De nouveaux modèles logiciels améliorent l'efficacité de la production d'huile d'olive
Ce programme tient compte de facteurs tels que le budget de l'exploitant, les risques climatiques potentiels et le degré de synchronisation entre les plantations et les huileries avant de formuler des recommandations aux oléiculteurs.
Des scientifiques chiliens ont mis au point un logiciel de modélisation
destiné à aider les oléiculteurs à prendre des décisions cruciales concernant le moment de la plantation et de la récolte.
Le plan généré par le modèle a permis d'obtenir 4 % d'huile d'olive en plus que le plan établi selon la procédure manuelle traditionnelle.
Ce programme prend en compte des facteurs tels que le budget du récoltant, les risques climatiques potentiels et le niveau de synchronisation entre les plantations et les raffineries avant de fournir des conseils aux oléiculteurs.
« Dans la production d'huile d'olive, deux acteurs principaux sont impliqués : le décideur sur le terrain et le décideur au moulin », a déclaré Eduardo Alvarez-Miranda, chercheur sur le projet. « Le modèle proposé permet d'harmoniser ces deux décisions en déterminant le meilleur flux de fruits entre le champ et le moulin. »
Le programme a été testé sur une plantation d’oliviers dans la région du Maule, au centre du Chili, et a permis d’augmenter la production d’huile.
« Avec les mêmes ressources, ils ont obtenu un rendement en huile d’olive plus élevé », a déclaré M. Alvarez-Miranda. « Le plan généré par le modèle a permis d’extraire 4 % d’huile d’olive en plus par rapport au plan établi selon la procédure manuelle traditionnelle. »
La modélisation a surtout permis d’améliorer la productivité en fournissant des données sur le moment de la récolte des olives et sur le nombre de personnes et de machines de récolte nécessaires pour y parvenir.
« C'était particulièrement important pour la phase de planification », a déclaré M. Alvarez-Miranda. « Les modèles leur ont indiqué combien de personnes ils devaient embaucher à certains moments de la saison des récoltes, ainsi que le moment où louer des machines. Il s'est avéré qu'ils avaient besoin de moins de machines de récolte qu'ils ne le pensaient. »
Le logiciel a également fourni des conseils aux propriétaires de plantations pour gérer leurs ressources plus efficacement. L’entreprise louait la raffinerie à d’autres producteurs d’olives afin de générer des revenus supplémentaires.
« Nous avons réussi à intégrer cela dans le modèle », a déclaré Alvarez-Miranda. « Nous avons constaté qu’ils perdaient en fait de l’argent en laissant leurs olives en attente pendant qu’ils extrayaient l’huile des olives d’autres producteurs. »
Les olives doivent être transformées rapidement après la récolte afin de préserver leur teneur en huile et d’éviter l’oxydation.
M. Alvarez-Miranda estime que ce type de modélisation statistique présente un énorme potentiel au Chili.
Un modèle similaire a déjà été utilisé au Chili pour la récolte du raisin. Des scientifiques de l’Université pontificale catholique du Chili ont réussi à réduire les coûts d’exploitation d’une machine à vendanger de 27 % et les coûts de main-d’œuvre de 16 %.
Cependant, plusieurs obstacles empêchent l’adoption généralisée du programme par les oléiculteurs : un logiciel spécifique est nécessaire et peu de producteurs d’olives sont disposés à l’acheter. Il faut ensuite saisir les données dans le logiciel et lancer le programme.
« Une seule personne sait utiliser cet outil dans cette exploitation », a déclaré M. Alvarez-Miranda. « Malgré tout, les propriétaires de l’exploitation l’ont acheté et continueront probablement à l’utiliser tant que cette personne restera en poste. »