v. 51, Spécial Agriculture 4.0, e20207737, 2020
 Agriculture 4.0 : une introduction
nutriments particuliers dans les terminologique
solutions de augmenter les revenus, à réduire les coûts et à améliorer
fertirrigation, la couleur des objets, le point de le processus de la chaîne de production (LI ; NIU, 2020).
maturation des fruits, la détection des ravageurs et des
maladies, la vitesse de la machine et le
géoréférencement des coordonnées.
Les actionneurs, quant à eux, sont chargés de
recevoir la réponse des processeurs et de la transformer
en un changement dans les conditions du système,
comme dans le cas de l'étude de Kamath, Balachandra et
Prabhu (2019). Ils ont utilisé un système d'irrigation
comme actionneur pour contrôler l'irrigation des
cultures, avec un contrôleur et des capteurs de
température.

Big Data

Toutes les informations utilisées pour la pratique

de l'agriculture intelligente proviennent de la connexion
de plusieurs systèmes qui fonctionnent en temps réel à
partir de l'utilisation de l'IdO, de l'informatique en
nuage, de l'IA et du big data, entre autres technologies
qui connectent toutes les étapes du processus de
production à partir de la collecte d'informations liées à la
culture ainsi que de données sur les fournisseurs, les
consommateurs finaux et les clients (LI ; NIU, 2020).
Le big data est l'un des piliers de l'agriculture
numérique, car il permet la collecte, l'analyse et la
diffusion pratiques des données ; ainsi, les producteurs
peuvent augmenter la productivité à des taux jamais
observés depuis le processus de mécanisation
(POSADAS ; GILBERT, 2020). Le volume de données
collectées étant important, complexe et hétérogène, les
outils informatiques traditionnels ne peuvent pas assurer
le traitement et la gestion des informations, et des
algorithmes complexes sont nécessaires pour aider à
l'analyse des données (RAUTENBERG ; CARMO,
2019).
Le big data repose sur six caractéristiques : le
volume, car un grand volume de données est généré
chaque minute par différents moyens et technologies ; la
vitesse, qui permet de générer des données avec agilité
et d'y accéder en temps réel pour optimiser les tâches ;
la variété, car les données sont collectées à partir de
différentes technologies et doivent pouvoir être traitées
ensemble ; la véracité, qui fait référence à l'intégrité et à
l'exactitude des données afin qu'il n'y ait pas de stockage
d'informations incertaines ; la variabilité, qui permet de
comprendre et de traiter les données afin d'éliminer les
événements spécifiques qui ne reflètent pas le modèle de
comportement à long terme ; et la valeur, qui est une
caractéristique très pertinente, car des informations
riches, précises et fiables sont nécessaires à la prise de
décision (AKNTAR, 2018).
La principale technologie associée au big data est
le data mining, dont la fonction est de traiter les données
à la recherche d'anomalies, de modèles et de corrélations
afin de prédire des résultats et des tendances fiables qui
peuvent soutenir de nouvelles actions visant à
Rev. Ciênc. Agron, v. 51, Spécial Agriculture 4.0, e20207737, 2020 9
 D. Albiero et al.

L'exploration facilite la compréhension du nuage sont liés dans le contexte de l'agriculture 4.0, car la
comportement des données, car l'exploration des données numérisation de l'agriculture implique que les éléments
peut être utilisée avec des algorithmes de ML pour opérant au sein d'une exploitation agricole doivent être
construire des modèles qui effectuent la tâche de connectés par le biais de réseaux étendus et intelligents et
prédiction, d'association ou de regroupement des sans perturbation
données. Ensuite, grâce à des normes établies, les
résultats sont présentés et la meilleure voie à suivre est
définie (FERNANDES ; CHIAVEGATTO FILHO,
2019).
Coble et al. (2018), ont étudié les défis et les
opportunités du big data dans l'agriculture et ont
s o u l i g n é que cette technologie permet une analyse
critique des informations à tous les stades de la chaîne de
production. Par exemple, les auteurs citent la possibilité
de prédire la production et la sélection de cultures
adaptées à une région donnée, à l'aide du big data et du
ML, grâce à des algorithmes qui identifient les relations
d'entrée et de sortie dans la sélection d'une culture en
fonction de la productivité, du type de sol, du climat et
des phénomènes naturels.
Cevallos, Valencia et Romero (2020) ont intégré
un modèle de big data sur l'IdO pour déterminer
comment cette technologie pouvait contribuer à la
gestion de la production de bananes biologiques dans la
province d'El Oro en Équateur. Les auteurs ont conclu
que la mise en œuvre de l'agriculture numérique dans
cette région apportait des réponses spécifiques aux
problèmes existants et satisfaisait les besoins des
producteurs de pratiquer une gestion visant à développer
des pratiques durables.
Pour caractériser les effets des variables locales et
environnementales sur la densité de population des
mouches des fruits méditerranéennes dans les plantations
d'agrumes, Krasnov et al. (2019), ont utilisé la
plateforme de la société Agritask (Israël) pour suivre le
cycle de croissance, en plus d'améliorer et d'assurer une
production sûre dans la culture des agrumes. La
plateforme a surveillé la culture en analysant des données
provenant de différentes sources afin que le big data
puisse être appliqué. Les auteurs ont déclaré que cette
technologie permettait des prédictions de modèles qui ont
permis une gestion efficace des mouches des fruits dans
la région.
La capacité d'extraire des informations de ces
données et de les convertir en possibilités stratégiques
pour optimiser la prise de décision assertive afin
d'augmenter la productivité, de diminuer les coûts et de
réduire les impacts sur l'environnement amènera les
propriétés agricoles du futur à augmenter la surveillance
et l'automatisation de chaque étape du processus de
production.

