IA et poisson cultivé : passer du labo à l’assiette

En 2025, produire un filet de thon rouge sans re-pêcher un seul thon n’est plus un scénario de science-fiction : c’est une trajectoire industrielle. Et c’est là que beaucoup se trompent. Le sujet n’est pas seulement « la viande cultivée », ni même « l’alternative au poisson ». Le vrai goulot d’étranglement, c’est le passage à l’échelle : reproductibilité, qualité, coûts, contrôle sanitaire, régulation.

Dans cette série Intelligence artificielle dans l’agriculture et l’agroalimentaire, j’aime regarder les innovations là où elles se frottent au réel. L’exemple de Wanda Fish (start-up israélienne pilotée par Daphna Heffetz) est parlant : l’ambition est de produire des filets entiers (muscle + gras) de poissons premium, en commençant par le thon rouge, avec une mise sur le marché annoncée autour de 2026. À ce stade, l’IA n’est pas un gadget : elle devient un système d’exploitation pour des bioprocédés complexes.

Le poisson cultivé répond à un problème concret (et chiffrable)

Le point clé : le poisson cultivé n’essaie pas d’être « tendance », il essaie d’être une réponse industrielle à des contraintes physiques.

Wanda Fish rappelle trois réalités difficiles à ignorer : pollution des océans largement d’origine humaine, surpêche non régulée et pression de la demande avec la croissance démographique. Le propos est aussi un rappel brutal : l’océan joue un rôle majeur dans l’équilibre global, et sa dégradation finit toujours par arriver dans nos assiettes (métaux lourds, microplastiques, risques sanitaires, volatilité des prix).

Ce qui change avec la culture cellulaire appliquée aux produits de la mer, c’est la logique d’approvisionnement :

• Un prélèvement unique de tissu (une fois), puis création de lignées cellulaires.
• Culture de cellules musculaires et adipeuses pour imiter texture et goût.
• Production dans des environnements contrôlés (laboratoire puis unité industrielle en bioréacteur).

Une phrase qui résume bien l’enjeu : la durabilité dépend moins de la promesse que de la capacité à produire, de façon répétable, un aliment sûr à coût acceptable.

Wanda Fish : une stratégie “premium d’abord” qui dit beaucoup sur le marché

Le point clé : viser la restauration haut de gamme au départ n’est pas du snobisme, c’est une stratégie de validation.

Daphna Heffetz explique que Wanda Fish commencera par des restaurants, et même des restaurants haut de gamme, pour plusieurs raisons très pragmatiques :

1. Boucle de feedback rapide : comme une étude clinique, mais pour un produit alimentaire. Les chefs donnent un retour précis sur la coupe, la mâche, la tenue, le gras.
2. Économie unitaire : le prix au couvert permet de vendre avant la parité prix avec le poisson conventionnel.
3. Construction de marque : la restauration sert de vitrine, surtout pour des espèces premium comme le thon rouge ou la sériole.

Ce choix est aussi un signal pour toute la filière agroalimentaire : les premières étapes de commercialisation des protéines alternatives se jouent souvent dans des circuits capables d’absorber un coût plus élevé, le temps que l’industrialisation rattrape l’innovation.

Ce qui rend le “filet entier” plus difficile… et plus intéressant

Le point clé : un filet entier, ce n’est pas une simple masse protéique.

Produire un « whole-cut » (un morceau structuré) impose :

• la co-culture de plusieurs types cellulaires (au minimum muscle + gras),
• une organisation spatiale des tissus (structure, densité, fibres),
• une maîtrise fine de la cinétique de croissance et du métabolisme.

Et c’est précisément là que l’IA devient utile : quand on doit piloter des dizaines de variables simultanément, l’intuition ne suffit plus.

Où l’IA crée de la valeur dans l’aquaculture cellulaire

Le point clé : l’IA aide à transformer un procédé fragile en procédé industriel.

Dans la pratique, une ligne de production de poisson cultivé ressemble à un mix entre biotechnologie, industrie pharmaceutique et agroalimentaire. L’IA intervient à plusieurs niveaux, avec un objectif commun : réduire la variabilité.

1) Optimisation de bioprocédés : faire mieux avec moins

Le levier principal pour atteindre la parité prix annoncé par de nombreux acteurs, c’est l’efficacité du bioréacteur : densité cellulaire, consommation du milieu, productivité, rendement.

L’IA sert ici à :

• Construire des modèles prédictifs de croissance (ex. prédire la densité en fonction de paramètres d’agitation, d’oxygénation, de nutriments).
• Proposer des plans d’expériences plus rapides (type active learning) pour tester moins de conditions, mais mieux.
• Détecter les dérives de procédé avant qu’elles ne deviennent coûteuses (drift de pH, stress cellulaire, accumulation de déchets métaboliques).

Concrètement, si votre objectif est de réutiliser partiellement le milieu (recycling du medium, mentionné par Wanda Fish), vous avez besoin d’une supervision intelligente : l’IA peut estimer quand recycler, à quel taux, et avec quelles corrections.

