
Apprentissage supervisé : les caméras détectent les animaux, pas les humains
La puissance des réseaux sociaux est souvent utilisée pour défendre des causes. On y dénonce publiquement, à tort ou à raison, des pratiques ou des personnes.
Dans le domaine de l'élevage, certains défenseurs de la cause animale vont même jusqu'à s'introduire illégalement dans des exploitations pour les filmer et publier les vidéos sur les réseaux sociaux.
Si leurs motifs sont défendables sur le fond (dénoncer les élevages dont les conditions ne sont pas tolérables), la forme est quant à elle largement discutable tant, elle stigmatise une profession toute entière.
Ce type de comportement instaure un climat de méfiance même chez les éleveurs dont les pratiques sont exemplaires. La crainte de voir des personnes s'introduire illégalement dans leur exploitation les pousse à recourir à des systèmes de surveillance.
Paradoxalement, l'installation de caméras de surveillance dans les exploitations agricoles provoque 2 comportements opposés :
- D'un côté, on constate une forte augmentation des ventes de caméras de surveillance extérieures pour sécuriser les bâtiments
- De l'autre, on observe une certaine méfiance vis-à-vis des caméras installées à l'intérieur des bâtiments filmant les animaux.
À cela, s'ajoute le flou qui gravite autour du terme "Intelligence Artificielle", en particulier les applications développées dans certains pays pour la reconnaissance faciale.
Tous ces éléments contribuent à développer un climat de défiance vis-à-vis des solutions de surveillance des élevages.
Lors de nos déplacements, il nous arrive, à juste titre, d'être interpellés par les éleveurs :
- "Est-ce que les caméras et les algorithmes d'intelligence artificielle détectent les humains et leurs comportements ?"
- "Comment mes données personnelles sont-elles protégées ?"
Ces questions demandent des réponses 🧐
En tant que distributeurs de matériel de vidéo-surveillance, vétérinaires ou techniciens qui s'appuient sur des données issues de flux vidéo, vous pouvez être confrontés à des blocages ou des réticences de la part des éleveurs.
C'est pourquoi, dans cet article nous allons expliquer avec pédagogie, pourquoi les caméras ne surveillent QUE les animaux et pas les humains. Comment sont entraînés les réseaux de neurones ? Comment fonctionne l'apprentissage supervisé ?
IA, Deep Learning, apprentissage supervisé : comment cela fonctionne ?
Les solutions logicielles développées par Dilepix sont basées sur le Deep learning et les réseaux de neurones (algorithmes) capables de différentes opérations sur des images : classification, détection et segmentation…
Si vous souhaitez aller plus loin et comprendre parfaitement la différence entre IA, Deep Learning, Machine Learning en agriculture, nous vous recommandons cet article rédigé par Aurélien Yol (cofondateur de Dilepix).
Apprentissage supervisé & données d'entraînement
En fonction de l'application prévue, les réseaux de neurones sont entraînés via une étape d'annotation effectuée par un opérateur humain : c'est ce que l'on appelle l'apprentissage supervisé. Et cela constitue la deuxième étape de la création d'un réseau de neurones.
Cette phase d'apprentissage supervisé est effectuée sur des données d'entraînement qui contiennent les situations d'intérêt. Grâce à des outils développés par Dilepix, l'opérateur appuyé par des experts agronomes ou vétérinaires, sélectionnent dans les images la ou les situations d'intérêt.
Cas pratique d'entraînement supervisé
🧐 Prenons l'exemple d'une caméra installée dans un box pour détecter les vêlages
La caméra filme plusieurs vaches. Si la majorité n'a pas encore de comportement qui demande une attention particulière, une vache du lot se prépare quant à elle à vêler. C'est la situation d'intérêt que nous souhaitons filmer.
En s'appuyant sur le flux vidéo capté par les caméras, l'opérateur humain va effectuer des annotations. Il indique précisément au réseau de neurones, la vache à détecter.
Cette même opération sera ensuite renouvelée sur des centaines, voire des milliers de situations.