Connectivité et informatique en nuage

Les concepts de connectivité et d'informatique en

10 Rev. Ciênc. Agron, v. 51, Spécial Agriculture 4.0, e20207737, 2020
 Agriculture 4.0 : une introduction
pour permettre aux systèmes d'informatique en nuage de 1. Dans le monde agricole, l'agriculture 4.0 est une
terminologique
participer à l'évaluation, au diagnostic et à la prise de tendance inévitable et sans retour. Un parallèle peut
décision concernant les actions et les interventions sur le être fait avec la connectivité actuelle des personnes
terrain (FIELKE ; TAYLOR ; JAKKU, 2020). grâce aux smartphones personnels ;

Selon Armbrust et al. (2010), l'informatique en

nuage est un concept défini comme la disponibilité
d'applications informatiques accessibles par l'internet, par
le biais de matériel et de logiciels hébergés à distance.
Ruschel et al. (2010) ont conceptualisé l'informatique en
nuage comme "l'idée d'utiliser, n'importe où et quelle
que soit la plateforme, les types d'applications les plus
variés sur l'internet avec la même facilité que s'ils étaient
installés".
L'informatique en nuage a une fonction de disque
dur virtuel, permettant de stocker des fichiers sur le
réseau pour y accéder et les modifier à partir d'un autre
appareil. Ce concept a suscité un grand intérêt dans les
milieux universitaires et commerciaux, car il offre des
possibilités de recherche, de gains de productivité, de
réduction des coûts et d'émission de polluants
(HEIDEKER ; KAMIENSKI, 2015).
Selon Cooper (2015), l'industrie 4.0 dépend d'un
centre d'hébergement, où le stockage, le partage des
données et l'information des processus d'usine
deviennent plus pratiques, des exigences qui sont
réalisées par l'informatique en nuage. L'informatique en
nuage permet aux utilisateurs d'accéder à distance à
leurs données, applications et autres ressources en toute
simplicité, à tout moment, tant qu'ils ont accès à
Internet.

Intelligence artificielle

L'intelligence artificielle désigne la possibilité de

doter des machines et des systèmes artificiels inanimés
de capacités cognitives et d'apprentissage par
conditionnement, semblables à celles des humains
(KAPLAN ; HAENLEIN, 2019).
Talaviya et al. (2020) ont passé en revue
l'utilisation de l'IA dans l'agriculture avec diverses
applications et résultats, notant que dans les systèmes où
l'IA a été appliquée, la production, le suivi, le traitement
et la commercialisation des cultures ont été améliorés en
temps réel. Les auteurs ont fait état de plusieurs
systèmes informatiques avancés conçus pour détecter les
maladies, déterminer le rendement et la qualité, et
permettre l'irrigation et la pulvérisation automatiques,
réduisant ainsi la charge de travail des agriculteurs, ainsi
que l'utilisation de divers capteurs et robots, dont la
plupart sont intégrés dans des drones qui effectuent des
processus de cartographie, certains étant équipés
d'actionneurs qui permettent des fonctions telles que les
actions d'irrigation.

CONCLUSION
Rev. Ciênc. Agron, v. 51, Spécial Agriculture 4.0, e20207737, 2020 11
 D. Albiero et al.

