L’IA redéfinit la culture et la transformation du cannabis

La culture du cannabis a toujours impliqué un exercice d’équilibre complexe. La génétique, les nutriments, la lumière, la température, l’humidité, l’eau, le moment de la récolte et la manipulation post‑récolte peuvent tous influencer ce qui finit par se retrouver dans le produit fini. Même lorsque les cultivateurs suivent les mêmes procédures, la variation biologique peut rendre l’obtention de résultats constants étonnamment difficile.

Aujourd’hui, l’intelligence artificielle offre aux chercheurs et aux producteurs une nouvelle façon d’aborder ce problème. Les recherches émergentes sur les plantes médicinales et aromatiques suggèrent que l’IA peut relier les données de culture à la production phytchimique et au traitement, aidant potentiellement les producteurs à prendre de meilleures décisions tout en utilisant moins de ressources. Des études spécifiques au cannabis commencent à démontrer certaines de ces possibilités en culture de tissus et en micropropagation, tandis que des recherches botaniques plus larges montrent comment l’apprentissage automatique peut prédire les résultats chimiques et optimiser le traitement.

Les résultats sont intrigants, mais il est peut‑être encore plus important de considérer ce qu’ils révèlent quant à la direction que pourrait prendre la production de cannabis. Plongeons dans la recherche et voyons comment la technologie pourrait façonner l’avenir de la culture et de la transformation du cannabis.

L’IA pourrait améliorer la constance du cannabis

L’un des plus grands défis auxquels le cannabis commercial est confronté est la variabilité. Deux plantes du même cultivar peuvent réagir différemment aux conditions environnementales. De petites différences de nutriments, de génétique ou de conditions de culture peuvent influencer la croissance et le développement, tandis que le séchage et le traitement peuvent encore modifier le profil chimique du produit final.

Cela fait du cannabis un candidat particulièrement intéressant pour l’apprentissage automatique. Les systèmes d’IA peuvent traiter simultanément un grand nombre de variables, identifiant des relations qui peuvent être difficiles à reconnaître avec les approches conventionnelles. Au lieu de se fier uniquement à l’essai‑erreur, les producteurs pourraient éventuellement utiliser les données historiques de culture et de laboratoire pour prédire comment des conditions particulières influenceront la croissance des plantes, la production de cannabinoïdes, les profils de terpènes et la qualité post‑récolte.

Une revue de 2026¹ sur les applications de l’IA dans les plantes médicinales et aromatiques décrit cette opportunité plus large, incluant des applications en culture, profilage phytchimique, traitement et optimisation énergétique. Pour le cannabis, cependant, la plupart de ces avancées restent un domaine de recherche émergent plutôt qu’une solution commerciale éprouvée.

L’apprentissage automatique s’introduit dans la culture de tissus du cannabis

L’un des exemples les plus clairs spécifiques au cannabis concerne la micropropagation. La culture de tissus permet aux producteurs et aux chercheurs en cannabis de multiplier le matériel végétal dans des conditions contrôlées. Cependant, développer des protocoles fiables de culture de tissus peut être difficile, car les réponses des plantes dépendent de nombreux facteurs interactifs, notamment le génotype, les nutriments et les conditions environnementales.

Des chercheurs ont utilisé l’apprentissage automatique pour examiner les troubles physiologiques liés aux nutriments dans le cannabis micropropagé. L’étude a évalué les effets de 14 sels différents et a employé plusieurs approches d’apprentissage automatique pour prédire des troubles tels que le cal et basal, l’hyperhydricité, la nécrose foliaire et la nécrose de la pointe des pousses.

L’importance dépasse la simple identification de tissus végétaux malsains. Les chercheurs ont combiné modélisation prédictive et optimisation afin d’identifier des formulations de milieu pouvant réduire les résultats indésirables. La validation expérimentale des formulations optimisées a fourni la preuve que les approches assistées par l’IA pouvaient aider à affiner les protocoles de micropropagation du cannabis. Cela pourrait éventuellement réduire le nombre d’expériences physiques nécessaires pour trouver des conditions de culture de tissus efficaces, offrant un avantage aux producteurs commerciaux travaillant avec un grand nombre de cultivars.