Une fois la phase d'apprentissage terminée, le réseau dit "entraîné" sera alors capable de reconnaître seul un vêlage sur une vidéo qui n'a jamais été utilisée durant la phase d'apprentissage. Il pourra alors être intégré dans une solution logicielle de détection automatique des vêlages.
Les limites du Deep learning et l'apprentissage supervisé
En revanche, ce réseau de neurones entraîné à la détection de vêlages ne pourra détecter QUE les vêlages et rien de plus. Comme il n'a pas été entraîné à reconnaître autre chose. Il ne peut être utilisé que pour une situation bien spécifique. C'est là que l'on touche à la limite des réseaux de neurones.
🧐 Mais poussons l'exemple un peu plus loin !
Imaginons un réseau de neurones qui aurait été entraîné à reconnaître des races de vaches : Prim'Holstein et Rouge des prés.
Nous le faisons tester par un éleveur de porcs qui voudrait détecter automatiquement la race de ses cochons…
À votre avis, que va-t-il se passer ? 🤔
Le réseau de neurones très performant pour détecter deux races de vaches va complètement échouer si on lui soumet des images d'autres animaux.
Normal, il n'a pas été créé pour cela !
👉 Il faut donc retenir qu'un réseau de neurones n'a pas la capacité de raisonnement et les connaissances d'un cerveau humain.
Il n'est capable d'interpréter l'image qu'on lui soumet qu'en s'appuyant sur les données sur lesquelles il a été entraîné (Cf test Prim'Holstein et Rouge des prés).
Il ne pourra détecter QUE les situations pour lesquelles il a été entraîné comme :
- la mesure de l'activité des animaux
- la détection des chaleurs
- la détection des vêlages
- Le comptage...
👉 Important : Il ne sera pas en mesure de détecter les humains et encore moins de les identifier !
🧐 La preuve par l'image.
Cette image est extraite d'un flux vidéo sur lequel nos réseaux de neurones ont été entraînés à détecter l'activité des vaches (vache debout / vache couchée).
On aperçois bien que l'humain au premier plan n'est pas détecté par les algorithmes.
👉 En tant que distributeur de matériel de vidéo surveillance, vétérinaire ou technicien, voilà quelques explications qui devraient rassurer les éleveurs chez qui vous intervenez et les encourager à installer des caméras de surveillance des animaux.
🤔 Si une caméra de détection ne peut pas identifier un humain (si le réseau de neurones associé n'a pas été créé pour cela), qu'en est-il de la protection des données générées dans les exploitations agricoles ?
Nous touchons ici un sujet complémentaire très important.
Protéger les données de nos clients et celles des utilisateurs finaux de nos solutions est une priorité pour nous.
Cette protection passe avant tout par une traçabilité exemplaire de la propriété de ces données. 🔒
De la caméra, en passant par le Cloud où elle sera analysée jusqu'à sa restitution dans les outils d'aide à la décision, chaque étape de transfert de la donnée est méticuleusement traitée pour garantir une sécurité maximale.
Mais ce n'est pas tout !
En complément d'une gestion rigoureuse de la traçabilité, saviez-vous que dans un futur proche, les données pourront être analysées à l'échelle de la ferme grâce à l'edge computing ? 👀

Réussir son stage chez Dilepix en 10 étapes
Réussir son stage, c'est mettre un pied dans la vie active avec plus de confiance.
Chez Dilepix, nous accordons une importance particulière à l'accueil des nouveaux collaborateurs. Qu'ils soient stagiaires agronomes ou ingénieurs R&D, pas de différence ! L'important est que le salarié se sente bien dans son nouvel environnement de travail.
L'accueil d'un.e stagiaire n'est donc pas pris à la légère !
Parce qu'ils assureront la relève, nous capitalisons sur l'avenir en donnant de l'importance à la transmission des savoirs.
Notre objectif : garder nos stagiaires et alternants le plus longtemps possible.
Nous vous partageons les 10 étapes que nous appliquons pour la réussite d'un stage.
Sommaire 3. Considération et respect mutuel 5. Un rythme de travail flexible 6. Des missions qui ont du sens 7. Des points d'étapes réguliers |
#1 Une bonne intégration
Stagiaire ou non, tout le monde est logé à la même enseigne ! Pour l'arrivée d'un nouveau collaborateur, toute l'équipe se rend disponible pour l'accueillir dans les meilleures conditions.
