Technologie
À l’intérieur du rôle émergent de la XR dans la culture du cannabis

Imaginez entrer dans une salle de culture de cannabis et voir immédiatement quelles plantes sont proches du stress hydrique, où l’humidité s’écarte de la plage optimale, et quelle partie du couvert végétal mérite une inspection plus approfondie. Au lieu de consulter plusieurs tableaux de bord, l’information pertinente apparaît à côté même des plantes.
C’est la promesse concrète de la réalité étendue. Un examen récent publié dans Engineering1 analyse comment la réalité virtuelle, la réalité augmentée et la réalité mixte sont testées dans l’agriculture. Les applications étudiées vont du diagnostic des cultures et de l’orientation des machines à la surveillance du bétail, à l’aquaculture, aux opérations à distance et à la formation des travailleurs.
Le cannabis ne représente qu’une petite partie de l’examen, mais l’un de ses exemples les plus pertinents concerne un jumeau numérique basé sur la réalité virtuelle pour la production de cannabis médicinal. Plus important encore, de nombreuses conclusions plus générales s’appliquent de façon exceptionnelle au cannabis. La culture commerciale repose déjà sur des environnements contrôlés, des plantes étroitement surveillées, des récoltes précieuses et de grands volumes de données de capteurs. La XR pourrait rendre ces informations plus faciles à exploiter pendant que les cultivateurs se tiennent à l’intérieur de l’espace de culture.
La réalité étendue pourrait offrir une couche numérique aux salles de culture
La réalité étendue, souvent abrégée en XR, englobe plusieurs technologies connexes. La réalité augmentée ajoute des informations numériques à la vue du monde physique. La réalité virtuelle place l’utilisateur dans un environnement simulé. La réalité mixte permet aux objets numériques de rester ancrés et d’interagir avec le cadre physique.
Ces formats n’accompliraient pas les mêmes tâches au sein d’une installation de cannabis. L’AR pourrait soutenir le travail quotidien des cultures en affichant des relevés, des avertissements ou des consignes près des plantes concernées. La VR pourrait recréer une salle de culture entière pour la planification et la formation. La MR pourrait éventuellement permettre aux travailleurs d’interagir avec des modèles ancrés spatialement des conduites d’irrigation, des flux d’air, des zones d’éclairage ou des canopées de plantes.
| Format XR | Rôle agricole identifié dans l’examen | Limitation actuelle |
|---|---|---|
| Réalité augmentée | Visualisation sur site, diagnostic, navigation, maintenance et orientation opérationnelle | Les performances peuvent être affectées par l’éclairage, le mouvement, l’occlusion et les erreurs d’enregistrement |
| Réalité virtuelle | Jumeaux numériques, exploitation à distance, simulation d’équipement et formation sans risque | Les résultats dépendent de la qualité de la simulation, de la latence, du retour des capteurs et du confort de l’utilisateur |
| Réalité mixte | Interaction ancrée spatialement et travail collaboratif | Les applications agricoles restent moins matures que l’AR et la VR |
Dans chaque cas, la XR est principalement une interface. Les caméras, capteurs et IA continuent de collecter et d’interpréter les informations. Le rôle de la XR est de présenter le résultat là où il devient utile.
Voir les données de la plante là où elle pousse
Les installations de cannabis peuvent générer une abondance de données environnementales. La température, l’humidité relative, l’intensité lumineuse, le dioxyde de carbone, l’humidité du substrat, la conductivité électrique et l’activité d’irrigation peuvent tous être surveillés. Selon le système, les cultivateurs peuvent devoir passer des contrôles environnementaux au logiciel de fertigation, aux dossiers de culture et aux inspections visuelles pour comprendre ce qui se passe.
Une interface AR pourrait organiser ces informations spatialement. Un opérateur regardant un banc pourrait voir son activité d’irrigation récente et les relevés de la zone racinaire. Une autre partie de la salle pourrait être signalée parce que l’humidité est restée élevée après l’extinction des lumières. Une plante identifiée par vision par ordinateur comme anormale pourrait recevoir une étiquette visible indiquant à l’opérateur de l’inspecter.
Cela prolongerait les développements déjà évoqués dans la couverture MyCannabis de la façon dont L’IA transforme la culture et la transformation du cannabis. L’IA peut détecter des motifs et générer des prévisions, mais ses recommandations doivent encore parvenir à la bonne personne au bon moment du flux de travail. La XR pourrait connecter ces systèmes analytiques à la culture physique.
