Adventiel tient à investir dans l’avenir de ses collaborateurs tout en développant une expertise de pointe en matière de numérique pour les acteurs des filières agricoles et agroalimentaires. C’est dans cette optique que Xavier L’HOSTIS, Responsable Innovation, a proposé d’accueillir un doctorant en Intelligence Artificielle et santé animale : Loïc EYANGO TABI.

Loïc approfondira pendant 3 ans son travail en data au sein des équipes Adventiel.

En effet, Loïc, à la suite de son stage de fin d’études d’Ingénieur Agronome chez Adventiel, souhaitait poursuivre par un doctorat. De notre côté, nous avions comme volonté de poursuivre les investigations sur plusieurs sujets ayant trait à l’Intelligence Artificielle appliquée à la santé animale et à la valorisation de diverses sources de données.

Loïc a accepté de répondre à nos questions et de nous partager son expérience sur sa thèse réalisée en partenariat avec le laboratoire de Biologie, Épidémiologie et Analyse de Risque en santé animale – BIOEPAR de l’INRAe avec Sébastien PICAULT, l’Institut de Génétique Environnement et Protection des Plantes – IGEPP avec Nicolas PARISEY, nos équipes et Oniris.

#1 Peux-tu te présenter ?

J’ai deux spécialisations, une première dans l’agriculture/agronomie en tant qu’ingénieur agronome et une seconde dans l’analyse de données en tant que data Scientist.

Je suis diplômée de l’école UniLaSalle Rouen en double cursus Ingénieur en agronomie et sciences végétales et Master of Science Agricultural and Food Data Management, Data science.

Les secteurs de l’agroalimentaire et de l’agriculture sont des secteurs ayant une grande variabilité de données et sont donc des domaines difficiles à cerner. Étant un passionné par la data science, mon but est de pouvoir comprendre, analyser et construire des modèles statistiques prédictifs dans ces domaines. C’est d’ailleurs pour cette raison que j’ai choisi de poursuivre mes études avec une thèse Cifre alliant mes deux spécialisations.

#2 Quel est le sujet de ta thèse ?

« Innover pour la Santé Animale au Travers de l’Intelligence Artificielle à finalité prédictible – Application aux maladies respiratoires des jeunes bovins. Couplage de plusieurs méthodes d’intelligence artificielle. »

L’objectif de ma thèse est d’identifier, construire et adapter des méthodes d’Intelligence Artificielle complémentaires qui permettront de construire des outils innovants permettant de prédire la dynamique des maladies respiratoires des jeunes bovins (BRD = Bovine Respiratory Disease).

Les BRD sont des maladies multi-pathogènes infectieuses et compliquées à traiter. Elles peuvent provenir de l’environnement, du sevrage, du transport, d’une baisse de l’immunité, etc. Ces maladies respiratoires sont à l’origine de pertes économiques importantes en Europe et outre-Atlantique. Actuellement, nous utilisons trop d’antibiotiques pour traiter les individus atteints. L’objectif est donc de pouvoir prédire la dynamique de ces maladies. Cela permettra de mieux cibler les traitements et ainsi réduire l’impact financier pour les producteurs.

#3 Pourquoi avoir choisi Adventiel ? Quel lien avec l’Intelligence artificielle et la santé animale ?

Adventiel est une entreprise numérique et possède son propre service innovation et data. De plus, Adventiel a pour particularité d’être spécialiste du digital appliqué au secteur agri-agro. Les équipes travaillent notamment sur de nombreux projets impliquant de la valorisation de données mais aussi du machine learning.

J’ai eu l’occasion de développer de nouvelles compétences en analyse statistique descriptive grâce à une étude statistique sur des données spatiales de GPS comparant différentes sources de remontées de points. J’ai également travaillé sur plusieurs projets de Machine Learning impliquant de la classification d’images et de la reconnaissance d’objets. Grâce à Xavier, j’ai eu l’occasion de travailler sur de nombreux sujets appliqués aux problématiques du secteur agricole.

#4 Quels sont les enjeux de ces trois années de doctorat ?

Sur trois années de thèse, il faut se rendre à l’évidence : je n’aurai pas le temps de traiter tous les aspects du sujet actuel tellement il est vaste. Je vais donc devoir me concentrer en priorité sur certains aspects techniques de manière à obtenir des résultats probants. Ils pourront ensuite être exploités dans le cadre d’autres sujets de recherche. En tant que doctorant Cifre, on me considère comme le vecteur d’un lien privilégié entre l’entreprise et l’académie. Je réparti mon temps à 80% pour la recherche académique et 20% pour le travail en entreprise. Ainsi je peux poursuivre ma formation en équipe complète, ce qui me permet d’étendre mes activités au sein de l’entreprise.

#5 INSATIABLE s’appuie sur l’intelligence artificielle appliquée à la santé animale. Peux-tu présenter ces différentes sources de données ?

En agriculture, nous avons accès à une multitude de sources de données, mais il est parfois difficile de les agréger et de les exploiter de manière optimale car les canaux d’acquisitions sont hétérogènes. C’est d’ailleurs complexe de pouvoir les associer entre elles.

Aussi, l’un des enjeux de la thèse est de pouvoir faire correspondre des sources de données hétérogènes entre elles. Parmi elles, on retrouve principalement deux types de données : les données sonores et les données d’imagerie. Nous avons également deux types d’acquisition de ces données : l’acquisition ponctuelle et l’acquisition continue. Plus largement, nous considérons également les paramètres d’ambiance tels que la température et l’humidité par exemple.

• Echographies pulmonaires : (ultrasons ponctuel)
• Vidéo surveillance (vidéo continue)
• Son d’intérieur des poumons (audio ponctuel)
• Son d’ambiance (audio continu)
• T°, H, CO2…)

#6 Quelles sont les perspectives techniques à l’issue de ta thèse ?

A l’issue de la thèse, nous espérons avoir construit un outil de prévision pour les maladies respiratoires des jeunes bovins. Mais durant la construction de cet outil, il y aura des étapes intermédiaires.

Celles-ci pourront potentiellement aboutir à d’autres types d’outils innovants, comme par exemple un outil de détection d’anomalies et de caractérisation des échographies pulmonaires des jeunes bovins. 

Par ailleurs, nous allons produire des connaissances scientifiques avec une méthode de couplage entre 2 méthodes de modélisation. Ces connaissances scientifiques pourront être transposées à d’autres cas d’usages qu’il reste encore à imaginer.

#7 Le petit mot de la fin ?

Investir dans la R&D, développer nos savoir-faire techniques, et notamment dans l’intelligence artificielle, éprouver de nouvelles technologies… les sujets sont multiples. Cependant, la finalité reste la même pour tous nos projets d’innovation : répondre au besoin de nos clients.