Principe de la mesure électrique

Les capteurs d’Electric Plant mesurent des variations de microvolts dans le cambium, la couche vivante sous l’écorce. Ils sont fixés à l’aide de vis en acier inoxydable qui pénètrent le cambium, ce qui permet d’accéder directement aux fluctuations électriques générées par la plante. Chaque capteur a la taille d’un iPhone plié dans le sens de la longueur et transmet les données à une station de base via un réseau sans fil à faible consommation. Le coût matériel se situe « en dizaines de dollars », contre plusieurs milliers pour les sondes de sol ou les spectroscopes portables habituellement employés.

Les données sont collectées depuis trois ans dans des serres contrôlées, couvrant plus de 125 espèces végétales, allant des fougères aux séquoias en passant par les tomates. Cette diversité d’échantillons alimente le jeu d’entraînement du modèle d’IA, offrant une base empirique rare dans le domaine de la bioélectricité végétale.

Architecture du modèle Bombadil

Bombadil est présenté comme un « large language model » adapté aux signaux électriques. Au lieu de texte, le modèle apprend à associer des séquences temporelles de microvolts à des besoins physiologiques (lumière, eau, nutriments). L’entraînement repose sur les enregistrements provenant des capteurs, agrégés et normalisés avant d’être injectés dans le réseau de neurones. Le modèle fonctionne dans le cloud, où les inférences sont réalisées en temps réel et renvoyées aux utilisateurs via la même liaison sans fil.

Le système ne nécessite que quelques capteurs par acre pour obtenir une lecture fiable, ce qui réduit l’infrastructure physique requise. La capacité du modèle à couvrir plus de 125 espèces indique une généralisation au-delà d’un jeu de données limité, bien que chaque espèce conserve des signatures électriques propres.

Implications agronomiques et économiques

Selon le co‑fondateur, l’utilisation du système permettrait de réduire la consommation d’eau de 20 % ou davantage, tout en augmentant les rendements. Cette amélioration repose sur l’ajustement précis des calendriers d’irrigation et de fertilisation, guidé par les signaux détectés. Le modèle est soutenu par une levée de fonds de 11,2 M$ en seed, menée par Onto Ventures et Climactic, ce qui montre l’intérêt des investisseurs pour les technologies de monitoring végétal à faible coût.

Le prix des capteurs, « en dizaines de dollars », contraste fortement avec les équipements traditionnels coûtant plusieurs milliers de dollars, ouvrant la voie à une adoption à grande échelle, notamment dans les exploitations où le budget d’équipement est limité.

Limites et perspectives

Le projet ne révèle pas l’identité de ses premiers clients, ce qui rend difficile l’évaluation de la performance en conditions réelles hors serre. La pénétration du cambium, nécessaire à la mesure, peut introduire un stress mécanique sur la plante, un facteur qui n’est pas encore quantifié. De plus, la variabilité inter‑individuelle au sein d’une même espèce pourrait affecter la précision du modèle, nécessitant des validations supplémentaires. Enfin, l’expansion vers d’autres espèces ou vers des environnements extérieurs exigera probablement des ajustements du réseau de capteurs et du modèle d’apprentissage.