IA et odeurs: du chien stressé aux élevages optimisés

En 2025, l’industrie agroalimentaire parle beaucoup d’IA… mais presque toujours à propos de rendement, de coûts et de conformité. Pourtant, l’IA avance aussi sur un terrain plus intime et souvent négligé: le sensoriel. Exemple frappant: NotCo, connue pour ses produits alimentaires formulés avec l’aide de modèles d’IA, travaille sur une idée qui paraît farfelue jusqu’à ce qu’on s’y attarde: reproduire l’odeur d’un humain pour apaiser l’anxiété de séparation d’un chien.

Cette innovation “qui sent la maison” n’est pas un simple gadget. Elle révèle une tendance lourde: l’IA devient capable de modéliser, traduire et synthétiser des signaux biologiques et sensoriels (odeurs, arômes, comportements). Et quand on relie ça à l’agriculture et à l’agroalimentaire—où l’odorat, le stress animal, la qualité perçue et la sécurité sanitaire sont centraux—on obtient un fil conducteur très concret.

Dans notre série « Intelligence artificielle dans les médias et les industries créatives », on suit d’habitude comment l’IA “fabrique” des images, des vidéos ou des textes. Ici, c’est la même logique créative appliquée à la chimie et au vivant: une IA qui compose. La différence? Le produit final n’est pas une affiche ou un spot, mais une formulation olfactive… et potentiellement de nouveaux outils pour l’élevage, la qualité et la traçabilité.

La réplication d’odeur: un cas d’usage qui dit beaucoup

Répliquer une odeur humaine, c’est traiter une signature chimique comme une donnée. NotCo évoque un partenariat avec un acteur majeur du pet care pour réaliser un profil olfactif et produire une brume reproduisant l’odeur d’un propriétaire, dans l’objectif d’apaiser l’animal lorsque la personne s’absente.

Derrière l’anecdote, on voit trois briques technologiques qui intéressent directement l’agriculture et l’agroalimentaire:

1. Mesure: capter des composés volatils (VOCs) ou des marqueurs d’odeur.
2. Modélisation: apprendre une “empreinte” (profil) et la relier à des états (stress, environnement, alimentation).
3. Synthèse: recomposer une formulation (parfum/arôme) correspondant à une cible.

NotCo s’appuie sur des travaux précédents autour d’un modèle génératif de formulation d’arômes et de fragrances (présenté comme un système capable de transformer une intention en formulation chimique). La nouveauté, ici, c’est la personnalisation: votre odeur n’est pas stable; elle varie selon vos lieux, votre métier, votre hygiène, vos textiles, votre alimentation. L’IA doit donc gérer une odeur comme un “contenu” dynamique, contextuel.

Phrase à retenir: “Quand l’IA sait composer une odeur, elle sait aussi composer une expérience—et, par extension, influencer un comportement.”

Du bien-être animal aux systèmes d’élevage: la passerelle est directe

Le bien-être animal n’est pas une case RSE; c’est un levier opérationnel. En élevage, le stress se traduit souvent par des effets mesurables: baisse d’ingestion, troubles du comportement, impacts sur la qualité (viande, lait), et risques sanitaires.

Ce que l’exemple “chien + odeur” rend visible, c’est une approche: agir sur l’environnement sensoriel pour orienter l’état émotionnel et le comportement. En élevage, ça ouvre plusieurs pistes, réalistes et déjà proches de la mise en œuvre.

1) “Ambiances” olfactives et gestion du stress

Réduire les facteurs de stress, c’est réduire la variabilité. Dans des environnements où les animaux subissent des changements (sevrage, transport, mélange de lots), la dimension sensorielle est souvent sous-optimisée.

Une démarche inspirée de la “brume d’odeur” pourrait ressembler à:

• créer des repères olfactifs stables dans certaines zones (aire de repos, zone de contention),
• limiter les odeurs déclencheuses (désinfectants agressifs, solvants, mélanges d’effluents),
• tester des marqueurs odorants associés à des routines positives (alimentation, retour au calme).

Je prends position: on sous-estime l’impact du sensoriel parce que c’est difficile à quantifier. L’IA change la donne précisément parce qu’elle rend le “flou” mesurable et testable.

2) Détection précoce via composés volatils (VOCs)

Si l’odeur peut être profilée, elle peut aussi servir d’alerte. Dans l’agroalimentaire, on utilise déjà des indicateurs indirects (température, humidité, CO₂) pour anticiper des dérives. Les VOCs peuvent compléter ce tableau.

Applications possibles:

• signaux de fermentation anormale dans des stockages,
• détection d’altération sur certaines matières premières,
• indices d’infection ou de stress métabolique (pistes de recherche et expérimentations existent autour de la volatilomique).

Le point clé: l’IA ne “sent” pas comme un humain. Elle classe, compare et détecte des écarts sur des signatures chimiques, ce qui est souvent plus utile en industrie.

3) Personnalisation à la ferme: le jumeau “sensoriel”

La logique de NotCo ressemble à ce qu’on fait en agriculture de précision: profil → recommandation → ajustement. Sauf qu’ici, la variable n’est pas une carte de NDVI, c’est un environnement sensoriel.

