Nos modèles de ML ont été entraînés depuis 2017 avec de grandes quantités de données réelles de terrain.

top-quality.png

Qualité supérieure

Nous utilisons l’imagerie satellite pour assurer la couverture internationale de nos données et améliorer notre modèle chaque jour afin de fournir la meilleure précision possible dans le monde entier. Jetez un œil à notre carte de démonstration pour plus de détails.

global-coverage.png

Couverture internationale

Nous coopérons avec de groupes agro-alimentaires du monde entier et nous recevons des données de terrain confirmées depuis différentes régions. Notre engagement à contribuer à l’agriculture durable est très important. Nous effectuons des milliers d’essais avec des agriculteurs et des entreprises pour améliorer les rendements tout en réduisant l’utilisation d’intrants.

improvement.png

Amélioration continue

Des algorithmes de machine learning à la pointe du progrès.

Linkedin

Twitter

Youtube

Instagram

Limites de parcelles disponibles pour 59 pays. 
Données sur les cultures pour l’hémisphère nord, l’Amérique du Sud, l’Afrique du Sud, et l’Australie.

Données internationales

Limites de parcelles, détection des cultures, et zones de productivité basées sur l’imagerie satellite et un modèle de machine learning entraîné avec des données terrain réelles collectées depuis 2017.

Données précises

Formats GeoServer API, GeoJSON, GeoTIFF, fichier GeoPackage, ou sous forme de tableau.

Formats de fichiers pratiques

Consultez notre carte interactive ci-contre. Vous pouvez obtenir des informations agronomiques importantes en mode bac à sable pour différentes régions du globe. Inscrivez-vous pour obtenir encore plus de données gratuites pour 2020.

Abonnez-vous pour obtenir les données de la dernière saison.

Profitez du meilleur tarif pour le secteur qui vous intéresse

Conditions générales d’utilisation

Politique de confidentialité

Politique de gestion des cookies

Nous avons investi beaucoup de temps et d’énergie pour tracer les limites des parcelles sur les images satellite. Nous sommes également engagés dans la recherche de données réelles sur le terrain, l’entraînement de nos algorithmes d’apprentissage automatique et la production de nos propres appareils. 

Nous menons des expériences en partenariat avec des professionnels de l’agriculture pour tester nos hypothèses agronomiques. Nous avons déjà expérimenté sur plus de 50 000 hectares. En outre, les utilisateurs des applications OneSoil nous font rapidement part de leurs commentaires sur la précision de nos algorithmes. C’est notre technologie qui les alimente.

Nous disposons des limites de parcelles pour 59 pays et des données sur les cultures pour l’hémisphère Nord, l’Amérique du Sud, l’Afrique du Sud, et l’Australie.

Pour 12 cultures : blé, maïs, orge, soja, colza, tournesol, betterave sucrière, cane à sucre, riz, coton, sorgho, et foin.

Nous pouvons mener toutes sortes d’analyses en nous appuyant sur nos données. Si vous souhaitez en discuter, veuillez remplir ce formulaire [Google Form](https://docs.google.com/forms/d/e/1FAIpQLSez9TJiEHxDeSY2xYV3c8V5x4a36d44QCI3aHrKQsi0RfZGvw/viewform). 

Des questions ? Nous avons les réponses.

large_onesoil-map-large.webp

medium_onesoil-map-large.webp

small_onesoil-map-large.webp

thumbnail_onesoil-map-large.webp

onesoil-map-large.webp

Démo

OneSoil Global Analytics

OneSoil Website

OneSoil App

OneSoil Yield

OneSoil Blog

OneSoil

À propos 

Entreprise 

Des solutions clé en main pour différents types d’activités. Démonstration gratuite. Tarification ajustable.

Les produits OneSoil reposent sur nos modèles propriétaires de machine learning. Depuis 2017, nous avons développé des ensembles de données établis sur des milliers de points de données terrain en provenance de grandes sociétés agricoles et nous avons amélioré la qualité de nos données.

field-boundaries.webp

Gagnez du temps et de l’argent en évitant de délimiter manuellement vos parcelles. Importez les limites de parcelles automatiques vers votre plateforme agricole numérique pour permettre aux utilisateurs de démarrer plus vite. Connaître les limites des parcelles améliore également la précision de tous les calculs ultérieurs. 
Nous estimons les limites des parcelles avec une précision de 2 à 5 m, même en utilisant des images de Sentinel-2 avec une résolution à 10 m. Nous y parvenons grâce à la précision de nos données réelles de terrain et à quelques astuces mathématiques.

