Agent technique forestier de l’ONF : l’IA ne marche pas en forêt
Selon l’étude Eloundou et al. (2024) publiée par OpenAI, 15 % des tâches du secteur des ressources naturelles sont exposées à l’IA générative. Pour l’agent technique forestier, ce taux chute sous la barre des 10 %. Ce métier repose avant tout sur le travail physique, le jugement visuel et la connaissance intime des écosystèmes. En 2026, un jumeau IA peut alléger la charge administrative, mais il ne remplace ni le geste du martelage ni le regard sur un peuplement.
Ce qu’un jumeau IA peut faire à 100 % pour l’agent technique forestier aujourd’hui
Certaines tâches de bureau sont entièrement automatisables. Le rapport DARES « IA et emploi » (2025) identifie la saisie de données, la rédaction de comptes rendus et la mise en forme de tableaux comme des cibles prioritaires. L’agent technique forestier consacre encore 25 à 30 % de son temps à des activités administratives. Un jumeau IA peut traiter ces opérations sans intervention humaine.
- Rédaction automatique des rapports de martelage à partir de dictées vocales
- Génération de courriers types pour les propriétaires privés ou les collectivités
- Synthèse des relevés de terrain saisis via une application mobile
- Mise à jour des bases de données forestières (Sylviculture, GéoFla)
- Export et formatage des données pour le Système d’Information Forêt (SIF) de l’ONF
Ces tâches représentent en moyenne 12 heures par semaine. L’automatisation totale libère du temps pour le terrain. L’IA générative excelle dans le traitement du langage structuré. Un LLM peut extraire des informations d’un PDF de l’IGN ou d’un document CNPF et les réorganiser en tableaux exploitables.
Ce qu’un jumeau IA fait à 60-90 % avec supervision humaine
L’analyse d’images satellites et de drones est un domaine où l’IA obtient des scores élevés, mais avec un besoin de validation. L’ONF utilise déjà des algorithmes de deep learning pour détecter les scolytes sur les pins (Sopra Steria fournit une partie du pipeline). Un jumeau IA peut identifier les arbres dépérissants avec une précision de 85 à 90 %. L’agent technique doit confirmer sur le terrain.
- Détection des coupes illicites par analyse diachronique d’images Sentinel-2
- Classification des peuplements par essence à partir de photos aériennes haute résolution
- Calcul des volumes de bois sur pied à partir de données LiDAR
- Prédiction des risques d’incendie par modèle météorologique intégré
- Planification optimisée des tournées d’inspection forestière
Le taux d’erreur moyen pour ces tâches est de 12 % selon INRAE. La supervision humaine reste indispensable. L’IA réduit le temps d’analyse de 50 à 70 %, mais elle ne remplace pas la connaissance des stations forestières locales.
Ce qu’un jumeau IA ne peut pas faire en 2026 (limites concrètes)
Le cœur du métier reste inaccessible. L’agent technique forestier exécute des opérations physiques : martelage, ébranchage, marquage, plantation. Aucun robot humanoïde n’est déployé en forêt française en 2026. Les limites sont techniques, juridiques et perceptuelles.
- Réaliser le martelage manuel des arbres à prélever (choix visuel et tactile)
- Évaluer l’état sanitaire réel d’un fût pourri ou fissuré
- Interagir avec les usagers de la forêt (randonneurs, cyclistes, chasseurs)
- Porter des charges lourdes en terrain accidenté
- Prendre des décisions éthiques en cas de conflit d’usage (exploitation vs biodiversité)
- Animer des réunions publiques avec les élus locaux
Le rapport ILO 2025 classe les métiers forestiers dans la catégorie « très faible exposition IA » avec un score de 12/100. L’IA n’a ni corps, ni sens commun, ni responsabilité juridique. Elle ne peut pas signer un procès-verbal d’infraction forestière.