On peut imaginer un “jumeau sensoriel” de bâtiment:

• suivi des profils d’odeurs par zone,
• corrélation avec comportements (caméras, capteurs d’activité),
• recommandations d’aération, de nettoyage, de litière, voire de formulation d’aliments.

Le parallèle avec les médias et industries créatives est net: comme un algorithme qui personnalise un flux de contenus, l’IA personnalise un environnement—mais au service d’objectifs zootechniques et sanitaires.

L’IA qui “compose” (odeurs, arômes) et l’agroalimentaire: qualité, conformité, innovation

La formulation devient un problème d’optimisation piloté par modèles. NotCo s’est fait connaître en formulant des alternatives (mayo, glaces, burgers) et en collaborant avec de grands groupes. Dans l’article source, le CEO mentionne notamment la pression réglementaire et la demande de retirer certains additifs (ex: colorants), avec de nombreux projets de remplacement.

C’est exactement là que l’agroalimentaire français et européen est sous tension en décembre 2025:

• attentes de naturalité (listes d’ingrédients plus courtes),
• volatilité des matières premières,
• conformité multi-marchés (France/UE + export),
• consommateurs plus attentifs au goût, au prix, et à la promesse santé.

De la création “générative” à la R&D pilotée par contraintes

Une IA de formulation n’écrit pas un poème; elle propose des combinaisons sous contraintes:

• coût cible,
• disponibilité ingrédients,
• allergènes,
• profils sensoriels,
• stabilité, process industriel,
• limites réglementaires.

C’est une “création” au sens industriel: créer une solution viable. Et l’odeur (ou l’arôme) devient une variable comme une autre, mesurable, comparée, optimisée.

Ce que les décideurs ratent souvent

Most companies get this wrong: elles croient que l’IA, c’est “un outil de plus” pour accélérer des tâches. La valeur réelle est ailleurs: l’IA permet de tester plus d’hypothèses, plus vite, et de documenter les choix.

Dans une logique LEADS (et très concrètement, pour un directeur innovation, un responsable qualité ou un dirigeant de coopérative), les bonnes questions ne sont pas “quel modèle acheter?”, mais:

• Quelles décisions R&D/qualité sont trop lentes aujourd’hui?
• Quelles données sensoriels/process sont disponibles, et à quel niveau de fiabilité?
• Quel est notre coût de non-qualité (retours, déclassements, pertes matière)?

Questions fréquentes (et réponses nettes)

Est-ce que “l’IA olfactive” est crédible industriellement?

Oui, si on la traite comme un problème de profilage chimique + apprentissage statistique, pas comme une imitation parfaite du nez humain. L’objectif industriel, c’est la reproductibilité et la détection d’écarts, pas la poésie.

Est-ce pertinent pour l’agriculture, ou seulement pour le pet care?

C’est pertinent pour l’agriculture dès qu’il y a:

• des animaux (stress, comportement, santé),
• des fermentations (ensilage, laiterie, boissons),
• des stockages (céréales, fruits),
• une exigence de qualité sensorielle.

Quel risque principal à anticiper?

Le risque n°1, ce n’est pas la techno: c’est l’interopérabilité des données (capteurs hétérogènes, protocoles de prélèvement, traçabilité des lots). Sans données propres, l’IA ne fait que “décorer” des incertitudes.

Comment passer du concept au pilote (sans se brûler)

Un bon pilote IA dans l’agroalimentaire tient en 6 à 10 semaines. L’objectif: prouver une valeur mesurable, pas bâtir une plateforme.

Plan d’action pragmatique:

1. Choisir une zone à forte douleur: stress animal lors d’une étape (sevrage, transport) ou non-qualité récurrente (odeurs parasites, altérations).
2. Définir 2-3 métriques: ex. taux de déclassement, pertes, scores comportementaux, incidents qualité.
3. Standardiser l’échantillonnage: quand, où, comment on mesure (c’est souvent 60% du succès).
4. Tester un modèle simple (détection d’anomalies / classification) avant tout modèle “génératif”.
5. Boucler avec une action: ventilation, nettoyage, ajustement d’aliment, changement de lot, etc.
6. Documenter: protocole, résultats, décisions. C’est la base pour scaler.

Je préfère les pilotes modestes mais propres plutôt que les grands programmes “IA” qui n’atterrissent jamais sur le terrain.

La suite logique: de “l’odeur de maman” à l’agriculture de précision sensorielle

L’innovation de NotCo sur la réplication d’odeur humaine est un symbole utile: l’IA sort des tableurs et entre dans les sens. Dans les médias et les industries créatives, on parle d’IA qui génère des images et des histoires. Dans l’agriculture et l’agroalimentaire, la même dynamique arrive: générer des formulations, prédire des perceptions, stabiliser des expériences.

Si votre organisation travaille avec des animaux, des matières vivantes, des fermentations, ou des produits où le goût et l’odeur déterminent l’achat, la question n’est plus “est-ce que ça existe?”. Elle est: qu’est-ce qu’on mesure déjà, et qu’est-ce qu’on pourrait enfin optimiser?

Si vous voulez transformer ces idées en opportunités concrètes (preuve de concept, cadrage data, choix capteurs, priorisation des cas d’usage), je peux vous aider à structurer un pilote orienté résultats—le genre qui donne envie d’aller plus loin, parce qu’il marche.