### Pourquoi OneSoil ?
**Disponible dans le monde entier**

Nous proposons les limites de parcelles à la pointe du progrès pour plus de 59 pays, couvrant ainsi la majorité des terres cultivables du monde. 

###### **Des données fiables pour chaque saison depuis 2017
**
###### 
Nous avons entraîné nos algorithmes de machine learning propriétaires pour améliorer la pertinence des données année après année et proposer la plus grande précision possible. 

###### **Précision à 5 m*
######Grâce à des années d’entraînement des réseaux neuronaux, nous pouvons désormais fournir les limites de parcelles jusqu’à une précision de 5 m avec une taille minimale de parcelle e 0,5 ha. 

**Score jusqu’à 0,96 IoU (Intersection over Union)**

La précision du modèle de délimitation automatique des parcelles est cruciale pour l’expérience de nos utilisateurs. Essayez notre modèle de limites de parcelles, vous découvrirez comment cela contribue à votre plateforme agricole numérique.

### Formats de transfert de données :
###### GeoJSON,
###### API,
###### Formats GeoServer API, GeoJSON, GeoTIFF, fichier GeoPackage, ou sous forme de tableau.

FR-Field Boundaries.png

Les parcelles détectées automatiquement sont le point de départ de toute statistique agricole et facilitent l’intégration de nouveaux utilisateurs sur les plateformes d’agriculture numérique. 

Résolution 5 × 5 m pour les limites de parcelles
Précision jusqu’à 0,85 IoU

Économiser du temps et de l’argent sur la délimitation manuelle des parcelles avec OneSoil Field Boundaries.

Détection automatique des limites des parcelles pour 59 pays

Limites de parcelles

crop-detection.webp

Obtenez une source fiable pour les données d’identification des cultures pour toutes les saisons à l’échelle internationale en utilisant le calcul de la rotation des cultures depuis 2017.

### Nous travaillons avec 12 cultures de rente primaires :

Blé, maïs, orge, soja, colza, tournesol, betterave sucrière, riz, coton, sorgho, et herbe.

### Pourquoi OneSoil ?

Nous avons utilisé un ensemble de données de terrain réel basé sur des milliers d’essais sur le terrain réalisés en coopération avec plusieurs grandes entreprises agricoles pour préparer des modèles qui fonctionnent rapidement et efficacement dans les deux hémisphères, en tenant compte des spécificités régionales. 

Nos algorithmes de machine learning propriétaires n’ont pas cessé d’être améliorés depuis 2017, avec des milliers de points de données de terrain réelles collectés et utilisés pour entraîner notre modèle. 

La précision de notre système de détection des cultures 
**a un F1-score de 0,92 à 0,96.**.

### Formats de transfert de données :
###### GeoJSON,
###### API,
###### Formats GeoServer API, GeoJSON, GeoTIFF, fichier GeoPackage, ou sous forme de tableau.

FR-Crop Identification.png

Identification des cultures partout dans le monde d’après les observations satellite depuis 2017.

13 cultures de rente
Résultat F1-score de 0,96

Détection précise des cultures à partir de 92 % pour 13 grandes cultures. En constante amélioration depuis 2017.

Détection automatique des cultures disponible dans le monde entier

Détection des cultures

productivity-zones.webp

Améliorez votre système de gestion d’exploitation (FMS) grâce à un découpage de haute précision des zones de productivité, qui représentent les zones de rendement faible, moyen et élevé sur vos parcelles. 

Calculées d’après les images satellites des six dernières années. 
Basées sur l’indice NDVI, la teneur en matière organique du sol, le relief de la parcelle et les données des récoltes. 

![productiivity-maps.png](https://os-strapi-assets-devoted-silkworm.s3.eu-central-1.amazonaws.com/productiivity_maps_56316e19db.png)

### Pourquoi OneSoil ?
En se basant sur de nombreuses années de données de terrain et d’images satellite, OneSoil peut déterminer les parcelles adaptées à l’utilisation de la modulation intraparcellaire. C’est à la fois un pré-requis pour la mise en place de l’agronomie numérique et une étape cruciale pour assurer la gestion précise des zones et des cartes de modulation pour les interventions sur les parcelles.

