La ferme sous algorithmes : qui formera les travailleurs de l’agriculture numérique ?

Par Myriam El Yassa

Observatoire des Nouvelles Technologies Agricoles – FAAN

L’agriculture contemporaine entre dans une phase de transformation dont les signes sont visibles partout, mais dont les conséquences professionnelles restent encore imparfaitement mesurées.

La robotique autonome, les capteurs connectés, les systèmes d’aide à la décision, l’intelligence artificielle, la télédétection ou l’agrivoltaïsme ne se contentent pas d’ajouter de nouveaux outils aux exploitations. Ils modifient la manière dont les décisions sont prises, répartissent différemment les savoirs entre agriculteurs, techniciens et entreprises, et déplacent progressivement la frontière entre travail manuel, expertise technique et traitement de l’information.

Cette recomposition est internationale. L’OCDE observe que les nouveaux entrants dans l’agriculture sont en moyenne plus jeunes, plus diplômés et davantage disposés à adopter des outils numériques, tout en rappelant que l’accès au foncier, au capital et aux compétences reste un obstacle structurel au renouvellement des générations.

La question des « nouveaux métiers agricoles » mérite donc d’être reformulée. Il ne s’agit pas seulement de compter combien de roboticiens, d’analystes de données ou de techniciens agrivoltaïques seront nécessaires. Il faut surtout comprendre comment les métiers existants deviennent plus hybrides et plus dépendants d’infrastructures techniques complexes.

L’autonomie des machines déplace le travail humain

La robotique agricole est souvent présentée comme un moyen de réduire la pénibilité et de répondre au manque de main-d’œuvre.

Mais une machine autonome ne supprime pas le travail humain : elle le reconfigure.

Le conducteur devient superviseur ; le mécanicien doit comprendre davantage d’électronique ; l’opérateur doit interpréter les informations issues des capteurs ; le responsable d’exploitation doit être capable d’intervenir lorsque le système sort de son fonctionnement nominal.

Plus une machine gère seule les situations ordinaires, plus l’intervention humaine se concentre sur les situations imprévues. Or ce sont précisément celles qui requièrent le plus de qualification.

Aux États-Unis, le National Institute of Food and Agriculture finance déjà des formations combinant agriculture de précision, capteurs, intelligence artificielle, machine learning, analyse de données et apprentissage pratique.

La donnée devient une composante de la compétence agricole

L’agriculture numérique repose sur une multiplication rapide des sources d’information : sondes d’humidité, stations météo, images satellitaires, drones, machines connectées, logiciels de gestion, capteurs d’élevage ou plateformes d’aide à la décision.

La compétence ne consiste plus seulement à observer directement une parcelle ou un troupeau. Elle consiste aussi à interpréter leur représentation numérique.

Cela suppose de savoir distinguer une donnée fiable d’une mesure aberrante, comprendre l’incertitude d’un modèle, confronter plusieurs sources et décider malgré des informations parfois contradictoires.

L’enjeu pédagogique devient donc moins d’apprendre à suivre une recommandation que d’apprendre à la discuter.

Former aux technologies agricoles sur le terrain

La FAO a organisé ce programme avec le ministère éthiopien de l’Agriculture et des partenaires privés. La formation ne portait pas uniquement sur le pilotage des drones, mais aussi sur le traitement des données, les missions autonomes et les questions de confidentialité.

Cet exemple est intéressant parce qu’il montre que la compétence technologique devient immédiatement multidimensionnelle : manipulation, traitement de données, réglementation, transmission des savoirs.

Quand la ferme devient une infrastructure numérique

La numérisation agricole est souvent décrite à travers ses objets visibles : un drone, un robot, une tablette.

Elle repose pourtant sur une infrastructure beaucoup plus large : réseaux, capteurs, serveurs, systèmes de géolocalisation, logiciels propriétaires, standards d’échange et parfois services cloud.

Chaque couche technique crée une dépendance potentielle.

Le débat sur les compétences rejoint ici celui de l’autonomie professionnelle. Un agriculteur véritablement formé au numérique devrait pouvoir demander : qui possède les données ? Où sont-elles stockées ? Peut-on les exporter ? Sous quel format ? Peut-on changer de fournisseur ?

De nouveaux métiers aux frontières des secteurs

Cette transformation fait émerger autour de l’exploitation des métiers difficiles à classer selon les catégories traditionnelles : technicien IoT agricole, opérateur de drones, spécialiste SIG, analyste de données agricoles, technicien de robotique, spécialiste de la maintenance électronique, conseiller en adaptation climatique, chef de projet agrivoltaïque.

Ces métiers ne sont ni entièrement agricoles ni entièrement technologiques. Ils se situent à leur intersection.

La conséquence est importante : les systèmes éducatifs ne peuvent plus organiser leurs formations uniquement autour de métiers définis de manière stable. Ils doivent apprendre à former à des combinaisons de compétences.

L’agriculture sous contrainte climatique

À cette transition numérique s’ajoute le changement climatique.

Les professionnels agricoles doivent désormais travailler avec des notions autrefois réservées aux spécialistes : stress thermique, évapotranspiration, bilan hydrique, projections climatiques, risque d’incendie ou scénarios d’adaptation.

Le métier agricole devient donc également un métier de gestion de l’incertitude.

Cette évolution ne signifie pas que chaque agriculteur doive devenir climatologue. Elle signifie que les formations doivent produire des professionnels capables de traduire des données climatiques en décisions agronomiques.

L’agrivoltaïsme comme métier-frontière

L’agrivoltaïsme offre un exemple particulièrement révélateur.

Un projet agrivoltaïque oblige à croiser agriculture, énergie, droit, économie, climat et territoire. Le professionnel doit comprendre l’effet de l’ombrage sur les cultures, la production photovoltaïque, les contraintes de circulation, la réglementation, le modèle économique et l’intégration paysagère.

