Imaginez : vous travaillez sur un projet alimentaire territorial. Vous cherchez des retours d'expérience sur les cultures vivrières adaptées à votre sol argileux et votre climat pluvieux. Bonne chance pour trouver l'info pertinente parmi des milliers de fiches dispersées sur une demi-douzaine de sites différents.
C'est exactement le casse-tête auquel font face quotidiennement les acteurs de la transition agricole et alimentaire en France. Et c'est ce problème que nous avons voulu résoudre avec Solagro et le consortium du Portail de l'Alimentation Durable.
« On a une multitude de ressources créées par toutes nos structures — des retours d'expérience, des fiches de capitalisation, des outils, des méthodologies — mais qui restent souvent dispersées dans des formats divers et manquent de visibilité. »
— Julie, Solagro
🎯 Ce que vous allez découvrir
Un écosystème de ressources pour la transition alimentaire
Rechercher par le sens, pas par les mots-clés
Comment fonctionne la vectorisation et l'embedding
1000x moins énergivore que ChatGPT, données maîtrisées
🎥 Voir le webinaire complet
Le problème : des trésors enfouis sous des tonnes de données
Le secteur de la transition alimentaire regorge de ressources précieuses. Des associations, des collectivités, des chercheurs produisent depuis des années des guides, des études de cas, des méthodologies éprouvées. Le souci ? Chaque structure a son propre site, sa propre façon d'organiser l'information, ses propres catégories.
Résultat : un chargé de mission qui veut monter un Projet Alimentaire Territorial doit jongler entre six plateformes différentes, maîtriser autant d'interfaces de recherche, et souvent se résigner à ne trouver qu'une fraction de ce qui existe réellement.
La première réponse : un moteur de recherche unifié
En 2021, un consortium d'acteurs engagés — Crisalim, Maurisiat, puis Solagro — a lancé le Portail de l'Alimentation Durable. L'idée : créer un point d'entrée unique vers toutes ces ressources dispersées.
Techniquement, le défi était de taille. Chaque source avait sa propre technologie (WordPress, API, fichiers...), sa propre taxonomie (sa façon de catégoriser), et sa propre ontologie (sa "grammaire" pour décrire les données). Il a fallu construire des ponts entre tous ces systèmes.
Nous avons utilisé notre outil Grap pour collecter et harmoniser les données, puis les avons stockées dans une base de connaissances sémantique universelle. L'avantage du web sémantique ? C'est la seule norme internationale pour stocker de l'information de manière interopérable. L'inconvénient ? Les performances de recherche ne sont pas extraordinaires.
Alors nous avons ajouté une couche d'indexation avec Meilisearch pour offrir une recherche rapide et tolérante aux fautes d'orthographe. Le résultat : un portail fonctionnel qui attire 1000 utilisateurs par an.
Architecture du système
multiples
(ETL)
sémantique
Meilisearch
Les limites du moteur traditionnel
Malgré tous nos efforts d'ergonomie, le portail gardait une limite fondamentale : il fallait maîtriser l'art de la recherche par mots-clés. Choisir les bons filtres. Deviner les bons termes.
La recherche classique ne tolère pas les variations de sens, les approximations, les intentions multiples. Si vous cherchez "comment cultiver des légumes avec beaucoup de pluie", un moteur traditionnel va chercher ces mots exacts. Il ne va pas comprendre que vous parlez de sols humides, de drainage, de cultures adaptées au climat océanique.
Et surtout, il ne va pas vous expliquer pourquoi telle ou telle ressource répond à votre besoin.
L'agent IA : chercher par le sens, pas par les mots
C'est là qu'intervient l'intelligence artificielle. Pas pour remplacer la base de connaissances — elle reste le cœur du système — mais pour la rendre vraiment accessible.
Le principe est simple : au lieu de faire apprendre au modèle IA toutes les connaissances (ce qui consomme une énergie monstrueuse), on lui fournit les informations pertinentes au moment où il en a besoin. C'est ce qu'on appelle le RAG (Retrieval Augmented Generation).