2. La pénétration des technologies de la communication BRONSON, K. Regarder à travers une lentille d'innovation
et de l'information dans la structure psychosociale des responsable les engagements inégaux avec l'agriculture
personnes, des villes et des industries grâce aux numérique. NJAS - Wageningen Journal of Life Sciences, v.
smartphones, à l'IdO et à l'IA s'est faite 90-91, n. Octobre 2018, p. 100294, 2019.
progressivement et présente un immense potentiel à
identifier et à exploiter en raison de la facilité de
fonctionnement et de la réduction des coûts. Par
conséquent, au fur et à mesure que les systèmes se sont
améliorés, leur utilisation par les personnes et les
industries s'est généralisée, entraînant une dépendance
à l'égard des fonctionnalités croissantes de ces
systèmes. L'utilisation et l'accès, ainsi que l'évolution,
ont continué à progresser de telle sorte que nous
pouvons affirmer que l'humanité existe actuellement
dans une synergie presque symbiotique avec la
technologie numérique ;
3. L'agriculture 4.0 est essentiellement la numérisation
des phénomènes sociotechniques associés aux
agroécosystèmes (ALBIERO, 2018), de manière
analogue à ce qui s'est produit dans les systèmes
urbains et industriels. Albiero (2019) a déclaré que la
robotique est similaire à une vague à surfer qui peut
nous amener à la plage. De ce point de vue, la plage/la
côte/le continent est l'agriculture 4.0.

RÉFÉRENCES
ALBIERO, D. Sustentabilidade, agroecossistemas e energia -
Jornal Dia de Campo. Disponível em : <http://www.diadecampo.
com.br/zpublisher/materias/Materia.asp?id=27790&secao=Col
unas e Artigos&c2=Energia na Agricultura>. Accès : 13 juillet
2018.
ALBIERO, D. Robotique agricole : Un défi prometteur.
Current Agriculture Research Journal, v. 7, n. 1, p. 1-3, 28
abr. 2019.
ANNOSI, M. C. et al. Is the trend your friend ? Une analyse des
décisions d'investissement dans la technologie 4.0 dans les PME
agricoles. Computers in Industry, v. 109, p. 59-71, 2019.
ARMBRUST, M. et al. A view of cloud
computingCommunications of the ACM, 1 abr. 2010. .
Disponible sur : <https://dl.acm.org/doi/10.1145/1721654.17216
72>. Accès : 4 nov. 2020.
BELAUD, J. P. et al. Big data for agri-food 4.0 : Application à
la gestion de la durabilité de la chaîne d'approvisionnement des
sous-produits. Computers in Industry, v. 111, p. 41-50, 2019.
BRAUN, A. T. ; COLANGELO, E. ; STECKEL, T. L'agriculture
dans les pays en voie de développement
L'ère de l'industrie 4.0. Procedia CIRP, v. 72, p. 979-984, 2018.
BRÉSIL-MDIC. Feuille de route brésilienne pour l'industrie
4.0. [s.l : s.n.]. Disponible à l'adresse :
<http://www.mdic.gov.br/index.php/ ultimas-noticias/3133-
mdic-e-abdi-lancam-agenda-brasileira- para-a-industria-4-0-no-
forum-economico-mundial>.

12 Rev. Ciênc. Agron, v. 51, Spécial Agriculture 4.0, e20207737, 2020

 Agriculture 4.0 : une introduction
CEVALLOS, V. ; VALENCIA, T. ; ROMERO,terminologique
C. Volumen 12 |
Número 4 | Julio-Agosto. Universidad y Sociedad, v. 12, n. 4,
p. 192-200, 17 juillet 2020.
COBLE, K. H. et al. Big data in agriculture : Un défi pour
l'avenir. Applied Economic Perspectives and Policy, v. 40, n.
1,
p. 79-96, 1 mar. 2018.

COOPER, C. L'IdO, le nuage et la sécurité. Disponível em :

<https://www.cio.com/article/2933046/the-iot-cloud-and-
security.html>. Accès : 4 nov. 2020.

