En France, environ 10 millions de tonnes de produits alimentaires sont gaspillées chaque année. Avec l’aide de l’intelligence artificielle, les entreprises de la FoodTech s’attaquent au problème.
Quand on parle de gaspillage alimentaire, on s’intéresse généralement à celui qui se passe en fin de chaîne, quand un consommateur jette un produit qu’il n’a pas mangé. Cependant, selon une étude de l’Ademe, 32 % de ce gaspillage a lieu lors de la phase de production, 21 % pendant la transformation et 14 % pendant la distribution. C’est alors aux entreprises de trouver des solutions pour le réduire. Pour cela, elles peuvent compter sur un allié de taille : l’intelligence artificielle.
Marchés, grands magasins, cantines scolaires… Tout le monde s’y met !
Le marché de Rungis peut faire rêver avec ses étalages infinis de produits, mais ces énormes quantités soulèvent inévitablement la question du gaspillage. C’est là que l’entreprise Califrais entre en jeu : avec ses algorithmes, elle peut prédire la demande afin d’optimiser les flux et les stocks. Cela permet d’être au plus près de la quantité que veulent les clients et ainsi limiter le surplus. Pour créer des algorithmes encore plus performants dans le domaine de la logistique agroalimentaire, Califrais a même fondé le LabCom LOPF (Large-scale Optimization of Product Flows, soit l’optimisation à grande échelle des flux de produits) avec le CNRS, Sorbonne Université, l’université Paris Cité et le Laboratoire de probabilités statistiques et modélisation (LPSM).
Cette problématique touchant tous les secteurs de l’agroalimentaire, la FoodTech s’est passionnée pour ces modèles d’intelligence artificielle. Un autre exemple d’entreprise française spécialisée est Verteego. Fondée en 2008, elle affirme pouvoir aider aussi bien les industriels que la grande distribution et le commerce en ligne. Côté industrie, l’apprentissage automatique (machine learning) permet de prédire la demande pour adapter le flux de production, c’est-à-dire la quantité, le rythme et les investissements, tout en optimisant le transport et les stocks. Côté distribution et vente, l’IA propose par exemple de mettre en avant un produit précis ou de faire une opération promotionnelle à un moment donné – avec prédiction des ventes, bien sûr – pour un meilleur écoulement des stocks.
Une fois que l’algorithme [de Verteego] est opérationnel, il peut réduire [le] surplus d’environ 25%. Ça paraît peu, mais s’il était utilisé à l’échelle nationale, cela représenterait tout de même plusieurs centaines de milliers de tonnes de produits par an.
Ce type d’algorithme peut même être utilisé dans la restauration collective pour anticiper le nombre de repas à préparer en identifiant les jours et horaires creux et pour renouveler efficacement le menu en analysant quels plats les clients ont préférés. Par exemple, grâce à l’IA, les 97 cantines scolaires de Nantes ont pu se rendre compte qu’elles préparaient environ 430 repas de trop chaque jour. Et pour cela, Verteego a utilisé pas moins de dix ans de données mises à disposition par Nantes Métropole.
Quelles limites ? Quels résultats ?
C’est peut-être là où le bât blesse : la quantité de données demandées pour rendre l’algorithme suffisamment fiable. Un comportement humain aussi simple que choisir d’aller à la cantine et prendre un plat plutôt qu’un autre dépend de beaucoup de facteurs, non seulement le jour de la semaine et le plat lui-même, mais aussi la météo par exemple. Pour voir quels critères sont réellement déterminants, il est nécessaire de fournir au moins deux ou trois ans de données sur l’entreprise, ce qui laisse le temps de faire des erreurs et de créer du surplus.
Une fois que l’algorithme est opérationnel, il peut réduire ce surplus d’environ 25%. Ça paraît peu, mais s’il était utilisé à l’échelle nationale, cela représenterait tout de même plusieurs centaines de milliers de tonnes de produits par an. C’est sans compter sur d’autres technologies qui s’appliquent de plus en plus au secteur agroalimentaire. La blockchain, par exemple, permet une traçabilité de bout en bout sur la chaîne de production : ainsi, s’il y a un défaut exigeant un rappel produit, le processus d’identification du problème et de localisation des produits se fait beaucoup plus rapidement, ce qui pourra à terme empêcher des vagues de panique chez les consommateurs et du gaspillage supplémentaire.
À lire aussi