La première semaine de prise de poste est donc réservée à une immersion dans l'univers de Dilepix :
-
Présentation de toute l'équipe lors de notre réunion hebdo
Les objectifs ? Présenter l'entreprise dans son ensemble, rassembler les pièces du puzzle et diffuser la vision globale.
De cette manière, le/la stagiaire sait exactement où il/elle se positionne, qui sont ses interlocuteurs et les futurs impacts de son travail sur l'entreprise.
-
S'imprégner de la culture "Dilepix"
Cette première semaine d'onboarding est évidemment l'occasion d'expliquer les règles de savoir-être, de fixer le cadre et les marges de manœuvre…
… mais aussi les temps forts de l'entreprise à l'intérieur et à l'extérieur des bureaux. Groupes de sport, team building, séminaires, challenges, afterwork… L'idée est de créer des situations qui permettent de mieux se connaître.
-
Échange avec le tuteur de stage
Ce rendez-vous indispensable permet de :
-
- Rappeler les missions confiées au stagiaire
- Remettre le pack de bienvenue
- Remettre le matériel et expliquer le fonctionnement des process de production.
-
RDV one-to-one organisés toute la semaine
Mettre un visage sur une mission et intégrer tout ce flux d'information n'est pas chose aisée. Pour simplifier ce processus, des rendez-vous one-to-one sont organisés tout au long de l'onboarding du/de la stagiaire. Chacun des collaborateurs explique simplement et avec pédagogie son rôle et ses missions.
Une fois encore, l'idée est de permettre au nouvel arrivant de trouver sa place en ayant une vision plus claire de nos métiers.
#2 Bilan à mi-parcours
Après plusieurs semaines de poste, un bilan de mi-parcours est organisé avec le tuteur. Ce moment est l'occasion de se poser, prendre de la hauteur et échanger librement sur la période écoulée et celle à venir.
Points évoqués lors de cet échange convivial :
- Les réussites et les difficultés dans la réalisation des missions. (Le cas échéant, les moyens pour les résoudre).
- Les attentes du/de la stagiaire
- Sa place dans l'équipe
- Ses recommandations…
Ce point est également le moment idéal pour partager le rapport d’étonnement. Dans ce document, le/la stagiaire exposera ce qui l'a surpris (positivement et négativement) et ce qui pourrait être amélioré.
#3 Considération et respect mutuel
La transparence est une valeur forte de Dilepix. Stagiaire ou non, chaque collaborateur bénéficie du même niveau d'information.
Néanmoins, certaines informations stratégiques ne doivent pas être divulguées, il est donc primordial de travailler dans un climat de confiance réciproque.
#4 De bons outils de travail
C'est avec de bons outils que l'on fait du bon travail ! Chaque nouveau collaborateur se voit remettre du matériel de qualité pour lui permettre de travailler dans de bonnes conditions. Ce matériel est adapté au travail en présentiel ou en distanciel.
#5 Un rythme de travail flexible
Nous pratiquons le flexwork, ce qui signifie que chaque collaborateur est libre d'organiser son temps. Certains préféreront aménager leurs horaires pour éviter les heures de pointe dans les transports, d'autres préféreront se concentrer au calme à leur domicile.
Ces conditions de travail confortables sont accessibles à tous ! Il est cependant demandé au collaborateur de tenir à jour un planning indiquant son rythme de travail.
Matthieu en pleine séance de télétravail
#6 Des missions qui ont du sens
En formant nos alternants et stagiaires, et en tenant évidemment compte de notre développement, nous espérons poursuivre notre collaboration à l'issue de leur mission.
Nous avons à cœur de les accompagner dans leur montée en compétence. C'est pour cette raison que nous leur confions des missions en adéquation avec leur formation et qui seront valorisées pour l'activité de Dilepix.
#7 Des points d'étapes réguliers
Afin d'accompagner efficacement le/la stagiaire dans la réussite de ses missions, des points d'étapes réguliers sont organisés avec son tuteur. Ces moments d'échanges sont propices à répondre aux interrogations, rappeler le cap et conforter le/la stagiaire dans ses choix.
