Nous sommes entrés dans l’ère de l’« Agriculture 4.0 », caractérisée par l’introduction de l’intelligence artificielle (IA) dans la gestion et l’aide à la décision en agriculture. Depuis 2022, une nouvelle vague d’IA générative transforme tous les secteurs : les grands modèles de langue (LLM) tels que ChatGPT, Claude, Gemini, Llama et DeepSeek.

Ces LLM sont entraînés sur des centaines de millions de textes et maîtrisent le contexte et le raisonnement. Appliqués à l’agriculture, des études récentes montrent qu’ils peuvent atteindre entre 70 et 90 % de bonnes réponses aux examens agronomiques pour des modèles en développement. Présentement, leurs usages pratiques pour les agriculteurs incluent la rédaction de rapports, la synthèse de recherche, la traduction instantanée, des tutoriels personnalisés et des outils interactifs permettant la recherche d’information gouvernementale (ex. : AgriGuichet, Racine de FAC).

Les LLM fonctionnent grâce à une architecture de type Transformer (mécanisme d’attention) et s’améliorent via le fine-tuning, l’apprentissage par renforcement, les RAG et les MCP. À terme, l’IA multimodale permettra l’intégration de plusieurs types de données (sons, images, textes et données temporelles) ; des agents autonomes seront capables de planification à long terme ; les jumeaux numériques agricoles et les fermes connectées se généraliseront, ainsi que le traitement local sur des capteurs intelligents.

Dans cette section seront abordés plus spécifiquement :

• La description des concepts clés utilisés en IA avancée et en modèles génératifs (transformers, mécanismes d’attention) ;
• L’explication et les concepts clés des grands modèles de langue (LLM) ;
• L’explication de l’entraînement des LLM ;
• L’extraction d’information avec les LLM ;
• Revue des LLM en agriculture;
• Les limites et défis des LLM.