La vision par ordinateur pourrait identifier le matériel végétal

La capacité de l’IA à « voir » les plantes constitue un autre domaine prometteur. Les systèmes de vision par ordinateur peuvent analyser des photographies et d’autres images afin de distinguer les espèces végétales, d’identifier leurs caractéristiques et, potentiellement, de détecter des anomalies. La recherche sur les plantes médicinales a produit des résultats de classification remarquablement élevés dans des conditions contrôlées, certains modèles affichant une précision d’environ 98 % voire plus, et une autre étude récente d’identification d’herbes rapportant des scores F1 allant jusqu’à 99,63 % pour certains modèles. Pour les producteurs de cannabis, une technologie similaire pourrait éventuellement aider à l’identification des plantes, à la classification des phénotypes, à la détection de maladies ou de stress, et aux flux de travail de contrôle de la qualité.

Cependant, il existe une distinction importante entre de bonnes performances sur un jeu de données de recherche soigneusement sélectionné et une fiabilité dans une installation de culture commerciale. Les installations réelles présentent des éclairages variables, des feuilles qui se chevauchent, différents cultivars, des tailles de plantes variables et d’innombrables variables environnementales. Un modèle entraîné dans des conditions de laboratoire contrôlées peut ne pas être aussi performant lorsque ces conditions changent. C’est pourquoi les chiffres impressionnants de précision doivent être considérés comme une preuve de potentiel, et non comme la démonstration qu’un système d’IA est nécessairement prêt à remplacer l’expertise humaine.

L’IA pourrait prédire les cannabinoïdes et les terpènes

Peut‑être la possibilité la plus enthousiasmante pour le cannabis est de prédire la chimie avant qu’une récolte n’atteigne le laboratoire. Les cannabinoïdes et les terpènes sont influencés par la génétique et les conditions environnementales, et comprendre ces relations pourrait aider les producteurs à développer des produits plus prévisibles.

La littérature plus large sur les plantes médicinales montre que l’apprentissage automatique peut être utilisé pour prédire les concentrations phytchimiques et optimiser les conditions de traitement. La revue identifie le profilage phytchimique comme l’un des principaux domaines où l’IA pourrait relier les décisions de culture aux résultats chimiques.

La recherche portant sur le séchage offre un autre aperçu de ce qui pourrait être possible. Dans une application d’apprentissage automatique impliquant la menthe verte, les modèles prédictifs pour les principaux phytchimiques ont atteint des valeurs R² d’environ 96 % à 98 % dans les conditions de l’étude. Il est important de noter que les tests indépendants ont produit des performances plus faibles, mais néanmoins utiles, illustrant pourquoi la validation hors du jeu de données d’origine est essentielle.

Pour le cannabis, des systèmes comparables pourraient un jour aider à prédire comment les températures de séchage, l’humidité et les durées de traitement influencent la rétention des cannabinoïdes et des terpènes.

Un séchage plus intelligent pourrait préserver la qualité

Le séchage ne consiste pas seulement à éliminer l’humidité du cannabis. La température, le flux d’air et la durée du séchage peuvent influencer la préservation des composés précieux et la constance du matériau fini. Si les producteurs peuvent prévoir ces changements, l’IA pourrait potentiellement aider à déterminer quand et comment un lot doit être séché plutôt que de se fier exclusivement à des réglages fixes.

Le bénéfice potentiel est double, avec un meilleur contrôle de la qualité et une utilisation plus efficace de l’énergie. Au lieu de faire fonctionner les équipements à des réglages prédéterminés, quels que soient les conditions, les systèmes intelligents pourraient théoriquement ajuster les processus en fonction des mesures en temps réel et des résultats prédits.

L’IA pourrait rendre l’extraction plus efficace

L’extraction est un autre domaine où l’optimisation peut avoir d’importantes répercussions économiques et environnementales. La recherche sur le traitement des huiles essentielles a démontré qu’un contrôle optimisé du flux de vapeur peut réduire considérablement les besoins énergétiques tout en maintenant un rendement d’huile extrêmement élevé. Une étude a rapporté qu’une trajectoire de flux de vapeur optimisée pouvait économiser environ 60 % d’énergie tout en extrayant presque toute l’huile essentielle disponible.

Cette recherche particulière a été menée sur des plantes aromatiques plutôt que sur le cannabis, il ne faut donc pas l’interpréter comme une preuve que l’extraction du cannabis peut obtenir les mêmes économies. Elle démontre plutôt le principe plus large selon lequel, lorsque les systèmes de traitement complexes sont modélisés mathématiquement, les conditions de fonctionnement peuvent potentiellement être optimisées à la fois pour l’efficacité et le rendement. Ce principe pourrait éventuellement trouver des applications dans l’extraction du cannabis, notamment à mesure que les transformateurs collectent des ensembles de données plus importants provenant de leurs équipements et des tests en laboratoire.