L’examen décrit ce processus comme une progression de la perception à l’analyse, la visualisation et l’orientation. Les capteurs ou caméras observent les conditions. Le logiciel interprète les données. La XR affiche le résultat, et l’utilisateur détermine la réponse appropriée.
Ce rôle humain demeure important. Un superposition colorée doit inciter à l’inspection plutôt que de la remplacer. Les symptômes du cannabis peuvent avoir des causes qui se chevauchent, et un algorithme pourrait confondre le stress d’irrigation avec un problème nutritionnel ou négliger un problème en développement caché sous la canopée. Les cultivateurs devront toujours confirmer ce que le système rapporte.
La vision par ordinateur pourrait rendre le repérage des cultures plus ciblé
Les systèmes agricoles étudiés par les chercheurs comprennent des outils de détection de la maturité des cultures, de classification des maladies, de comptage des parasites, d’estimation du rendement et d’orientation des travailleurs vers des fruits spécifiques. Bien que la plupart aient été développés pour des cultures autres que le cannabis, ils montrent comment la XR peut associer la vision par ordinateur au travail pratique en champ.
Un système de taille de la vigne guidé par AR a permis à des travailleurs non formés d’atteindre une qualité opérationnelle, en moyenne, 8,18 % supérieure à celle des agriculteurs expérimentés dans les conditions d’étude. Un autre système utilisait des lunettes AR et l’apprentissage profond pour compter les planthoppers du riz, réduisant de moitié la main‑d’œuvre requise tout en améliorant l’efficacité et la précision des relevés.
Une adaptation pour le cannabis pourrait orienter les éclaireurs vers des feuilles présentant une décoloration inhabituelle, des sections de canopée montrant un développement incohérent, ou des zones où une activité d’insectes est suspectée. Elle pourrait également aider à standardiser l’inspection des grandes installations par les employés en veillant à ce que les zones prioritaires ne soient pas négligées.
L’évaluation de la récolte présente une autre possibilité. MyCannabis a déjà examiné comment AI pourrait aider les cultivateurs de cannabis à déterminer le moment de la récolte. Si les systèmes d’imagerie deviennent capables de fournir des recommandations fiables au niveau de chaque plante, un affichage AR pourrait indiquer quelles plantes ou zones ont atteint la condition cible plutôt que d’obliger le cultivateur à comparer des images séparées, des résultats de laboratoire et des plans de salle.
Il s’agit d’une application tournée vers le futur. La revue rappelle à plusieurs reprises que de nombreux systèmes XR agricoles ont été testés sur des cultures individuelles, dans des conditions contrôlées ou avec un nombre limité de participants. Un modèle performant dans une salle ou pour un cultivar donné ne peut pas être supposé se généraliser à d’autres génétiques, systèmes d’éclairage, stades de croissance ou méthodes de culture.
Les jumeaux numériques pourraient permettre aux cultivateurs de tester avant de modifier
Un jumeau numérique est une représentation virtuelle d’un système réel qui peut être mise à jour avec les informations provenant de son homologue physique. En culture, cela pourrait signifier modéliser une salle, son équipement, ses conditions environnementales et potentiellement le développement de la culture.
La revue met spécifiquement en avant un jumeau numérique fondé sur la réalité virtuelle pour le cannabis pharmaceutique. Cette étude de cas a exploré un modèle virtuel conçu pour soutenir la simulation et la gestion de la production de cannabis médicinal.
Pour les cultivateurs, l’intérêt est évident. Modifier le flux d’air, l’éclairage, l’irrigation, la disposition de la salle ou les procédures opérationnelles comporte un risque financier lorsqu’on les teste sur une culture vivante. Un jumeau numérique suffisamment précis pourrait permettre aux équipes d’examiner virtuellement les changements possibles avant de les mettre en œuvre.
Les utilisations potentielles pourraient inclure :
- Examiner les plans de salle avant de déplacer l’équipement
- Visualiser les différences de flux d’air ou d’environnement entre les zones
- Former les employés aux procédures avant qu’ils n’accèdent aux zones de production
- Répéter les réponses aux pannes d’équipement ou aux conditions anormales
- Comparer les stratégies de culture sans mettre immédiatement les plantes en danger
Le terme « précis » est crucial. Une salle visuellement convaincante n’est pas nécessairement un jumeau utile. Le modèle doit refléter les conditions qui importent pour la culture, et ses prédictions doivent être testées par rapport aux résultats réels de production. Sinon, la VR devient un outil de présentation plutôt qu’un système de culture fiable.