Stack technique d’un jumeau IA agent technique forestier ONF
Un jumeau IA opérationnel repose sur une architecture modulaire. Le LLM central est GPT-4o ou Claude 3.5 Sonnet, connecté à un pipeline RAG alimenté par la documentation technique de l’ONF. Les outils suivants sont utilisés en 2026.
| Outil | Fonction | Source / éditeur |
|---|---|---|
| QGIS avec plugin IA | Analyse spatiale et classification d’images | QGIS.org |
| Python (scikit-learn, PyTorch) | Modèles prédictifs de croissance forestière | Open source |
| RAGflow | Base de connaissances vectorielle (guides ONF, CNPF) | Sopra Steria solution IA |
| AgriTech Copilot | Interface vocale de dictée terrain | Bpifrance portait Accélérateur IA |
| GeoPy + Geopandas | Calculs de distance, buffers, zones tampons | Open source |
| Plateforme IGN Forêt | Données LiDAR, BD Forêt v2 | IGN |
Le prompt type pour la détection de coupes illicites : « Sur la zone UTM 31N coordonnées X, Y, analyse la différence NDVI entre les dates A et B. Signale toute réduction de plus de 40 % de la couverture arborée sur une surface > 0,5 ha. Génére un rapport au format PDF avec les images Sentinel-2 correspondantes. »
Tableau comparatif : tâches automatisables vs tâches résilientes
Le tableau ci-dessous détaille douze tâches caractéristiques du métier, leur degré d’automatisation possible, et le niveau de supervision requis.
| Tâche | Automatisable | Supervision humaine | Résilience IA |
|---|---|---|---|
| Saisie des comptes rendus de tournée | Oui 100 % | Non | Faible |
| Analyse d’images drone pour détection scolytes | 85 % | Oui validation terrain | Moyenne |
| Martelage manuel des arbres | Très élevée | ||
| Calcul du volume sur pied | 90 % | Oui contrôle échantillon | Faible |
| Planification des tournées | 80 % | Oui ajustement local | Moyenne |
| Rédaction de courriers aux propriétaires | 95 % | Non (relecture possible) | Faible |
| Diagnostic sanitaire visuel d’un arbre | 10 % | Oui indispensable | Très élevée |
| Animation de réunions publiques | Très élevée | ||
| Surveillance des coupes frauduleuses | 70 % | Oui intervention terrain | Moyenne |
| Réalisation de plantations manuelles | Très élevée | ||
| Mise à jour des bases SIF | 95 % | Non | Faible |
| Évaluation des dégâts de tempête | 40 % | Oui vérification aérienne | Élevée |
Cas d’usage français concrets
Plusieurs organisations françaises expérimentent l’IA dans la gestion forestière. L’ONF a déployé en 2025 un outil de détection des scolytes basé sur des réseaux de neurones convolutifs, en partenariat avec Sopra Steria. Le taux de détection atteint 88 % avec 6 % de faux positifs. Bpifrance finance depuis 2024 l’accélérateur « Forêt IA » qui soutient quatre startups : ForestSense, ArboTech, GreenPixel et SilvaIA. Le CIGREF a publié en 2025 un retour d’expérience sur l’IA dans la filière bois, mentionnant un gain de 30 % sur le temps d’inventaire forestier. L’IGN propose désormais une API d’analyse automatisée des données LiDAR nationales.
Sur le terrain, l’agent technique forestier utilise une tablette durcie avec l’application ONF MarTouch, intégrant un module de chatbot pour la consultation rapide des consignes. Le déploiement reste limité : seuls 15 % des agents disposent de cet équipement en 2026 selon une enquête interne.
ROI et productivité observés
Les premiers chiffres proviennent de l’étude APEC « IA dans les métiers de l’environnement » (2025). Les gains de productivité se concentrent sur la partie administrative. L’APEC estime un gain de 4 heures par semaine par agent, soit 10 % du temps de travail. Rapporté au salaire médian de 29 000 € brut/an, cela représente un gain de 2 900 € par agent. L’INSEE note une augmentation de 3 % de la productivité globale des services forestiers publics entre 2024 et 2026, en partie liée à l’automatisation des tâches de reporting. La DARES prévoit que 500 postes d’agents techniques forestiers pourraient voir leurs tâches administratives réduites de 40 % d’ici 2030, sans destruction nette d’emplois.
Le retour sur investissement d’un jumeau IA pour une unité territoriale de 20 agents est estimé à 18 mois par le cabinet BCG dans une étude commandée par France Stratégie (2025). Le coût d’acquisition de la solution (licences + matériel) est d’environ 80 000 € pour une flotte de 20 tablettes et un serveur local. Les économies annuelles atteignent 55 000 €, principalement en temps de saisie et en déplacements évités.
Risques juridiques et éthiques
L’utilisation de l’IA générative en forêt soulève des questions de responsabilité. La CNIL a publié en 2025 une fiche pratique sur l’IA dans les services publics. Le traitement d’images aériennes contenant des données personnelles (habitations, voitures) doit respecter le RGPD. Si un agent utilise une IA pour décider du martelage, la responsabilité pénale en cas d’erreur (ex. abattage d’un arbre protégé) reste engagée auprès de l’agent et de l’ONF. Le AI Act classe les applications forestières en « risque limité » car elles n’affectent pas directement la sécurité des personnes. Cependant, un modèle de détection des scolytes qui rate une infestation peut causer des dommages économiques. Le fournisseur de l’IA doit garantir un niveau de performance documenté.
