Taranis divise par 10 le coût par photo

Taranis a migré vers Google Cloud Platform en s'appuyant sur ses data centers mondiaux pour une connectivité rapide et sur les GPU V100 de Compute Engine pour le traitement d'images. La solution inclut une mise à l'échelle automatique de 1 000 à 4 000 V100, Kubernetes Engine pour le traitement d'images satellite, Cloud SQL pour le stockage des données et TensorFlow pour l'entraînement des modèles de machine learning. La plateforme traite 100 millions de caractéristiques distinctes réparties sur 700 000 images.

Selon un rapport des Nations Unies, la population mondiale atteindra 9,8 milliards d'habitants d'ici 2050, ce qui exigera une hausse considérable de la production alimentaire. Dans le même temps, l'urbanisation et l'imprévisibilité du climat pèsent sur la production agricole. Taranis répond à ce défi en combinant drones et IA pour aider les agriculteurs à limiter les pertes, augmenter les rendements et réduire leurs coûts. Fondée en 2014, l'entreprise gère aujourd'hui plus de 20 millions d'acres dans le monde grâce à sa plateforme d'intelligence agricole.

Taranis collecte d'importants volumes de données depuis des sites isolés en Russie, en Europe de l'Est et en Amérique du Sud. Chaque vol de drone capture environ 10 000 images, chacune pesant entre 10 et 20 Mo. L'entreprise devait téléverser rapidement ces volumes tout en disposant de la puissance de calcul nécessaire pour entraîner des modèles de machine learning complexes. Jusqu'à 40 % des récoltes sont perdues à cause des insectes, des maladies, des mauvaises herbes et des carences nutritionnelles : la détection précoce est donc essentielle.

Taranis a migré vers Google Cloud pour profiter de data centers mondiaux offrant une connectivité rapide adaptée à un débit de 30 To. La solution repose sur des GPU V100 sur Compute Engine avec une mise à l'échelle automatique de 1 000 à 4 000 unités selon la demande. L'architecture comprend Kubernetes Engine pour le traitement d'images satellite, Cloud SQL pour le stockage des données, Cloud Functions et Cloud Pub/Sub. Cette flexibilité permet à l'entreprise de réduire automatiquement ses ressources pendant les saisons agricoles calmes.

Taranis utilise TensorFlow pour entraîner ses modèles de machine learning et traite des dizaines de millions de photographies collectées au cours de l'année et demie écoulée. Chaque photo peut contenir jusqu'à un millier d'éléments d'intérêt : dégâts d'insectes, décolorations foliaires, etc. Au total, l'entreprise a traité près de 100 millions de caractéristiques distinctes réparties sur 700 000 images. La communauté open source TensorFlow apporte un soutien précieux pour développer ces modèles rapidement.

La migration vers Google Cloud a ramené les temps de téléversement d'une journée entière à quelques heures seulement — soit trois à quatre fois plus rapide qu'auparavant. L'entreprise déploie désormais ses fonctionnalités quasiment en continu grâce aux déploiements parallèles Kubernetes, ce qui limite les interruptions et supprime les mises à jour planifiées. Résultat : une amélioration produit plus rapide et des cycles de feedback raccourcis. Mais l'impact le plus marquant reste le coût par photo, désormais dix fois inférieur.

Taranis explore d'autres outils Google Cloud, notamment Cloud Bigtable, BigQuery et Cloud Dataflow, pour affiner ses analyses de données et sa business intelligence. L'entreprise prévoit une nouvelle expansion géographique et continue d'améliorer ses modèles de machine learning pour détecter de nouvelles catégories de maladies. Grâce à une infrastructure évolutive, l'équipe commerciale peut intégrer de nouveaux clients sans se soucier des limites de capacité.