Sous l'œil bienveillant du responsable hiérarchique, les missions confiées seront progressivement plus responsabilisantes et laisseront place à plus d'initiative.
#8 Communiquer
La réussite d'un projet passe aussi par une communication fluide, un respect et une confiance mutuelle entre tuteur et stagiaire. Le tuteur doit accompagner le/la stagiaire en lui transmettant ses savoirs, en l'écoutant et en facilitant son travail.
Que le/la stagiaire travaille depuis son domicile ou dans les bureaux, son tuteur garde un œil sur lui/elle et se rend disponible grâce à nos nombreux outils de communication.
#9 Des missions adaptées et programmées
Nous ne faisons pas partie de ces entreprises qui recrutent des stagiaires à tour de bras. Lorsque nous proposons des offres de stages, elles sont programmées dans le cadre du plan de recrutement et le périmètre des missions est clairement défini à l'avance.
Si nous recrutons des stagiaires, c'est qu'il y a de vraies missions adaptées au niveau d'étude du candidat.
#10 Un tuteur engagé
Pour accueillir un/une stagiaire, le tuteur doit s'assurer d'avoir le temps et la disponibilité suffisante pour l'encadrer dans des conditions optimales.
Pour des questions de management, nous ne sommes pas favorables à ce qu'un tuteur accueille plus de 2 stagiaires qui débuteraient à la même période.
Vous l'aurez compris, le recrutement d'un/une stagiaire est pris au sérieux et nous mettons tout en œuvre pour que cette collaboration soit une réussite tant pour le/la stagiaire que pour Dilepix.
Parce que ce sont les principaux concernés qui en parlent le mieux, retrouvez le portrait de Théo - ingénieur agronome qui nous a accompagné pendant 6 mois lors de son stage de césure.
Ses missions qu'il a su relever avec talent : réaliser une étude sur la surveillance automatisée en élevage bovin lait.
TeamViz - Portrait de la team - Théo

Comment fonctionne le traitement des données agricoles dans le Cloud?
Aujourd’hui, le Cloud fait partie intégrante de notre quotidien. On l’utilise dès lors que l’on consulte nos emails et chaque utilisateur peut accéder à ses propres données à tout instant depuis n’importe quel ordinateur ou smartphone.
Si la mobilité est le premier avantage cité en faveur du Cloud, le “nuage” offre également de grandes capacités de stockage. Très utile, à l’heure où le traitement des données se généralise.
C’est cette mobilité et ces capacités qui séduisent le secteur agricole et ouvrent la voie à de multiples applications. Mais comment toutes ces données générées par les exploitations sont-elles stockées et traitées dans le Cloud ?
Vous vous demandez si le Cloud est adapté à votre activité ? Si vos données seront sécurisées et accessibles facilement ? Dans cet article, on vous explique le fonctionnement d'une plateforme Cloud et pourquoi cet outil est particulièrement adapté au secteur de l'élevage.
Cloud et solution logicielle pour l’agriculture
Avec le Cloud, nous n'avons plus besoin d'être physiquement présents à un endroit précis pour accéder à nos données. Celles-ci sont disponibles, sur tout périphérique, de n'importe quel endroit sur le globe à partir du moment où nous avons une connexion internet. Cette accessibilité simplifiée réduit fortement le risque de perte des données en cas de vol ou de panne de l’un de nos périphériques.
Le principal avantage du Cloud, est qu'il assure une protection des données afin qu’elles ne puissent pas être perdues ou supprimées, sauf action explicite de l'utilisateur.
Les logiciels en mode SaaS
Les entreprises qui mettent à disposition une version Cloud de leurs logiciels proposent à leurs clients d’utiliser leur solution (et donc d’accéder à leurs données) en utilisant un navigateur web ou une application mobile. C’est ce que l’on appelle un logiciel en mode SaaS (Software as a Service).
Le mode SaaS sous-entend qu’aucune installation n’est requise sur votre ordinateur, si ce n’est celle d’un navigateur web.
Autre avantage et pas des moindres, vous n’avez plus besoin d'effectuer des mises à jour du logiciel. Tout cela est réalisé automatiquement sur le Cloud !