Deux approches radicalement différentes
❌ L'approche "tout apprendre"
ChatGPT a ingéré des pétaoctets d'information pour pouvoir répondre à tout. Coût environnemental colossal. Et les données peuvent être obsolètes.
✅ L'approche RAG
Un petit modèle intelligent + une base de connaissances à jour. On cherche l'info pertinente, puis on la reformule. Efficace et actualisable.
Comment ça marche concrètement ?
Quand vous posez une question à l'agent, plusieurs choses se passent en coulisses :
- Compréhension de l'intention — L'agent analyse votre question et la transforme en "vecteur mathématique" qui capture son sens. C'est ce qu'on appelle la vectorisation.
- Recherche sémantique — Ce vecteur est comparé aux vecteurs de toutes les ressources de la base. On trouve celles dont le sens correspond, pas juste les mots.
- Synthèse intelligente — Le modèle IA (Mistral dans notre cas) reçoit votre question ET les ressources pertinentes, puis construit une réponse contextualisée.
- Traçabilité — Chaque réponse cite ses sources avec des liens directs vers les ressources originales.
Le tout prend entre 30 et 40 secondes. C'est plus lent que ChatGPT ? Oui. Mais c'est aussi 1000 fois moins énergivore à l'exécution, et les réponses sont ancrées dans des sources vérifiables.
Un exemple concret
Lors de notre démonstration, nous avons posé la question : "Quelle culture vivrière pour des sols argileux et beaucoup de pluie ?"
L'agent a retourné plusieurs ressources pertinentes :
- Un projet sur l'amarante, plante vivrière adaptée à diverses conditions, riche en nutriments
- Une fiche sur les sols vivants, particulièrement pertinente pour la gestion des sols argileux et humides
- Un retour d'expérience d'un agriculteur travaillant sur un sol calcaire, avec tout son mode opératoire
Chaque ressource est accompagnée d'une explication de pourquoi elle répond au besoin, de ses thématiques, et d'un lien direct vers la source.
🎯 Testez par vous-même
Le portail et son agent IA sont accessibles gratuitement. Posez vos questions sur la transition alimentaire et découvrez des ressources que vous n'auriez jamais trouvées autrement.
Accéder au portail →Nos engagements : frugal, souverain, éthique
Ce projet incarne notre vision de ce que devrait être l'IA en 2025. Pas un gadget énergivore qui impressionne, mais un outil utile qui respecte des principes fondamentaux.
Frugal
Nous utilisons les modèles les plus petits adaptés au besoin. Pas de sur-dimensionnement. L'efficacité avant l'esbroufe.
Souverain
Modèles open source (Mistral), serveurs maîtrisés, données qui ne fuient pas. Aucun réentraînement sur vos données.
Éthique
Hébergement alimenté en énergies renouvelables (Infomaniak en Suisse, hydroélectricité). Transparence totale.
La suite : vers un assistant encore plus utile
Ce n'est que le début. La phase 3 du projet prévoit :
- Génération de rapports PDF — Synthèses téléchargeables pour vos projets
- Plus de sources — Élargissement de la base de connaissances
- Analyse des usages — Pour améliorer continuellement la pertinence des réponses
- Détection des hallucinations — Parce que la fiabilité reste notre priorité
Ce que ce projet démontre
Il est possible de créer des agents IA véritablement utiles sans sacrifier l'environnement ni la souveraineté des données. L'approche RAG permet de valoriser vos bases de connaissances existantes, de les rendre accessibles en langage naturel, tout en gardant le contrôle.
Le portail de l'alimentation durable n'est qu'un exemple. La même approche peut s'appliquer à n'importe quelle organisation qui possède des données précieuses mais difficiles d'accès.
Julie
Coordinatrice du projet, présentation du contexte et des besoins de l'écosystème de la transition alimentaire.
Simon Louvet
Conception et réalisation de la solution technique, de la base sémantique à l'agent IA.