La formation pourrait être l’usage précoce le plus pratique
Les exploitations commerciales de cannabis ont souvent besoin que les employés suivent des procédures cohérentes en matière d’assainissement, d’éclairement, de manipulation des plantes, d’utilisation de l’équipement et d’accès aux salles. La formation traditionnelle peut être difficile car les espaces de culture sont des environnements de production actifs. Faire entrer des travailleurs inexpérimentés dans ces salles peut interrompre le travail ou créer des risques évitables de biosécurité et de manipulation des cultures.
La VR pourrait offrir un cadre contrôlé où les employés pratiquent les procédures à plusieurs reprises avant de les exécuter autour de plantes vivantes. Un stagiaire pourrait apprendre la séquence d’accès à une zone de production propre, la réaction à une alarme environnementale ou l’inspection d’équipement sans impacter une installation en fonctionnement.
Contrairement au diagnostic des cultures, cette application ne nécessite pas qu’un algorithme reconnaisse chaque condition possible de la plante en temps réel. L’environnement et la leçon peuvent être conçus à l’avance. Cela rend la formation plus réalisable à court terme qu’un système AR censé diagnostiquer plusieurs cultivars dans des conditions changeantes.
La XR pourrait également préserver le savoir opérationnel. Les cultivateurs expérimentés s’appuient souvent sur des observations difficiles à communiquer uniquement par des procédures écrites. La formation immersive pourrait enregistrer où regarder, quelle séquence suivre et comment se déplacer dans une tâche. Elle ne capturerait pas chaque élément de l’expérience, mais elle pourrait rendre une plus grande partie de ce savoir transférable.
Pourquoi les salles de culture peuvent mieux convenir à la XR que les champs ouverts
La revue identifie la lumière directe du soleil, la poussière, la pluie, les variations de température, le mouvement des plantes, la faible connectivité et le terrain irrégulier comme principaux obstacles à la XR agricole. La culture de cannabis en intérieur élimine certaines de ces variables.
Les salles de culture offrent un éclairage contrôlé, des zones de travail définies, une alimentation électrique à proximité et une connectivité plus fiable. Les plantes sont disposées de manière systématique et les systèmes de production collectent déjà des informations numériques. La forte valeur des récoltes peut également faciliter la justification de technologies spécialisées lorsqu’elles préviennent les pertes ou améliorent la constance.
Cependant, la culture en intérieur engendre ses propres problèmes. Une humidité élevée peut affecter le matériel, les casques peuvent devenir inconfortables lors de longues équipes, et les appareils doivent respecter les protocoles d’assainissement. Les systèmes équipés de caméras pourraient enregistrer les travailleurs en continu, soulevant des questions légitimes concernant la surveillance et le consentement. Les données de culture peuvent également révéler des informations commercialement sensibles sur la génétique, les rendements, les méthodes d’exploitation ou la performance des installations.
Avant d’adopter la XR, les exploitants auraient besoin de réponses claires concernant la propriété des données, leur lieu de traitement, leur durée de conservation et la possibilité pour les fournisseurs de technologie de les utiliser à d’autres fins.
La XR doit encore gagner sa place dans la culture du cannabis
Le potentiel est considérable, mais les cultivateurs de cannabis n’ont pas besoin d’une autre plateforme coûteuse qui génère davantage d’informations sans améliorer la récolte.
Les outils XR les plus performants commenceront probablement par un problème clairement défini. Une installation pourrait utiliser la VR pour former les employés, la RA pour guider la maintenance, ou un jumeau numérique afin de tester des modifications du flux d’air. Le succès doit être mesuré par des résultats concrets tels que la réduction du temps de formation, moins d’inspections manquées, une diminution des pertes de récolte, une maintenance plus rapide ou une exécution plus cohérente.
Ce n’est qu’après que ces applications ciblées se soient avérées utiles que les exploitants devraient tenter de créer une salle de culture virtuelle globale.
Pour l’instant, la XR se comprend le mieux comme une approche émergente visant à rapprocher les systèmes de culture numériques des plantes et des personnes qu’ils sont censés soutenir. Le cannabis offre des conditions favorables à l’expérimentation, mais une démonstration convaincante ne suffit pas. La technologie sera pertinente lorsqu’elle aidera les cultivateurs à détecter un problème plus tôt, à former un employé plus en sécurité ou à prendre une meilleure décision sans ajouter de complexité inutile.
Références :
1 Liu, T., Miao, Z., Yang, S. X., Zhou, J., Gong, L., Zhang, B., Liu, C., & Zhao, C. (2026). La réalité étendue comme nouvel outil agricole visant à renforcer l’agriculture intelligente et la culture de précision. Engineering. https://doi.org/10.1016/j.eng.2026.08.021












