Building in Public : Semaine 1 - Le choix de notre stack technique

Bienvenue dans notre première mise à jour « Building in Public ». Nous partageons notre parcours de développement en toute transparence — les succès, les défis et les décisions qui façonnent Solco.

Cette semaine : le choix de notre stack technique de base.

Les grandes décisions

1. Imagerie satellite : SkySat + Sentinel-2

Nous avons évalué cinq fournisseurs de satellites. Tout se résumait à la résolution vs. le coût vs. la fréquence de revisite.

Gagnant : SkySat (résolution 0,5m, revisites quotidiennes) pour les champs à haute priorité, avec Sentinel-2 (résolution 10m, gratuit, tous les 5 jours) comme couche de base pour toutes les exploitations.

Pourquoi cette combinaison ? SkySat nous donne le détail pour détecter le stress précoce. Sentinel-2 rend abordable la surveillance de grandes surfaces. Le meilleur des deux mondes.

2. Modèle d'IA : Vision Transformer personnalisé affiné

Nous avons testé des modèles pré-entraînés (ResNet, EfficientNet) et avons décidé d'affiner un Vision Transformer (ViT) sur des données agricoles. Les premiers résultats sont prometteurs — 93% de précision pour détecter le stress contre 78% avec des modèles standards.

L'inconvénient ? L'entraînement a pris 6 jours sur 40 000 images de champs étiquetées. Ça en valait la peine.

3. Intégration des capteurs : MQTT + REST API

Nous supportons les deux protocoles pour que les agriculteurs puissent utiliser des capteurs existants ou nos modèles recommandés. LoRaWAN pour la connectivité longue portée dans les champs éloignés.

4. Frontend : React + Tailwind CSS

Rapide, réactif, mobile-first. Les agriculteurs consultent leur téléphone au champ — notre UI doit fonctionner parfaitement sur un écran de 5 pouces en plein soleil.

Défis de cette semaine

Problème 1 : Couverture nuageuse Sentinel-2 est bloqué par les nuages 40% du temps en Europe du Nord en hiver. Notre solution : interpolation temporelle utilisant des données passées + des prévisions météo pour estimer les conditions du champ quand les satellites ne peuvent pas voir à travers.

Problème 2 : Latence du pipeline de données Les images satellite brutes prennent 2 à 4 heures à traiter et fournir des informations. Nous voulons descendre sous les 30 minutes. Notre solution : des pipelines de pré-traitement avec AWS Lambda et mise en cache en périphérie. Encore en optimisation.

Problème 3 : Calibration des capteurs Les capteurs de sol bon marché dérivent avec le temps. Nous construisons des algorithmes d'auto-calibration qui comparent les données des capteurs aux estimations d'humidité des satellites (par radar). Compliqué mais faisable.

La suite (Semaine 2)

• Finalisation de notre logique d'alerte IA (quand notifier les agriculteurs vs. quand rester silencieux)
• Construction de la première version de notre système de notification SMS/e-mail
• Interview de 5 agriculteurs pilotes pour valider nos maquettes de tableau de bord

Nous voulons vos retours

Si vous êtes agriculteur, agronome ou simplement intéressé : quelles fonctionnalités comptent le plus pour vous ? Que vérifieriez-vous chaque matin ? Répondez à cet article ou écrivez-nous à hello@solco.farm.

Pré-inscrivez-vous pour recevoir la mise à jour de la semaine prochaine : Rejoindre la liste d'attente

— L'équipe ingénierie Solco