DAGAR, R. ; SOM, S. ; KHATRI, S. K. Smart Farming - IoT in

Agriculture. In : Proceedings of the International Conference
on Inventive Research in Computing Applications, ICIRCA
2018, Anais...Institute of Electrical and Electronics Engineers
Inc, 31 dez. 2018.
EASTWOOD, C. et al. Making sense in the cloud : Farm
advisory services in a smart farming future. NJAS -
Wageningen Journal of Life Sciences, v. 90-91, n. décembre
2018, p. 100298, 2019.
ELSEVIER. ScienceDirect.com. Disponible à l'adresse :
<https://www. sciencedirect.com/>. Accès : 15 out. 2020.
FERNANDES, F. T. ; CHIAVEGATTO FILHO, A. D. P.
Perspectivas do uso de mineração de dados e aprendizado de
máquina em saúde e segurança no trabalho. Revista Brasileira
de Saúde Ocupacional, v. 44, 2019.
FIELKE, S. ; TAYLOR, B. ; JAKKU, E. Numérisation des
réseaux de connaissances et de conseils agricoles : Une revue
de l'état de l'art. Agricultural Systems, v. 180, n. novembre
2019, p. 102763, 2020.
GRIEVE, B. D. et al. The challenges posed by global
broadacre crops in delivering smart agri-robotic solutions : Une
refonte fondamentale est nécessaire. Global Food Security, v.
23, n. février,
p. 116-124, 2019.