### Formats de transfert de données :
###### GeoJSON,
###### API,
###### Formats GeoServer API, GeoJSON, GeoTIFF, fichier GeoPackage, ou sous forme de tableau.

FR-Productivity Zones.png

Zones de productivité faible, moyenne ou élevée créées automatiquement dans toutes les parcelles, d’après six années d’observations satellite.

Améliorez votre système de gestion agricole grâce à la définition de haute précision des zones de productivité (rendement faible, moyen ou élevé).

Zones de productivité OneSoil

Zones de productivité

field-score.webp

Analyse des résultats des essais de terrain pour prévoir le rendement de la saison en cours. Le score de la parcelle est une métrique qui permet de comparer les performances entre les parcelles, les secteurs géographiques, et les saisons en utilisant l’indice NDVI et d’autres indicateurs environnementaux.

### Pour les sociétés d’achat-vente
Le score des parcelles vous permet de faire des prévisions de rendement par rapport à la saison précédente.

### Pour les semenciers
La comparaison entre différentes parcelles, en utilisant le score de parcelle comme preuve de la réussite des essais de terrain vous permet de comparer différentes variétés pour les présenter à vos clients. 

### Pour les producteurs d’engrais
Le score des parcelles permet de comparer les rendements après les essais de terrain. Le score des parcelles peut être utilisé comme preuve de l’efficacité de l’efficacité de vos fertilisants. 

### Pourquoi OneSoil ?
Le score des parcelles est calculé d’après l’indice de végétation par différence normalisé (NDVI). Il permet d’évaluer la qualité et la quantité de végétation sur une parcelle au cours de la période de végétation. 

Par la suite, nous avons commencé à combiner le NDVI avec des indicateurs météorologiques pour améliorer la précision du score des parcelles.

### Formats de transfert de données :
###### GeoJSON,
###### API,
###### Formats GeoServer API, GeoJSON, GeoTIFF, fichier GeoPackage, ou sous forme de tableau.

FR-Field score.png

Une évaluation qualitative de la récolte d’après l’indice de végétation normalisé (NDVI), les indicateurs climatiques et la productivité relative de la parcelle.

Le score de parcelle sert à comparer les performances des parcelles, secteurs géographiques et saisons, à l'aide du NDVI et d’indicateurs environnementaux.

Score de la parcelle pour évaluer les essais et prévoir le rendement

Field Score

sowing-dates.webp

planting-dates.webp

Un excellent outil pour la validation des pratiques culturales rapportées par les agriculteurs. Nos dates de semis entrent en jeu partout où le temps est capital pour l’évaluation correcte des émissions de CO2. Pour effectuer des calculs précis, nous devons savoir ce qui a été implanté et à quelle date. C’est désormais plus facile que jamais. 

#### Pourquoi OneSoil ?
En associant les signaux de deux satellites, nous avons pu rendre l’algorithme opérationnel quelles que soient les conditions météorologiques au moment des interventions sur les parcelles. 
D’après les données ouvertes des satellites Sentinel-1 et Sentinel-2, OneSoil calcule les dates d’intervention sur les parcelles avec une précision de 3 à 5 jours dès 3 à 4 semaines après le semis.

### Formats de transfert de données :
###### GeoJSON,
###### API,
###### Formats GeoServer API, GeoJSON, GeoTIFF, fichier GeoPackage, ou sous forme de tableau.

FR-Planting Dates.png

Reconnaissance des pratiques agricoles utilisées par les plateformes carbone dans leur processus d’évaluation.

3 à 5 jours correspondent à la précision des calculs effectués 4 semaines après le semis.

Sur la base des données ouvertes de Sentinel-1 et Sentinel-2, OneSoil détecte la date de semis dès 3 à 4 semaines après qu'elle a réellement eu lieu.

Précision des dates de semis entre 2 et 5 jours

Bientôt disponible : dates de semis

tillage-practices.webp

Notre offre pour les plateformes carbone permet la reconnaissance par satellite des interventions à fort impact sur les émissions de CO₂ comme le labour profond, le labour en planches et le non-labour. 
###### Pour surveiller le lancement de ce nouveau jeu de données, n’hésitez pas à [en faire la demande](https://docs.google.com/forms/d/e/1FAIpQLSez9TJiEHxDeSY2xYV3c8V5x4a36d44QCI3aHrKQsi0RfZGvw/viewform). 