2) Contrôle qualité temps réel : passer du “test après coup” au “pilotage en continu”

Le point clé : en alimentaire, attendre la fin du lot pour découvrir un problème est un luxe.

Les systèmes IA (vision par ordinateur, analyse spectrale, modèles de séries temporelles) permettent de rapprocher la culture cellulaire des standards de l’industrie :

• Détection précoce de contamination (signatures anormales dans les capteurs, comportements métaboliques atypiques).
• Contrôle de la texture et de la structure sur des prototypes (imagerie + corrélation avec des tests sensoriels).
• Standardisation inter-lots : même couleur, même tenue, même sensation en bouche.

Pour un filet premium servi en restaurant, la constance n’est pas négociable : un chef accepte l’innovation, pas l’irrégularité.

3) Formulation “animal-free” : trouver l’équilibre entre coût et performance

Wanda Fish indique que les éléments utilisés sont d’origine végétale, en remplacement de composants animaux. La formulation de milieux et d’ingrédients fonctionnels est un terrain idéal pour l’IA.

L’approche typique :

• Modèles de formulation pour estimer l’impact d’un ingrédient sur croissance, goût, texture.
• Optimisation multi-objectifs : coût vs performance biologique vs contraintes réglementaires.
• Capitalisation sur les données de lots : ce qui marchait « en petit » doit être recalibré « en grand ».

Là encore, le bénéfice est simple : moins d’essais-erreurs, donc moins de temps et moins de dépenses.

4) Planification industrielle et traçabilité : l’IA côté “ops”

Le point clé : le scaling n’échoue pas seulement en biologie, il échoue aussi en opérations.

Quand on passe du bioréacteur de paillasse à une unité hygiénique de production, la complexité augmente : approvisionnement, qualification des équipements, nettoyage, lots, traçabilité.

L’IA peut aider à :

• Planifier les cycles (fermentation/culture, maturation, récolte) pour maximiser l’utilisation des équipements.
• Anticiper les ruptures (matières premières, consommables critiques).
• Renforcer la traçabilité et la conformité (données de production + contrôle des écarts).

“People also ask” : les questions qui reviennent (et les réponses utiles)

Le poisson cultivé est-il forcément plus durable ?

Pas automatiquement. La durabilité dépend du mix énergétique, des intrants (milieux, facteurs), de l’efficacité des procédés et du taux de pertes. La bonne nouvelle : ces facteurs sont précisément ceux que l’IA peut optimiser, en réduisant consommation et rebuts.

Pourquoi commencer par le thon rouge et des espèces premium ?

Parce que la valeur économique est élevée et que la demande est forte. D’un point de vue industriel, cela donne du temps pour abaisser les coûts tout en restant viable commercialement.

Quand la grande distribution devient-elle réaliste ?

Après la restauration, quand trois conditions sont réunies :

1. Parité prix (ou écart acceptable),
2. capacité à produire des volumes constants,
3. cadre réglementaire clair sur les marchés ciblés.

Wanda Fish évoque une fenêtre autour de 2026 pour l’entrée marché, ce qui colle avec la dynamique actuelle de la filière.

Si vous travaillez dans l’agroalimentaire : quoi faire dès maintenant

Le point clé : les gagnants ne seront pas ceux qui “parlent IA”, mais ceux qui structurent leurs données et leurs essais.

Voici ce qui fonctionne, même sans être une start-up de biotechnologie :

1. Cartographier vos données de production (capteurs, contrôles qualité, non-conformités) et définir ce qui est exploitable.
2. Mettre en place un pilotage statistique (SPC) avant de viser des modèles complexes : l’IA performe mieux sur des processus déjà instrumentés.
3. Démarrer un cas d’usage à ROI clair : détection d’anomalies, prévision de rendement, optimisation d’une recette, planification.
4. Préparer le terrain réglementaire : documentation, traçabilité, gestion des changements. L’IA n’excuse pas une conformité faible.

J’ai constaté que le point de bascule arrive quand une équipe passe de « on fait des tests » à « on construit une mémoire industrielle ». L’IA adore la mémoire industrielle.

Ce que l’histoire de Wanda Fish dit du futur de l’IA agroalimentaire

Le point clé : la prochaine vague d’IA dans l’agroalimentaire se joue autant dans les bioréacteurs que dans les champs.

Dans notre série sur l’intelligence artificielle dans l’agriculture et l’agroalimentaire, on parle souvent de rendement, de qualité, de réduction des intrants et de sécurité alimentaire. Le poisson cultivé coche ces cases, mais avec une nuance : la « parcelle » devient un bioréacteur, et l’agronomie se déplace vers le bioprocédé.

Les start-ups comme Wanda Fish vont forcer une montée en maturité : capteurs, contrôle qualité, modélisation, optimisation, traçabilité. Autrement dit : de l’IA utile, parce qu’elle est comptable du réel.

Si vous envisagez l’IA comme un outil pour produire mieux avec moins (moins de variabilité, moins de pertes, moins d’essais), la question devient intéressante : quand ces méthodes seront-elles aussi standard dans les usines agroalimentaires que dans les laboratoires de culture cellulaire ?