Les données d’entraînement doivent être issues de sources fiables. L’ONF utilise majoritairement ses propres relevés de terrain et les images IGN. Aucune donnée personnelle n’est utilisée. Le risque principal est le biais spatial : les modèles entraînés en Île-de-France échouent dans les Alpes. Une vérification terrain systématique est obligatoire.
Comment l’agent technique forestier peut utiliser l’IA pour booster sa productivité (5 leviers)
L’IA n’est pas une menace pour ce métier, mais un outil d’appoint. Cinq leviers concrets émergent en 2026.
| Levier | Application | Gain estimé |
|---|---|---|
| Dictée vocale intelligente | Compte rendu de tournée en temps réel via micro-casque | 2 h / semaine |
| Analyse automatisée des images satellites | Détection précoce de dépérissement sur les parcelles | 1 h / semaine + meilleure réactivité |
| Chatbot RAG sur la réglementation | Question/réponse instantané sur les codes forestiers, arrêtés préfectoraux | 30 min / semaine |
| Planification assistée des tournées | Optimisation des itinéraires selon priorité et météo | 1 h / semaine |
| Rapports automatisés pour les élus | Génération de synthèses hebdomadaires à partir des données saisies | 1 h / semaine |
Ces cinq leviers représentent un gain total de 5 h 30 minutes par semaine, soit 14 % du temps de travail. L’agent peut ainsi se concentrer sur le terrain et la relation humaine.
Évolution prédite 2026-2030 (DARES, France Stratégie)
France Stratégie a publié en 2025 une note sur les métiers de la transition écologique face à l’IA. Le scénario central prévoit une légère augmentation des effectifs d’agents techniques forestiers (+2 % entre 2026 et 2030), liée à la demande de gestion durable des forêts. La DARES estime que les compétences en IA représenteront 5 % du temps de travail de ces agents en 2030. Les formations continues incluront des modules de culture numérique. L’ONF a annoncé en 2026 un plan de formation « Forêt connectée » pour 80 % de ses agents techniques d’ici 2028.
L’automatisation des tâches administratives ne supprimera pas d’emplois. Au contraire, elle libère du temps pour des missions à plus forte valeur ajoutée : inventaires de biodiversité, accueil du public, médiation territoriale. Le rapport INSEE sur les métiers verts (2025) confirme que les forêts françaises nécessiteront 200 agents supplémentaires par an pour faire face au changement climatique (sécheresse, incendies, parasites). L’IA est un accélérateur, pas un substitut.
Plan d’action 90 jours pour l’agent technique forestier
Jours 1 à 30 : prise en main des outils numériques existants
- Installer l’application ONF MarTouch sur tablette et configurer le module de dictée vocale
- Suivre le module e-learning « IA forestière » proposé par l’INFOMA (École de l’ONF)
- Explorer l’API IGN Forêt pour visualiser le LiDAR de ses parcelles de référence
- Configurer un chatbot local RAG avec les 10 documents réglementaires les plus utilisés
- Participer à une réunion de la cellule innovation de son agence régionale
Jours 31 à 60 : automatisation des tâches chronophages
- Mettre en place des modèles de rapport de martelage générés automatiquement après dictée
- Utiliser un outil de planification de tournées (ex. RouteOpt intégré au SIG) pendant deux semaines
- Comparer les résultats de détection de scolytes par IA avec ses propres observations sur 5 parcelles
- Rédiger les comptes rendus hebdomadaires avec un système de prompts préenregistrés
- Déléguer la mise à jour des bases SIF à un assistant IA sous supervision
Jours 61 à 90 : évaluation et partage
- Mesurer le temps gagné sur les 30 jours précédents (objectif : 4 heures/semaine)
- Présenter un retour d’expérience lors d’une réunion d’équipe
- Signaler les limites et bugs à la direction des systèmes d’information de l’ONF
- Identifier une tâche supplémentaire automatisable et la tester
- Rédiger une fiche pratique destinée aux collègues
Ce plan est réaliste avec un investissement initial de 15 minutes par jour. Il ne nécessite pas de compétence en programmation. L’objectif est d’augmenter sa productivité sans perdre le contact avec le terrain.