![tillage-practices-img.webp](https://os-strapi-assets-devoted-silkworm.s3.eu-central-1.amazonaws.com/tillage_practices_img_7ef89be36c.webp)

#### Pourquoi OneSoil ?
Nous avons utilisé un ensemble de données de terrain réel basé sur des milliers d’essais sur le terrain réalisés en coopération avec plusieurs grandes entreprises agricoles pour préparer des modèles qui fonctionnent rapidement et efficacement dans les deux hémisphères, en tenant compte des spécificités régionales. 
Nos algorithmes propriétaires de machine learning n’ont pas cessé d’être améliorés depuis 2017. 

### Formats de transfert de données :
###### GeoJSON,
###### API,
###### Formats GeoServer API, GeoJSON, GeoTIFF, fichier GeoPackage, ou sous forme de tableau.

FR-Tillage Practices.png

Reconnaissance des pratiques agricoles utilisées par les plateformes carbone dans leur processus d’évaluation.

Notre offre pour les plateformes carbone permet la reconnaissance par satellite des interventions de labour à fort impact sur les émissions de CO₂.

Pratiques de labour pour les plateformes carbone

Bientôt disponible : pratiques de labours

cover-crop-detection.webp

Jusqu’à maintenant, la principale source d’information sur l’utilisation de couverts végétaux venait des rapports et des déclarations effectuées par les agriculteurs. Obtenez un outil pratique pour vérifier ces données à un coût très modéré par parcelle, grâce à l’analyse des images satellite. 

![cover-crop--img.webp](https://os-strapi-assets-devoted-silkworm.s3.eu-central-1.amazonaws.com/cover_crop_img_64389defa3.webp)

#### Pourquoi OneSoil ?
Nous avons utilisé un ensemble de données de terrain réel basé sur des milliers d’essais sur le terrain réalisés en coopération avec plusieurs grandes entreprises agricoles pour préparer des modèles qui fonctionnent rapidement et efficacement dans les deux hémisphères, en tenant compte des spécificités régionales. 
Nos algorithmes propriétaires de machine learning n’ont pas cessé d’être améliorés depuis 2017. 

### Formats de transfert de données :
###### GeoJSON,
###### API,
###### Formats GeoServer API, GeoJSON, GeoTIFF, fichier GeoPackage, ou sous forme de tableau.

FR-Cover Crop Detection.png

Obtenez un outil pratique pour vérifier ces données à un coût très modéré par parcelle, grâce à l’analyse des images satellite.

Détection des cultures de couverture pour les plateformes carbone

Bientôt disponible : détection du couvert végétale

Produits Global Analytics

OneSoil propose des solutions pour différents types d’entreprises agricoles, adaptées à leurs besoins.

farm-input-companies.webp

La recherche d’une croissance profitable dans le monde agricole de plus en plus digitalisé nécessite d’élaborer les bonnes stratégies et de prendre des décisions en s’appuyant sur les données. OneSoil permet de visualiser la planification de votre stratégie grâce à une suite de produits dédiés aux fournisseurs d’intrants agricoles. 

Les résultats de nos statistiques basées sur les images satellite au meilleur coût possible à l’hectare rendent accessible une évaluation de haute précision du potentiel du marché ciblé. Notre suite contribue à apporter une valeur ajoutée aux exploitants, vous permettant de verrouiller des clients réguliers et d’écarter vos concurrents. 

#### Intégration des limites de parcelles dans les applications et les outils internes.
Optimisation des ressources de développement et garantie d’une expérience utilisateur optimale grâce à une mise en route facile pour les applications natives. 
#### Limites de parcelles 
#### Détection des cultures
Cette option peut être utilisée pour programmer des activités marketing au niveau local, pour analyser les saisons passées et actuelle, pour prévoir les achats, et pour construire des stratégies, des rapports d’opportunités commerciales, et des cartes régionales des ventes pour les revendeurs et les responsables de territoire.
#### Zones de productivité
Intégration des zones de modulation intraparcellaires dans les applications de gestion d’exploitation natives permet aux clients de découvrir le plein potentiel de vos intrants agricoles.

### Formats de transfert de données :
###### GeoJSON,
###### API,
###### Formats GeoServer API, GeoJSON, GeoTIFF, fichier GeoPackage, ou sous forme de tableau.

FR-For Farm Input Companies.png

Notre suite contribue à apporter une valeur ajoutée aux exploitants, vous permettant de sécuriser des clients réguliers et d’écarter vos concurrents.