En France, FAAN travaille précisément sur cette hybridation. Le projet développe une UCARE consacrée à l’analyse agronomique des projets agrivoltaïques, avec des apprentissages portant sur l’irradiance, l’ombrage, les besoins des cultures, la conception du dispositif et la formulation d’un diagnostic argumenté.

Voir le travail de FAAN sur les formations en agrivoltaïsme

Innovation agricole et formation internationale

La FAO développe depuis plusieurs années un réseau de Digital Agriculture Innovation Hubs en Éthiopie, au Maroc, à la Dominique et à Grenade. L’objectif est de réunir agriculture, innovation, formation et entrepreneuriat.

Le modèle intéresse directement les politiques de formation : il ne s’agit plus de séparer école, entreprise, exploitation et recherche, mais de les organiser dans un même écosystème.

Le temps des diplômes et le temps des technologies

Un autre problème apparaît : celui du rythme.

Un diplôme demande plusieurs années pour être conçu, accrédité, déployé puis évalué. Une technologie numérique peut changer de génération en quelques mois.

Cette différence de temporalité rend la formation continue incontournable.

La réponse internationale passe de plus en plus par des formats courts : micro-certifications, certificats de compétences, formations hybrides, modules en ligne, apprentissage pratique et formation des formateurs.

Former les formateurs

La question la plus décisive reste peut-être celle-ci.

Une institution peut acheter un robot sans devenir capable de l’enseigner. Elle peut posséder des casques de réalité virtuelle sans savoir concevoir un scénario pédagogique pertinent.

Le capital technologique d’un établissement ne se mesure donc pas au nombre d’équipements qu’il possède, mais au nombre de professionnels capables de les mobiliser, de les expliquer et de les intégrer dans une pédagogie.

FAAN a inscrit cette dimension dans plusieurs de ses actions.

Action 2 – Construire une offre de formation longue

Action 3 – Développer des systèmes immersifs

FAAN comme laboratoire sociotechnique

L’intérêt de FAAN est précisément de pouvoir relier trois espaces souvent séparés : l’exploitation, la formation et l’innovation.

Dans son Action 6, les exploitations pédagogiques partenaires servent de sites d’expérimentation des Nouvelles Technologies Agricoles. Le projet prévoit d’évaluer leur ergonomie, leur efficacité et leur fiabilité, mais également de travailler sur les données sensibles et les enjeux sociétaux associés au numérique.

Voir les expérimentations FAAN sur les NTA

Ce modèle est scientifiquement intéressant parce qu’il permet d’évaluer les technologies en situation réelle.

Une machine n’est pas seulement jugée sur ses performances nominales. Elle peut être étudiée selon au moins six dimensions : performance agronomique, coût total d’utilisation, robustesse, facilité d’apprentissage, impact sur l’organisation du travail et effets sur l’autonomie des utilisateurs.

La transition technologique peut aussi créer de nouvelles inégalités

Les discours sur les métiers du futur supposent souvent que la technologie produit mécaniquement une élévation des compétences.

Ce n’est pas toujours le cas.

Elle peut également segmenter davantage le travail. D’un côté, des ingénieurs, techniciens et analystes hautement qualifiés contrôlent les systèmes. De l’autre, certains travailleurs continuent d’effectuer les tâches difficiles à automatiser sans bénéficier du même accès à la qualification.

La question devient donc celle de la diffusion réelle des compétences.

Former à adopter, mais aussi à renoncer

Une dernière compétence est rarement mise en avant : savoir ne pas adopter une technologie.

Une machine peut être techniquement remarquable mais économiquement inadéquate pour une exploitation donnée. Un logiciel peut offrir des fonctions sophistiquées mais générer une dépendance excessive.

La compétence technologique ne consiste donc pas à utiliser tous les outils disponibles. Elle consiste à savoir lesquels sont pertinents.

Vers une science des compétences agricoles ?

Les comparaisons internationales permettent finalement d’identifier plusieurs blocs qui structurent les nouveaux métiers :

• Agronomie : sols, végétal, animal, systèmes de production.
• Données : capteurs, statistiques, visualisation, intelligence artificielle.
• Automatisation : robotique, électronique, navigation, maintenance.
• Climat : eau, température, risque et adaptation.
• Énergie : photovoltaïque, sobriété, stockage, agrivoltaïsme.
• Compétences sociales : organisation du travail, communication, droit, éthique et autonomie.

La nouveauté ne réside donc peut-être pas dans chacun de ces domaines. Elle réside dans leur combinaison.

Conclusion

La transformation numérique de l’agriculture ne sera pas seulement une transformation des machines.

Elle sera une transformation de la division du travail.

La question décisive ne sera pas de savoir combien de technologies entreront dans les exploitations, mais qui saura les comprendre.

FAAN constitue à cet égard un terrain intéressant : un projet où formations, expérimentations, technologies immersives, agrivoltaïsme et exploitation pédagogique sont mis en relation dans un même dispositif.

Présentation générale du projet FAAN

La technologie transforme les métiers agricoles. Mais ce sont les politiques de formation qui détermineront si cette transformation renforce l’autonomie des professionnels ou accroît leur dépendance aux systèmes qu’ils utilisent.

Références principales

• OCDE – travaux sur la numérisation de l’agriculture et les nouveaux entrants.
• Cedefop – travaux sur les compétences pour la transition verte dans l’agroalimentaire.
• FAO – Global Network of Digital Agriculture Innovation Hubs.
• USDA-NIFA – programmes de formation en IA, agriculture de précision et sciences des données.
• FAAN – Formations Agricoles, Agrivoltaïsme et Numérique.