Club Cepio
Cepio aujourd'hui :
- 4 années de tests sur le terrain
- 90 passionnés se connectent chaque jour
- 43 cueilleurs ont choisi Cepio+ comme allié pour leurs sorties champignons
Sur les réseaux :
Qui sommes-nous ?
Thierry V.
Salut, je suis bio-mathématicien et je travaille depuis plus de 20 ans sur la construction d'outils numériques utilisés par nos agriculteurs. Mon expertise est de modéliser les paramètres agronomiques et climatiques avec la plus grande précision possible.
Hugues L.
Bonjour, je suis ingénieur agronome et féru de nouvelles technologies. Je travaille sur des outils numériques pour améliorer le quotidien des agriculteurs et aujourd'hui des cueilleurs.
Comment peut-on prédire la pousse des champignons ?
1. Modéliser la pousse des champignons
- En opposition aux géants de la tech et leur approche "données massives", nous avons choisi de valoriser l'expertise scientifique pour prédire l'apparition de champignons (ce qu'on appelle communément un modèle "expert").
- Tout le monde croit qu'il faut des millions de données pour créer une IA. Pour la cueillette des champignons, il n'existe pas d'historique de récoltes fiable. La réalité du terrain c'est plutôt des données éparses, subjectives et incomplètes.
2. Deux méthodes existent pour modéliser la pousse des champignons
Méthode 1 : L'approche pilotée par les données ("Data-Driven")
Principe : "Vous me donnez 1 million d'exemples, je trouve ce que l'on peut rassembler pour prédire l'avenir"
Sources : Vos données personnelles et autres
Avantages : Découvre des corrélations invisibles
Inconvénients : Besoin de masses de données de qualité
Visualisation : Montagne de données → Boîte noire IA → Prédictions
Méthode 2 : L'approche pilotée par la connaissance ("Knowledge-Driven")
Principe : "Je connais les mécanismes, je les modélise"
Sources : Publications scientifiques, expertise terrain
Avantages : Fonctionne avec peu de données, explicable
Inconvénients : Limité par nos connaissances actuelles
Visualisation : Connaissances scientifiques → Modèle explicite → Prédictions
3. Notre choix de l'approche pilotée par la connaissance ("Knowledge-driven")
- Les champignons restent un défi tant leurs pousses demeurent complexes et incertaines. Cette complexité intéresse nos scientifiques : nous avons 50 ans + de recherche mycologique et de littérature scientifique disponibles.
- Les mécanismes biologiques de développement et de pousse des champignons sont bien documentés.
- Des études contrôlées sur le terrain et en laboratoire apportent une belle vision de la cinétique (vitesse) de pousse et de croissance de nos champignons.
- Données manquantes : Il n'existe pas de "Netflix des cèpes" avec des millions d'observations, des photos et des annotations de qualité
- Variabilité humaine : Chaque ramasseur a ses spots secrets
- Biais d'observation : On ne signale que les succès, pas les échecs !
Mieux comprendre ce qu'est un modèle "Knowledge-driven" :
- Analogie : On apprend avec un manuel de pilotage au lieu d'apprendre en crash-testant des avions
- Exemple concret : Nos modèles météo (physique de l'atmosphère) vs IA pure
4. Construction du modèle de pousse de Cepio
1
Étape 1 : On décortique la biologie des champignons (cèpes/bolets)
- Les cycles de vie des champignons : Mycélium → Stimulation → Fructification
- Les facteurs déclencheur identifiés dans la littérature :
- Choc thermique (stress froid)
- Réhydratation (signal chimique)
- Stress hydrique (urgence reproductive)
- Notre modèle évalue des épisodes de chocs thermiques. Un certain nombre d'heures froides sont nécessaires pour déclencher la fructification des sporophores. Il faut idéalement que cela se combine à un gros épisode pluvieux puis une période sèche et le tour est joué.
2
Étape 2 : On traduit les phénomènes biologiques en des équations mathématiques simples
- Seuils thermiques : Basés sur études physiologiques
- Fenêtres temporelles : Issues d'observations contrôlées
- Interactions : Modélisation des synergies
Exemple concret :
SI (Température < 12°C pendant 72h) ET (Pluie > 15mm dans les 5 jours suivants) ET (Pas de pluie pendant 5-8 jours après) ALORS Probabilité fructification = 80%
3
Étape 3 : On calibre avec les données actuellement disponibles
- Des données météo : 30 ans d'historique disponibles partout en Europe
- Observations terrain : Des cas documentés dans la littérature scientifique (Chambre d'Agriculture, Grands Organismes de Recherche Européens)
- Ajustement régional : On adapte aux spécificités locales
4
Étape 4 : On fait tourner notre modèle
- Avantage majeur : On peut expliquer pourquoi ça marche et expliquer nos résultats : l'indice de pousse. Un modèle par IA prédictif ne le serait pas.
- Confiance : On peut comprendre les limites
- Amélioration : On peut cibler facilement les recherches futures pour améliorer notre précision
5
Étape 5 : On valide notre modèle en arpentant le terrain avec un groupe test
- On valide sans Big Data par des tests en validation croisée (tester notre modèle dans différentes régions)
- On confronte notre modèle à des mycologues expérimentés et des groupes sociaux spécialisés
6
Étape 6 : On lance cepio.fr, la météo des champignons
- On lance un premier modèle adapté sur cèpes/bolets en ligne : il est gratuit le week-end et à 7 euros pour des prévisions une semaine à l'avance (couvrir nos frais).
7
Étape 7 : On analyse les retours et les besoins, on poursuit le travail
- On analyse les retours de terrain : temps de prospection, expertise du cueilleur, photos des champignons récoltés, poids de récolte.
- On se confronte avec des mycologues expérimentés et des groupes sociaux spécialisés
- On continue nos efforts en recherches et développement pour contourner les limites de notre modèle actuel :
- Facteurs non modélisés : santé des arbres hôtes, compétition entre espèces, micro-variations du sol
- Précision : 70-80% vs 95% pour des modèles Big Data à la pointe
- Généralisation : besoin de plus d'adaptation locale
- Transparence scientifique : code ouvert et vérifiable par la communauté, pas de magie cachée
5. Le futur de Cepio
Avec une approche hybride entre modèles pilotées par la connaissance et modèles pilotées par la donnée, nous allons pouvoir combiner le meilleur des deux mondes.
- Nos futurs modèles seront renforcés par de la donnée : modèles hybrides.
- L'approche en modèle hybride pourrait permettre de construire une plateforme idéale pour tout chasseur de champignons qui n'a pas peur d'utiliser la technologie une fois de temps en temps pour :
- Rechercher un créneau de prospection
- Rechercher un lieu de prospection
- Rechercher une espèce de champignon
- Nous accompagnerons cueilleurs amateurs comme chevronnés :
- S'interroger et se former à la météo, aux biotopes, aux cycles biologiques nécessaire à la pousse des champignons
- Partager son savoir en délivrant des conseils de cueillette à l'échelle locale
Choisissez votre accès
Compte gratuit
- Répertoire des grandes forêts européennes
- Prédictions sur une adresse personnalisée
- Prévisions sur le week-end à venir
Gratuit
et ça le restera
Cepio+
- Enregistrement des spots favoris
- Prédictions sur une adresse personnalisée
- Prévisions 7 jours à l'avance pour préparer ses sorties
7€
pour les 1000 premiers uniquement
sans abonnement