Pour le marché des intrants agricoles | Solutions analytiques globales

Pour les fabricants d’intrants agricoles : semence, engrais, phytosanitaires

farm-equipment-oems.webp

Les fabricants de machines agricoles doivent être compétitifs sur plusieurs tableaux : l’amélioration de leurs performances sur le terrain, la consommation de carburant, et le service après-vente, mais également la transition vers la connectivité aux champs et les services d’agriculture de précision rendus possibles grâce aux plateformes numériques embarquées. Les solutions OneSoil permettent aux fournisseurs d’équipements agricoles de verrouiller les cultivateurs dans leur éco-système.
#### Limites de parcelles 
Simplifiez la mise en route pour vos utilisateurs et sélectionnez leurs parcelles dans votre plateforme numérique agricole. La précision à 5 m × 5 m n’est pas utilisée pour l’agriculture de précision. Cependant, elle s’avère être un excellent outil pour attirer les utilisateurs puisqu’il n’est pas nécessaire de tracer manuellement les limites de parcelles ni de les télécharger depuis des fichiers externes.
#### Zones de productivité
La définition de haute qualité des zones de productivité est basée sur l’imagerie satellite et calculée à l’aide d’algorithmes de ML propriétaires qui estiment la productivité des zones les unes par rapport aux autres en s’appuyant sur plusieurs années d’images satellite Sentinel-2 pour la parcelle. 

Les modèles sont entraînés et améliorés continuellement à l’aide de données réelles de terrain que nous avons compilées à partir de plus d’un million d’hectares de terres cultivées. 

Nous avons comparé le rendement réel et l’indice NDVI à différents stades de développement des plantes pour identifier les schémas qui ont permis de construire nos modèles de ML. Le résultat est là : notre estimation des zones de productivité est la plus proche des données réelles de rendement lorsqu’on la compare avec d’autres solutions de modulation intraparcellaire.

![compare-productivity.png](https://os-strapi-assets-devoted-silkworm.s3.eu-central-1.amazonaws.com/compare_productivity_39df541258.png)
### Formats de transfert de données :
###### GeoJSON,
###### API,
###### Formats GeoServer API, GeoJSON, GeoTIFF, fichier GeoPackage, ou sous forme de tableau.

FR-For Farm Equipment OEMs.png

Les solutions OneSoil permettent aux fournisseurs d’équipements agricoles de verrouiller les agriculteurs dans leur éco-système.

Pour les équipementiers agricoles | Solutions analytiques globales

Pour les logiciels OEM intégrés aux équipements agricoles 

trading-companies.webp

Les producteurs, les revendeurs, et les utilisateurs de grain et de graines oléagineuses du monde entier ajustent leur stratégie saisonnière d’après leurs prévisions de rendement. 

Les solutions OneSoil pour les sociétés d’achat-vente aident à prévoir les rendements dans des secteurs géographiques spécifiques et fournissent une vision capitale pour la prise de décision et la gestion des fluctuations des cours et des risques liés à la production. 
#### Détection des cultures
La détection des types de culture en cours de saison et les rapports de superficies permettent d’établir des prévisions de rendement basées sur des sources de données indépendantes. 

Établissez votre stratégie pour la saison et réduisez considérablement votre prise de risque économique grâce à un partenaire fiable de gestion des données. 
#### Dates de semis
Un module supplémentaire pour notre fonction de détection des cultures permet l’identification précise des dates de semis et apporte un éclairage supplémentaire sur les prévisions de rendement et de calendrier.
#### Score de la parcelle
Une comparaison relative des performances de parcelles, de secteurs géographiques, ou de saisons spécifiques par l’évaluation de l’indice NDVI et d’indicateurs climatiques. 

### Formats de transfert de données :
###### GeoJSON,
###### API,
###### Formats GeoServer API, GeoJSON, GeoTIFF, fichier GeoPackage, ou sous forme de tableau.

FR-For Trading Companies.png

Nos solutions pour les sociétés d'achat-vente prévoient le rendement dans des régions spécifiques et fournissent des informations pour la prise de décision.

Pour les sociétés d'achat-vente | Solutions analytiques globales

Pour les sociétés d’achat-vente

carbon-platforms.webp

Si vous gérez une plateforme sur laquelle les exploitants peuvent générer des crédits carbone en échange de pratiques agricoles raisonnées, vous avez probablement besoin de données de haute-qualité pour surveiller, établir des rapports et vérifier leurs déclarations. 