Cette simplicité d'accès à ses propres données et l'automatisation des mises à jour du logiciel, c'est justement ce que propose Dilepix à ses clients.
La plateforme logicielle Cloud : un outil idéal en élevage
En déléguant le traitement de leurs données à une plateforme Cloud, les utilisateurs ont la possibilité d’effectuer des analyses à distance, à partir de photos ou de flux vidéos pris de façon fixe dans les bâtiments d'élevage (porcs, volailles, bovins, insectes).
Le traitement des données agricoles par le Cloud s'avère être une solution particulièrement appropriée en élevage du fait de sa simplicité d'installation. En effet, de plus en plus d'exploitations agricoles s'équipent de matériel connecté à Internet et une simple caméra de surveillance peut devenir intelligente et traiter elle-même les données en y ajoutant une connexion Web.
De cette manière, les utilisateurs que sont les vétérinaires, les conseillers et techniciens d'élevage ont accès à tout moment aux résultats d'analyses de leur portefeuille d'exploitations.
Comment les données agricoles stockées dans le cloud sont-elles sécurisées ?
Si l’on peut accéder à ses données partout à tout instant, la question de leur sécurité devient primordiale. Les entreprises proposant une application Cloud s’appuient généralement sur des fournisseurs de Cloud. Ces fournisseurs mettent à disposition des services efficaces, fiables et performants afin que les entreprises puissent se concentrer uniquement sur le développement de fonctionnalités et non sur l'infrastructure de leurs applications.
C’est pour répondre à ces objectifs de fiabilité que Dilepix a choisi de s'appuyer sur des fournisseurs de services à la pointe de la sécurité. Garantir sérénité et performance à des utilisateurs dans le traitement de leurs données fait partie de nos engagements.
Mais nous ne souhaitons pas nous arrêter là. En plus de respecter la Réglementation Général sur la Protection des Données (RGPD), nous prévoyons d'aller plus loin en nous conformant à la charte data agri renforçant ainsi la lisibilité, la transparence, la maîtrise de l’usage et la sécurité des données agricoles.
Le traitement des données agricoles dans le Cloud. Comment ça marche ?
La majorité des données agricoles brutes générées dans les exploitations agricoles provient d'équipements tels que les capteurs ou les caméras. Ces données brutes, afin d’apporter une information utile et rapide aux utilisateurs, nécessitent d’être analysées.
Pour y parvenir, il est possible d’avoir recours à un équipement embarqué à condition qu’il soit assez puissant. Dans le cas contraire, pour des traitements de données nécessitant des puissances de calcul importantes, leur gestion est effectuée sur une machine distante située ailleurs dans le monde.
Dans le cas où les données proviennent de caméras, ces dernières les transmettent à cette machine qui va se charger d’effectuer les calculs et les sauvegarder dans un espace de stockage fiable.
Cette machine, qui en réalité est constituée de multiples composants, est une des modélisations du Cloud.
Concrètement chez Dilepix, un équipement embarqué sur une machine agricole (tracteur, robot, mélangeuse automotrice…) ou installé dans un bâtiment d’élevage va envoyer ses données sur le Cloud afin que celles-ci soient analysées et sauvegardées.
Pour résumer, la gestion des données à travers le Cloud s’avère être une excellente stratégie pour les entreprises agricoles pour les raisons suivantes :
- Sécurité : leurs data seront stockées et traitées en toute sécurité
- Flexibilité et liberté : accès à leurs analyses à tout moment et de n’importe quel endroit dans le monde
- Volume important de données à traiter : le Cloud est capable d’absorber une quantité importante d’analyses
- Simultanéité : les importantes capacités de stockage et les puissances de calcul du Cloud permettent de travailler avec un grand nombre d’appareils fonctionnant en même temps.
Notons que les progrès liés à couverture réseau et l'arrivée de la 5G (même s'il ne faut pas oublier que les campagnes ne bénéficient pas toutes d'une bonne connectivité) ouvrent la voie à l'apparition de nouvelles technologies comme le Fog et l'Edge computing, qui devraient, à l'avenir, permettre de traiter les données au plus près de leur source.