Pommes de terre protéinées : l’IA au cœur du virage

La poudre d’ovalbumine (une protéine clé du blanc d’œuf) est devenue un ingrédient sous tension. Entre épisodes de grippe aviaire, volatilité des coûts et exigences de régularité des industriels, l’approvisionnement « classique » n’offre plus la même sérénité qu’il y a dix ans. Dans ce contexte, une idée revient avec insistance dans les cercles agtech : et si la ferme redevenait une usine… mais une usine de protéines ?

C’est précisément la promesse de PoLoPo, une startup israélienne qui a annoncé le déploiement à l’échelle serre de sa plateforme SuperAA : des pommes de terre génétiquement modifiées capables de produire des protéines d’œuf directement dans le tubercule, puis extraites sous forme de poudre pour l’industrie agroalimentaire.

Dans cette série « Intelligence artificielle dans l’agriculture et l’agroalimentaire », je prends un parti clair : la biotechnologie seule ne suffit pas. Pour transformer des cultures en « micro-bioréacteurs » fiables, il faut une couche d’IA et de données qui sécurise les rendements, la qualité, les coûts et la traçabilité. SuperAA est un bon exemple pour comprendre où l’IA crée de la valeur, et où se cachent les vrais risques.

La culture “usine à protéines” : ce que PoLoPo change vraiment

Idée centrale : la molecular farming (agriculture moléculaire) consiste à faire produire à une plante une protéine cible (souvent d’origine animale) grâce au génie génétique, puis à récolter et extraire cette protéine.

Avec SuperAA, la pomme de terre n’est plus seulement une source d’amidon : le tubercule devient le lieu de production. C’est une nuance importante, car le tubercule est naturellement pensé pour stocker (énergie, eau, nutriments). Sur le plan industriel, cela peut faciliter certaines étapes de transformation, selon la protéine visée et le procédé d’extraction.

Ce modèle répond à trois contraintes concrètes de l’agroalimentaire :

• Régularité fonctionnelle : l’ovalbumine n’est pas qu’une « protéine nutritionnelle ». Elle apporte texture, foisonnement, liant, et contribue à la tenue de certains produits.
• Compatibilité industrielle : l’entreprise vise la vente de poudres protéiques intégrables dans des lignes existantes (boulangerie, alternatives végétales, ingrédients).
• Scalabilité agricole : on ne construit pas une usine de fermentation dans chaque région ; on peut, en théorie, étendre une production via des surfaces cultivées et des itinéraires techniques.

La promesse économique est simple : produire des calories et de la biomasse via la photosynthèse reste l’un des procédés les plus efficaces, à condition de maîtriser la variabilité du vivant.

Pourquoi l’ovalbumine est un bon “premier cas d’usage”

Réponse courte : parce que la demande est structurelle, l’offre est fragile, et la valeur d’usage est élevée.

L’ovalbumine est utilisée dans de nombreux produits du quotidien. Quand la filière œuf est perturbée, les effets se répercutent rapidement sur les coûts et la disponibilité d’ingrédients. L’intérêt d’un équivalent produit via agriculture moléculaire, c’est la possibilité de décorréler partiellement l’approvisionnement des aléas sanitaires avicoles.

PoLoPo met en avant une projection de marché : 36 milliards de dollars d’ici 2032 pour la poudre d’ovalbumine (selon la société). Même si ces chiffres doivent toujours être lus avec prudence, ils illustrent une réalité : les ingrédients fonctionnels “très utilisés” offrent un terrain favorable aux technologies de substitution, car les volumes et les cas d’usage existent déjà.

D’un point de vue stratégique, je trouve ce choix malin : commencer par un ingrédient “invisible” (un composant d’une recette) est souvent plus simple que de viser un produit final grand public, où la perception et le marketing pèsent lourd.

Là où l’IA devient indispensable (et pas juste “nice to have”)

Réponse directe : l’IA sert à transformer une innovation biotech en système de production reproductible, mesurable et pilotable.

Sans données, l’agriculture moléculaire risque de se heurter à un mur : variabilité des sols, microclimats, stress hydrique, pression parasitaire, différences de lots… Or l’industrie d’ingrédients exige l’inverse : spécifications stables.

1) Concevoir la plante : IA, sélection et optimisation de l’expression

En amont, l’IA aide à prioriser les stratégies : choix de promoteurs, ciblage d’expression (tubercule vs feuilles), compromis rendement/robustesse, et anticipation des effets sur la physiologie de la plante.

Concrètement, on utilise des approches de modélisation et d’apprentissage pour :

• prédire des niveaux d’expression selon des architectures génétiques,
• réduire le nombre d’essais physiques (plus rapides, moins coûteux),
• identifier des interactions inattendues (stress ↔ expression protéique).

