{
  "abstract": "La caractérisation des plantes et de leur environnement change d'échelle avec le développement des outils et méthodes de phénotypage numérique des plantes. Les outils de phénotypage et d’envirotypage, sont plus accessibles, permettant une observation multi-échelle de la plante et de son environnement – voire de la molécule – à l’observation multi-parcelles via le satellite. Parallèlement, les données sont plus accessibles et plus facilement valorisables via leur indexation dans des systèmes d’information ouverts. Leur traitement est facilité par des outils de plus en plus nombreux et sophistiqués, notamment avec l’aide de l’intelligence artificielle, facilitant ainsi l’analyse par l’opérateur. Deux exemples d’applications sont détaillés ici pour la segmentation de cultures mixtes et l’identification et le comptage de larves de ravageur. Les données environnementales et phénotypiques peuvent être combinées dans des modèles prédictifs ou d’aide à la décision. Ces données sont autant d’atouts pour accélérer le déploiement de l’agroécologie et d’une agriculture résiliente et durable.",
  "abstract_shown": true,
  "affiliations": [],
  "article_type": null,
  "arxiv": null,
  "author_total": 10,
  "authors": [
    {
      "name": "Benoît de Solan"
    },
    {
      "name": "Jean-Eudes Hollebecq"
    },
    {
      "name": "Jordan Bernigaud Samatan"
    },
    {
      "name": "Caroline Chaynes"
    },
    {
      "name": "Solenne Faul-Godec"
    },
    {
      "name": "Mathieu Marguerie"
    },
    {
      "name": "Afonso Ponce"
    },
    {
      "name": "Mario Serouart"
    },
    {
      "name": "Samuel Thomas"
    },
    {
      "name": "Tania Rougier"
    }
  ],
  "bibtex": "https://research.draconitic.com/paper/3kf8qk0gz6v6w.bib",
  "cited_by": 0,
  "doi": "10.17180/ciag-2026-vol114-art03",
  "fulltext_url": null,
  "id": "3kf8qk0gz6v6w",
  "issns": [
    "1958-5853",
    "1958-5853"
  ],
  "landing_url": "https://hal.inrae.fr/hal-05748608v1",
  "language": "fr",
  "licence": "CC-BY-4.0",
  "licence_label": "CC BY 4.0",
  "licence_source": "article",
  "licence_url": "https://creativecommons.org/licenses/by/4.0/",
  "metadata_licence": null,
  "native_subjects": [
    [
      "hal",
      "0.sde"
    ],
    [
      "hal",
      "0.sdv"
    ],
    [
      "hal",
      "1.sdv.sa"
    ],
    [
      "hal",
      "2.sdv.sa.sta"
    ],
    [
      "openalex",
      "1110|Smart Agriculture and AI"
    ]
  ],
  "openalex": "W7213212183",
  "pdf_url": "https://hal.inrae.fr/hal-05748608/document",
  "pmcid": null,
  "pmid": null,
  "published": "2026-09-14",
  "publisher": "INRAE",
  "ris": "https://research.draconitic.com/paper/3kf8qk0gz6v6w.ris",
  "sources": [
    {
      "first_seen": "2026-10-30T12:17:34Z",
      "native_id": "hal-05748608",
      "source": "hal",
      "url": "https://hal.inrae.fr/hal-05748608v1"
    }
  ],
  "subjects": [
    {
      "field": "biology",
      "origin": "hal:0.sdv",
      "subfield": "general"
    },
    {
      "field": "earth",
      "origin": "hal:0.sde",
      "subfield": "environmental-science"
    }
  ],
  "title": "Exemples d’apports de l’intelligence artificielle (IA) pour l’envirotypage et Phénotypage numérique des plantes",
  "title_text": "Exemples d’apports de l’intelligence artificielle (IA) pour l’envirotypage et Phénotypage numérique des plantes",
  "type": "peer-reviewed",
  "updated_at": "2026-10-30T12:17:34Z",
  "url": "https://research.draconitic.com/paper/3kf8qk0gz6v6w",
  "venue": "Innovations Agronomiques",
  "versions": []
}