Les agriculteurs peuvent augmenter la séquestration du carbone dans le sol et réduire les émissions de gaz à effet de serre en adoptant certaines pratiques comme la réduction du labour, l’utilisation de couverts végétaux et le contrôle des doses d’engrais. Les plateformes carbone doivent être équipées avec les bons outils pour générer les crédits carbone qui sont très demandés dans le monde professionnel. 

C’est là que les solutions OneSoil pour les plateformes carbone peuvent apporter une valeur ajoutée en améliorant la précision de leurs activités de mesure, de notification et de vérification.
#### Reconnaissance par satellite des limites et des superficies des parcelles, des successions de cultures et des dates de semis, des pratiques de labour, et des couverts végétaux (bientôt disponible)
#### Limites de parcelles
Identification des limites et des superficies des parcelles où les méthodes culturales respectueuses de l’environnement seront pratiquées.
#### Détection des cultures
Identification de la succession de cultures pour les 6 dernières années.
#### Dates de semis et de récolte
Identification automatique des dates de semis et de récolte.
#### Pratiques de labour et couverts végétaux 
Analyse de la présence de méthodes agricoles respectueuses de l’environnement.

### Formats de transfert de données :
###### GeoJSON,
###### API,
###### Formats GeoServer API, GeoJSON, GeoTIFF, fichier GeoPackage, ou sous forme de tableau.

FR-For Carbon Platforms.png

Détection par satellite des délimitations et des surfaces des parcelles, de la séquence des cultures et des dates de semis.

Pour les plateformes carbone | Solutions analytiques globales

Pour les plateformes carbone

financial-institutions.webp

Les assurances agricoles sont massivement confrontées aux obstacles liés au risque d’accumulation, au risque subjectif et à la sélection adverse. Des données essentielles d’exploitation ne sont pas confirmées et peuvent être manipulées, conduisant, par exemple, à des données de rendement irréalistes sur la parcelle et la culture réellement assurées. Cela se traduit par des primes d’assurance excessives. 

Les algorithmes de machine learning de OneSoil, couplés avec les données satellite, permettent de projeter des données fiables, paramétrables et ajustables, en particulier pour la culture et la parcelle assurée. Cela ouvre des possibilités totalement nouvelles. 

Nos données peuvent être utilisées par les assureurs au premier degré et les prestataires de réassurance pour l’évaluation du risque et des sinistres : 
◦ Calcul de la composante de risque (garantie) pour l’assurance récolte à risque unique (SPCI) et l’assurance récolte multirisque (MPCI). 
◦ Amélioration de la précision des prévisions pour les compensations réelles qui doivent être versées, ce qui augmente la fluidité en cas de sinistre. 
◦ Évaluation du risque inondation ou sécheresse ainsi que le bilan hydrique et les modèles de croissance des plantes.
#### Limites de parcelles
Spécification des limites et des superficies des parcelles couvertes par l’assurance.
#### Détection des cultures
Identification de la succession de cultures pour les 6 dernières années.
#### Dates de semis et de récolte
Identification automatique des dates de semis et de récolte.
#### Score de la parcelle
Comparaison relative des performances de parcelles, secteurs géographiques ou saisons donnés par l’évaluation du NDVI et des indicateurs climatiques, aux fins d’estimation du risque.

### Formats de transfert de données :
###### GeoJSON,
###### API,
###### Formats GeoServer API, GeoJSON, GeoTIFF, fichier GeoPackage, ou sous forme de tableau.

FR-For Financial Institutions.png

Les algorithmes de OneSoil et les données satellite fournissent des données fiables, adaptatives et évolutives pour la culture d'une parcelle spécifique.

OneSoil Global Analytics : données agricoles pour toutes les régions

Produits Global Analytics

Limites de parcelles

Détection des cultures

Zones de productivité

Field Score

Bientôt disponible : dates de semis

Bientôt disponible : pratiques de labours

Bientôt disponible : détection du couvert végétale

Des algorithmes de machine learning à la pointe du progrès.

Des questions ? Nous avons les réponses.

Pourquoi avez-vous des informations du monde entier quand d’autres sociétés ne les ont pas ?

Pour quels pays avez-vous des données ?

Pouvez-vous proposer des prévisions ?

Can you make forecasts?

Profitez du meilleur tarif pour le secteur qui vous intéresse