L’IA a encore besoin de meilleures données sur le cannabis

Le plus grand obstacle n’est peut‑être pas la technologie elle‑même, mais les données. Les systèmes d’apprentissage automatique ne sont utiles que dans la mesure où les informations utilisées pour les entraîner et les valider le sont. La recherche sur le cannabis reste fragmentée, et les ensembles de données peuvent varier considérablement en taille, qualité et méthodologie. Différents laboratoires peuvent employer des pratiques de culture, des méthodes analytiques, des cultivars différents et connaître des conditions environnementales variées. Cela rend difficile la construction de modèles qui généralisent de manière fiable d’une installation à l’autre.

Il existe également le problème de la transparence. Certains systèmes d’IA peuvent produire des prédictions très précises sans rendre évident pourquoi le modèle est parvenu à une conclusion particulière. Dans une industrie où la qualité, la sécurité et la conformité réglementaire sont essentielles, ce manque d’interprétabilité peut constituer une limitation sérieuse.

La propriété des données pose un autre défi. Qui possède les données de culture générées par un système d’IA ? Les producteurs peuvent‑ils les partager sans exposer la génétique ou les méthodes de production propriétaires ? Et comment les entreprises peuvent‑elles créer des modèles utiles sans compromettre les informations concurrentielles ? Ces questions deviendront de plus en plus importantes à mesure que l’IA passe des laboratoires de recherche aux opérations commerciales de cannabis.

L’IA assistera les cultivateurs, sans les remplacer

Malgré tout l’enthousiasme suscité par l’intelligence artificielle, l’avenir le plus réaliste n’est probablement pas une installation de cannabis entièrement automatisée. Les cultivateurs expérimentés comprennent des aspects qui peuvent ne pas apparaître dans un jeu de données. Ils reconnaissent les changements subtils chez les plantes, comprennent le comportement d’un cultivar particulier et peuvent réagir à des circonstances imprévues. L’IA, quant à elle, possède une force différente : elle peut traiter d’énormes quantités d’informations, identifier des schémas et faire des prédictions à partir de données historiques. La combinaison des deux pourrait être nettement plus puissante que chaque approche prise séparément.

Par exemple, un cultivateur pourrait utiliser l’IA pour identifier les schémas environnementaux associés à des récoltes incohérentes. Un technicien en culture de tissus pourrait recourir à des modèles prédictifs afin de réduire les formulations prometteuses avant de réaliser des expériences en laboratoire. Un transformateur pourrait quant à lui utiliser des modèles basés sur les données pour optimiser les paramètres de séchage ou d’extraction. Les tests en laboratoire fourniraient alors la vérification nécessaire pour déterminer si ces prédictions étaient réellement correctes. C’est là que réside la plus grande opportunité de l’IA.

L’avenir du cannabis pourrait être axé sur les données

L’intelligence artificielle pourrait éventuellement aider les producteurs de cannabis à passer de la gestion de la variabilité à sa prédiction. La recherche indique déjà une vision plus large de la production dans laquelle la culture, la génétique des plantes, la chimie, le séchage et l’extraction sont considérés comme des parties interconnectées du même système de données.

Cependant, la technologie ne remplace pas les cultivateurs expérimentés, l’analyse en laboratoire ou les procédures de contrôle de qualité conventionnelles. Des modèles très performants dans des études contrôlées ne se traduisent pas automatiquement en systèmes commerciaux fiables, et de nombreuses applications prometteuses nécessitent encore des ensembles de données plus importants, une validation indépendante et des tests en conditions réelles.

L’opportunité, toutefois, est difficile à ignorer. L’IA pourrait aider l’industrie du cannabis à produire des récoltes et des produits finis plus constants, plus efficaces et vérifiables. Plutôt que d’automatiser simplement les tâches, la technologie pourrait aider les producteurs à comprendre pourquoi la variabilité se produit et, éventuellement, à prédire les mesures à prendre. Pour une industrie bâtie autour d’une plante dont la chimie peut changer d’une récolte à l’autre, cela pourrait être l’une des contributions les plus précieuses de l’IA à ce jour.

Références:

^{1. Mostafa Farajpour, Applications de l’intelligence artificielle dans les plantes médicinales et aromatiques: une revue de la culture, du profilage phytchimique, de la découverte de médicaments et de l’énergie de transformation, Energy Nexus, Volume 23, 2026, 100800, ISSN 2772-4271, https://doi.org/10.1016/j.nexus.2026.100800}