HEIDEKER, A. ; KAMIENSKI, C. A. Funções de Rede

Virtualizadas em Plataforma de Computação em Nuvem
para Cidades Inteligentes. Disponible à l'adresse :
<https://www.
researchgate.net/publication/280529104_Funcoes_de_Rede_
Virtualizadas_em_Plataforma_de_Computacao_em_Nuvem_
para_Cidades_Inteligentes>. Accès : 4 nov. 2020.
JAKKU, E. et al. "If they don't tell us what they do with it,
why would we trust them ?" (S'ils ne nous disent pas ce qu'ils
en font, pourquoi leur ferions-nous confiance ?) Confiance,
transparence et partage des bénéfices dans l'agriculture
intelligente. NJAS - Wageningen Journal of Life Sciences,
v. 90-91, n. Décembre 2018, p. 100-285, 2019.
KAGERMANN, H. ; WAHLSTER, W. ; HELBID, J.
Recommandations pour la mise en œuvre de l'initiative
stratégique INDUSTRIE 4.0. [s.l : s.n.]. Disponível em :
<https://www.
din.de/blob/76902/e8cac883f42bf28536e7e8165993f1fd/
recommendations-for-implementing-industry-4-0-data.pdf>.
Accès en : 15 out. 2020.
KAPLAN, A. ; HAENLEIN, M. Siri, Siri, dans ma main :
Qui est le plus beau du pays ? Sur les interprétations,
illustrations et implications de l'intelligence
artificielleHorizons d'affairesElsevier
Rev. Ciênc. Agron,2019.
Ltd, , 1 janv. v. 51, Spécial Agriculture 4.0, e20207737, 2020 13
 D. Albiero et al.
KLERKX, L. ; JAKKU, E. ; LABARTHE, P. Une revue des
sciences sociales sur l'agriculture numérique, l'agriculture
intelligente et l'agriculture 4.0 : Nouvelles contributions et
programme de recherche futur. NJAS - Wageningen Journal
of Life Sciences, v. 90-91, n. novembre,
p. 100315, 2019. D.
KLERKX, L. ; ROSE, D. Faire face aux technologies de
l'agriculture 4.0 qui changent la donne : Comment gérer la
diversité et la responsabilité dans les voies de transition du
système alimentaire ? Global Food Security, v. 24, n.
décembre 2019, p. 100347, 2020.
KNIERIM, A. et al. Innovations technologiques en matière
d'agriculture intelligente
- Perspectives et réflexions de la plateforme allemande Smart-
AKIS. NJAS - Wageningen Journal of Life Sciences, v. 90-
91, n. November, p. 100314, 2019. D.
KRASNOV, H. et al. The effect of local and landscape
variables on Mediterranean fruit fly dynamics in citrus orchards
utilizing the ecoinformatics approach. Journal of Pest Science,
v. 92, n. 2, p. 453-463, 15 mar. 2019.
LAJOIE-O'MALLEY, A. et al. The future(s) of digital
agriculture and sustainable food systems : An analysis of high-
level policy documents. Ecosystem Services, v. 45, n.
September, p. 101183, 2020.
LEZOCHE, M. et al. Agri-food 4.0 : A survey of the Supply
Chains and Technologies for the Future Agriculture.
Computers in Industry, v. 117, p. 103187, 2020.
LI, C. ; NIU, B. Design of smart agriculture based on big data
and Internet of things. International Journal of Distributed
Sensor Networks, v. 16, n. 5, p. 155014772091706, 13 maio
2020.
LIOUTAS, E. D. ; CHARATSARI, C. Agriculture intelligente
et chaînes d'approvisionnement alimentaire courtes : Sont-elles
compatibles ? Land Use Policy,
v. 94, n. novembre 2019, p. 104541, 2020a.
LIOUTAS, E. D. ; CHARATSARI, C. Big data in agriculture :
Le nouveau pétrole mène-t-il à la durabilité ? Geoforum, v.
109, n. décembre 2019, p. 1-3, 2020b.
LYTOS, A. et al. Vers une agriculture intelligente : Systèmes,
cadres et exploitation de sources multiples. Computer
Networks, v. 172, n. février, p. 107147, 2020.
MAHESWARI, R. et al. Smart Village : Solar Based Smart
Agriculture with IoT Enabled for Climatic Change and
Fertilization of Soil. In : 2019 IEEE 5th International
Conference on Mechatronics System and Robots, ICMSR 2019,
Anais... Institute of Electrical and Electronics Engineers Inc, 1
maio 2019.
MIRANDA, J. et al. Sensing, smart and sustainable
technologies for Agri-Food 4.0. Computers in Industry, v.
108, p. 21-36, 2019.
14 Rev. Ciênc. Agron, v. 51, Spécial Agriculture 4.0, e20207737, 2020
PIVOTO, D. et al. Scientific development of smart farming
technologies and their application in Brazil. Information
Processing in Agriculture, v. 5, n. 1, p. 21-32, 2018.
POSADAS, B. B. ; GILBERT, J. E. Regulating Big Data in
Agriculture. IEEE Technology and Society Magazine, v. 39,
n. 3, p. 86-92, 1 série. 2020.
RAUTENBERG, S. ; CARMO, P. R. V. do. Big data e ciência
de dados. Revue brésilienne des sciences de l'information, v.
13,
n. 1, p. 56-67, 29 mar. 2019. D.
ROSE, D. C. et al. Agriculture 4.0 : Making it work for people,
production, and the planet. Land Use Policy, v. 100, n. mai
2020, p. 104933, 2021.
ROTZ, S. et al. Automated pastures and the digital divide : How
agricultural technologies are shaping labour and rural
communities. Journal of Rural Studies, v. 68, n. janvier,
p. 112-122, 2019.
RUSCHEL, H. ; ZANOTTO, M. S. ; COSTA DA MOTA, W.
Computação em Nuvem. [s.l : s.n.].
SAETTA, S. ; CALDARELLI, V. Comment accroître la
durabilité de la chaîne d'approvisionnement agroalimentaire
grâce à des innovations dans une perspective 4.0 : Une première
analyse d'étude de cas. Procedia Manufacturing, v. 42, n.
2019, p. 333-336, 2020.
SCIELO. SciELO.org. Disponible à l'adresse :
<https://scielo.org/en/>. Accès : 16 out. 2020.
SHENA, S. ; BASIST, A. ; HOWARD, A. Structure d'un
système d'agriculture numérique et risques agricoles dus aux
changements climatiques. Agriculture and Agricultural
Science Procedia, v. 1, p. 42-51, 2010.
TALAVIYA, T. et al. Implementation of artificial intelligence
in agriculture for optimisation of irrigation and application of
pesticides and herbicides. Artificial Intelligence in Agriculture,
v. 4, p. 58-73, 1 jan. 2020.
TORKY, M. ; HASSANEIN, A. E. Intégration de la blockchain
et de l'internet des objets dans l'agriculture de précision :
Analyse, opportunités et défis. Ordinateurs et électronique en
agriculture, n. avril, p. 105476, 2020.
YOON, C. ; LIM, D. ; PARK, C. Facteurs affectant l'adoption
des fermes intelligentes : The case of Korea. Computers in
Human Behavior, v. 108, n. Mai 2019, p. 106309, 2020.
ZHAI, Z. et al. Decision support systems for agriculture 4.0 :
Survey and challenges. Computers and Electronics in
Agriculture, v. 170, n. August 2019, p. 105256, 2020.
 Agriculture 4.0 : une introduction
terminologique
Il s'agit d'un article en libre accès distribué selon les termes de la licence Creative Commons Attribution.

Rev. Ciênc. Agron, v. 51, Spécial Agriculture 4.0, e20207737, 2020 15