Cultiver l’innovation dans l’agro-industrie : Rédiger des brevets d’IA – Partie 2

19 mars 2024

Écrit par Lorelei Graham, Fred Barbieri and Ahmed Elmallah

Ce blog est la deuxième partie d’une série en deux parties sur les brevets et la technologie de l’intelligence artificielle dans l’industrie de l’agtech et de l’agro-industrie. La première partie , Cultivating Innovation in Agribusiness : The Surge of AI Patents – traite du nombre croissant de brevets d’intelligence artificielle déposés et délivrés dans le secteur agricole, y compris quelques exemples particulièrement innovants.

Dans ce blogue de suivi, nous explorons les subtilités des brevets d’intelligence artificielle (IA) dans l’industrie de l’agriculture et de l’agro-industrie, en soulignant les obstacles importants et les considérations stratégiques qu’il est essentiel de garder à l’esprit lors de l’élaboration de demandes de brevet d’IA robustes.

Brevets d’IA dans les technologies agricoles : principaux défis

Le brevetage des technologies d’IA, en particulier dans le secteur agricole, présente des défis uniques. Nous décrivons ci-dessous les trois principaux obstacles.

Déterminer l’admissibilité au brevet

Le noyau de nombreux systèmes d’IA - les algorithmes mathématiques - ne sont généralement pas brevetables dans diverses juridictions. La simple mise en œuvre de ces algorithmes via des ordinateurs ne les qualifie pas intrinsèquement d’objet brevetable. Ceci est particulièrement pertinent pour les modèles d’apprentissage automatique, qui sont essentiellement des algorithmes mathématiques complexes.

En assurer la nouveauté et la non-évidence

Pour qu’une invention d’IA soit brevetable, elle doit non seulement être nouvelle, mais aussi représenter une avancée non évidente par rapport aux technologies existantes. Ce critère est essentiel lorsque l’on considère l’application de modèles d’apprentissage automatique en agriculture, où la nouveauté réside souvent dans l’application plutôt que dans la technologie elle-même.

Appte Disclosure

Une demande de brevet doit fournir suffisamment de détails sur l’invention, garantissant qu’une personne qualifiée dans le domaine pourrait reproduire le système d’IA. Les descriptions vagues, telles que l’utilisation de « tout modèle d’apprentissage automatique », sont insuffisantes pour satisfaire aux exigences de divulgation.

Les brevets d’IA dans les technologies agricoles : considérations stratégiques

Pour relever efficacement ces défis, plusieurs considérations clés peuvent être utiles lors de la rédaction de demandes de brevet d’IA dans le domaine de l’agriculture.

Addre les problèmes agricoles du monde réel

Illustrating how the AI technology solves specific, real-world problems in agriculture can help establish its patentability. Cette approche s’harmonise avec le concept d'« IA appliquée », démontrant l’application de modèles d’IA pour résoudre des problèmes tangibles tels que :

• Optimisation du rendement des cultures : Un système d’IA qui analyse des images aériennes et des données de sol pour recommander des modèles de plantation précis et des rotations de cultures, augmentant considérablement le rendement par acre.
• Détection des ravageurs : Système de surveillance de l’IA par drone qui permet d’identifier rapidement les infestations de ravageurs en analysant les images de cultures, en permettant des mesures de lutte antiparasitaire ciblées et, en fin de compte, en réduisant les pertes de récoltes.

Décontriser les améliorations de la fonctionnalité informatique

Même si l’innovation principale ne réside pas dans son application pratique, une invention d’IA peut toujours être brevetable si elle améliore la fonctionnalité informatique. Cela pourrait inclure, par exemple, des adaptations de modèles d’IA qui :

• Intégrer les adaptations d’appareils de faible puissance : Un modèle d’IA conçu pour les capteurs d’humidité du sol qui fonctionnent avec une puissance minimale, permettant une surveillance à distance à long terme sans remplacements fréquents de la batterie.
• Optimisations de la vitesse des processus : Un algorithme d’IA qui traite rapidement les données des capteurs de terrain qui fournissent des analyses en temps réel sur la santé des sols et des recommandations d’ajustement ultérieures, permettant des améliorations immédiates aux pratiques agricoles.

