L’intelligence artificielle pour réduire le gaspillage alimentaire

En France, plus de 12 millions de tonnes de nourriture consommables finissent à la poubelle chaque année. Plus de 30 % de ces aliments sont détruits au stade du processus de production. Dans le cadre du projet Resource-efficient Intelligent Foodchain (“REIF”), l’Institut allemande Fraunhofer travaille avec des partenaires pour lutter contre ce gaspillage alimentaire. L’intelligence artificielle peut être un atout précieux pour lutter contre le gaspillage alimentaire. En effet, le fromage, le pain, la viande et d’autres produits alimentaires peuvent être produits efficacement grâce à des algorithmes basés sur des données. Les méthodes d’apprentissage automatique peuvent optimiser la planification des ventes et de la production ainsi que les systèmes de contrôle des processus et des usines.

La France s’est engagée à respecter l’objectif des Nations unies de réduire de moitié le gaspillage alimentaire d’ici à 2030. Jusqu’à 10 millions de tonnes de nourriture finissent à la poubelle dans notre pays, et ce tout au long de la chaîne de production et de consommation. Une étude a révélé qu’environ 30% du gaspillage alimentaire se produit dès la phase de production et de transformation des aliments alors que 18% sont imputables au commerce de gros et de détail. Le projet REIF réunit 30 partenaires qui travaillent sur une solution à long terme. L’objectif principal est de concevoir un écosystème d’Intelligence Artificiel, permettant des mesures de production plus fines.

Minimiser la surproduction et éviter les déchets

Les causes des déchets évitables sont diverses, allant de la surproduction aux fluctuations de la qualité des matières premières, en passant par le fait que les aliments ne répondent pas à des exigences esthétiques spécifiques. Les partenaires du projet REIF se concentrent sur les produits laitiers, la viande et le pain. Le gaspillage se produit avec ces produits principalement parce qu’ils se dégradent rapidement. Deux aspects sont essentiels pour réduire de manière significative les pertes alimentaires dans ces secteurs : limiter la surproduction et éviter le gaspillage.

Le projet vise à optimiser d’une part les installations et les machines de production et d’autre part les systèmes de planification et de contrôle de la production pour réduire les déchets à l’aide de l’IA. Les chercheurs souhaitent appliquer l’IA à l’ensemble de la chaîne de production en créant des algorithmes spécifiques au secteur de la production alimentaire. Ces algorithmes devraient permettre d’optimiser la prévisibilité et la contrôlabilité dans tous les domaines, de la production à la distribution et à la vente.  La surproduction et le gaspillage peuvent être évités en faisant des prévisions ciblées sur les besoins alimentaires, en améliorant la prévisibilité et la contrôlabilité des processus de production et en réduisant les pertes alimentaires liées à la qualité.

Les potentiels de gain sont très divers explique l’un des responsables du projet en prenant l’exemple d’un mélangeur de viande. La température et la durée du processus de mélange influencent la date de péremption des produits carnés. Si nous utilisons des algorithmes d’IA pour minimiser la quantité d’énergie admise dans le processus de mélange, nous pouvons prolonger la date de péremption, ce qui permet d’optimiser le temps de vente au supermarché et de réduire les pertes alimentaires.

Des informations liées pour toutes les étapes de la chaîne alimentaire

À long terme, les partenaires du projet REIF cherchent à établir un écosystème informatique et à mettre en place une plateforme informatique à grande échelle. À l’avenir, les entreprises pourront fournir les algorithmes d’IA qu’elles ont mis en œuvre à tous les participants sur cette plateforme. Un autre objectif est de mettre en réseau les données de toutes les entreprises impliquées dans le projet afin de renforcer la valeur ajoutée au sein du réseau de valeur complexe de l’industrie alimentaire. L’expertise d’une entreprise pourra alors être transférée à une autre organisation. Plus les données sont mises à disposition, plus le modèle d’IA sera performant.

Au final, les entreprises de production alimentaire pourront mieux contrôler leurs processus de fabrication en bénéficiant des prévisions de vente. Les données collectées par les supermarchés seront incluses dans les prévisions. Si nous réunissons une série de facteurs tels que le comportement des clients, les niveaux de stock et les dates de péremption, nous pouvons procéder à des ajustements dynamiques des prix sur des produits spécifiques dans les supermarchés.

Cela permet de garantir un profit maximal au détaillant tout en réduisant le gaspillage et la surproduction. L’ensemble de la chaîne de livraison bénéficie de l’idée de partage de l’information, qui inclut également les données externes. Si les conditions climatiques sont bonnes, les supermarchés vendent plus de viande pour les barbecues. Les producteurs de viande peuvent adapter leur volume d’abattage en conséquence et, inversement, réduire leur production en cas de mauvais temps. Et le client final en profiterait également : en cas de mauvais temps, le prix de la viande pour les barbecues pourrait être réduit plus tôt, ce qui éviterait qu’elle ne reste en rayon.