Même si PoLoPo ne détaille pas publiquement tout son pipeline, c’est le type d’endroit où l’IA fait gagner des mois.

2) Piloter la serre et l’itinéraire technique : l’IA comme copilote agronomique

À l’échelle serre (celle annoncée par PoLoPo), on peut instrumenter finement : capteurs climatiques, imagerie, suivi nutritif, irrigation de précision. L’IA peut alors optimiser :

• le microclimat (température, humidité, CO₂) pour maximiser biomasse + expression,
• la fertigation pour éviter les stress qui dégradent la qualité,
• la détection précoce de maladies via vision par ordinateur.

La logique est pragmatique : chaque stress subi par la plante devient un risque “qualité ingrédient”.

3) Standardiser la qualité : du champ à la poudre

C’est souvent la partie la plus sous-estimée. Produire une protéine, c’est une chose. Produire la même poudre d’un lot à l’autre, avec des propriétés fonctionnelles constantes, c’en est une autre.

L’IA peut intervenir sur :

• la classification des lots (tri selon profils analytiques),
• la prédiction de rendement d’extraction (pour planifier la production),
• le contrôle en ligne (spectrométrie, mesures rapides) pour ajuster le procédé.

Autrement dit : l’IA relie l’agronomie au process industriel. Et c’est exactement la jonction où se gagnent (ou se perdent) les marges.

Phrase à garder en tête : “Une culture qui produit une protéine n’est pas un produit ; c’est une chaîne de production vivante.”

Les questions qui fâchent : réglementation, acceptabilité, traçabilité

Réponse claire : le frein n’est pas uniquement technique. Il est aussi réglementaire et sociétal.

L’agriculture moléculaire repose ici sur des pommes de terre génétiquement modifiées. Selon les marchés, cela implique :

• des cadres réglementaires différents (autorisations, évaluations),
• des exigences de séparation des filières (éviter toute confusion avec l’aliment “classique”),
• une traçabilité renforcée.

Et il y a un point que je considère non négociable : la transparence. Pour que ces ingrédients trouvent leur place, il faudra expliquer clairement :

• où et comment la plante est cultivée,
• comment la protéine est extraite,
• quels contrôles garantissent l’absence de matière végétale indésirable dans la poudre,
• comment la filière gère le risque de mélange.

Ici encore, l’IA a un rôle pratique : suivi de lots, traçabilité automatisée, détection d’écarts, et reporting qualité.

Plan d’action : comment une entreprise agro peut se préparer dès 2026

Réponse actionnable : si vous êtes industriel, coopérative, ou acteur agri-agro, vous pouvez vous positionner sans “parier” aveuglément.

Côté agriculture (coopératives, exploitations, stations d’expérimentation)

1. Monter en maturité data : capteurs, standardisation des historiques, qualité des mesures.
2. Déployer des pilotes serre : c’est l’environnement le plus contrôlable pour démarrer.
3. Structurer un protocole de biosécurité : séparation des flux, audits, procédures.

Côté industrie (R&D, achats ingrédients, qualité)

1. Lister les usages fonctionnels de l’ovalbumine (texture, foisonnement, liant) et les critères mesurables.
2. Définir une grille de qualification fournisseur adaptée aux nouveaux ingrédients (variabilité, traçabilité, spécifications).
3. Préparer le plan de reformulation : tests en matrice, adaptation des process, validation shelf-life.

Côté innovation / stratégie

• Construire un business case par application (boulangerie, alternatives végétales, sauces), pas “en général”.
• Anticiper la communication : nommer correctement la technologie, éviter les zones grises.

Ce que SuperAA raconte sur le futur de l’agroalimentaire

Les pommes de terre “usines à protéines” ne sont pas une curiosité : c’est un signal. On voit émerger une agriculture où la valeur ne vient plus seulement des tonnes récoltées, mais de la fonction produite (ici : un ingrédient spécifique).

Pour la série « Intelligence artificielle dans l’agriculture et l’agroalimentaire », c’est un cas d’école : l’IA transforme une prouesse biotech en production industrialisable, en réduisant l’incertitude à chaque étape (choix variétal, conduite culturale, extraction, contrôle qualité, traçabilité).

Si vous travaillez dans l’agri-agro et que vous voulez générer des leads qualifiés (partenariats, pilotes, déploiements), le bon réflexe en 2026 n’est pas de “tout adopter”. C’est de choisir un usage, poser des métriques, et construire un pilote où données + agronomie + process parlent la même langue.

Et vous, dans votre organisation, quelle est la pièce manquante aujourd’hui : la donnée terrain, le process industriel, ou la capacité à qualifier un nouvel ingrédient ?