Incorporating the Hardware Environment

AI modèles dans les milieux agricoles fonctionnent souvent dans des environnements matériels spécifiques. La description de ce contexte matériel peut donner un aspect physique à l’invention, aidant à surmonter les obstacles à l’admissibilité des brevets. Voici des exemples pertinents :

• Capteurs de détection de l’humidité du sol : Intégration de l’IA avec des capteurs d’humidité du sol qui aident à prédire les besoins d’irrigation, en ajustant l’approvisionnement en eau en temps réel pour optimiser l’utilisation de l’eau.
• Drones pour l’imagerie aérienne : Drones améliorés par l’IA qui traitent les images à la volée pour cartographier la santé des cultures et les modèles de croissance, permettant des pratiques d’agriculture de précision.

Focusing on Post-Processing of AI Outputs

Comment les résultats d’un modèle d’IA sont utilisés, en particulier s’ils entraînent un changement physique ou un contrôle dans le domaine agricole, peuvent soutenir davantage les arguments en faveur de la brevetabilité. Cela pourrait inclure l’utilisation de l’IA pour :

• Automatiser les systèmes d’irrigation : Un système d’IA qui analyse les résultats de divers capteurs pour contrôler les systèmes d’irrigation, assurant une distribution optimale de l’eau en fonction du stade de croissance de la culture et des niveaux d’humidité du sol.
• Ajuster les calendriers d’alimentation du bétail : Applications d’IA qui surveillent la santé et les taux de croissance du bétail, en ajustant les calendriers et les compositions des aliments pour maximiser l’efficacité et la santé de la croissance.

Détailing the AI Model

Il est idéal pour décrire au moins une implémentation du modèle d’IA en détail, plutôt que de suggérer que n’importe quel modèle pourrait être utilisé. Cela inclut l’architecture du modèle, toutes les configurations uniques et la façon dont il est adapté à des applications agricoles spécifiques. Voici des exemples pertinents :

• Architecture pour la prédiction des maladies : Un modèle d’IA avec une architecture de réseau neuronal convolutionnel unique qui est conçu pour identifier les maladies des plantes à partir d’images de feuilles et d’autres signaux environnementaux, y compris les configurations de couches optimisées pour la détection précoce.
• Configuration pour l’analyse du sol : Un système d’IA qui utilise un arrangement spécifique de réseaux neuronaux récurrents (RNNs) pour prédire les carences en nutriments du sol, détaillant comment chaque couche contribue à l’exactitude des prédictions.

Explaining Model Training

Détailing the training process of the AI model, including the type of data used and any unique pre-processing methods, can address requirements and highlight the novelty of the approach. Voici des exemples pertinents :

• Apprentissage supervisé pour la prévision des cultures : Description détaillée de l’utilisation d’un modèle d’apprentissage supervisé formé sur les données historiques sur le rendement des cultures et les conditions climatiques actuelles pour prédire les rendements futurs, y compris la sélection et le prétraitement des données afin d’améliorer l’exactitude des prévisions.
• Sélection des données de formation pour la détection des ravageurs : Une explication de la façon dont les ensembles de données uniques d’images d’organismes nuisibles ont été organisés et étiquetés, et des mesures spéciales de prétraitement prises pour améliorer la capacité du modèle à distinguer les espèces nuisibles avec précision.

Alors que le paysage agroalimentaire intègre de plus en plus les innovations en matière d’IA et d’apprentissage automatique, le rôle essentiel de garantir ces progrès grâce à la protection par brevet devient de plus en plus évident. Le secteur agricole est confronté à son propre ensemble de défis uniques dans le domaine des brevets d’IA. Cependant, nous espérons que les considérations stratégiques décrites offrent des informations précieuses aux pionniers de l’industrie pour surmonter efficacement ces obstacles. Pour les organisations qui se penchent sur le processus complexe de brevetage de l’IA, l’expertise de praticiens du droit spécialisés, tels que le groupe Intellectual Property Law group, s’avère indispensable pour sauvegarder et améliorer vos idées et processus les plus précieux.

Pour toute question ou orientation sur la sauvegarde des droits de propriété intellectuelle dans le domaine des innovations agricoles, n’hésitez pas à contacter les auteurs. Nous sommes là pour vous fournir un soutien approfondi et des conseils d’experts adaptés aux besoins de votre entreprise.

Auteur(e)s