Il a fait confiance à l’IA pour ses pesticides : il a perdu tout son champ de sésame

Une IA agricole peut donner de très bons conseils… jusqu’au jour où elle se trompe, et où l’erreur ne se rattrape pas. C’est ce qu’a découvert à ses dépens un fermier chinois de 67 ans, qui a vu dix hectares de sésame mourir en une seule nuit après avoir suivi à la lettre un plan de traitement généré par un chatbot. Décryptage d’une histoire qui en dit long sur les limites de l’intelligence artificielle dès qu’elle sort du terrain purement informationnel.

Le fait divers : dix hectares détruits en une nuit

Tout commence dans la province de l’Anhui, dans l’est de la Chine, où un agriculteur surnommé Wu cultive du sésame sur environ 150 mu, soit un peu plus de 10 hectares. Depuis environ un an, Wu a pris l’habitude de consulter une application d’intelligence artificielle pour ses questions agricoles : calendrier de fertilisation, prévisions météo, petits conseils du quotidien. Sceptique au départ, il a fini par lui faire confiance, séduit par la pertinence répétée des réponses reçues.

Le 10 juillet 2026, Wu demande à l’outil un plan complet pour désherber son champ et éliminer les insectes nuisibles, avec une application par drone. L’IA génère alors une recette baptisée « traitement anti-mauvaises herbes et anti-parasites pour cent mu de sésame », combinant plusieurs produits chimiques : un herbicide puissant (haloxyfop-P-methyl), un second herbicide (fomesafen) ciblant les plantes à feuilles larges, ainsi que deux insecticides.

Wu suit les instructions à la lettre, sans consulter le moindre technicien agricole ni vérifier l’information ailleurs. Le lendemain, le verdict tombe : les mauvaises herbes ont bien disparu, mais les jeunes pousses de sésame flétrissent et meurent en masse, en l’espace de quelques heures seulement.

« Si vous le vaporisez, les plants ne survivent pas au lendemain », a résumé Wu lors d’une interview vidéo relayée par plusieurs médias spécialisés, avant d’ajouter : « les mauvaises herbes meurent, et les plants meurent encore plus vite. »

La perte est estimée à environ 150 000 yuans, soit près de 17 110 euros, pour cet agriculteur qui comptait sur cette récolte.

Pourquoi ce cocktail chimique a tué la récolte

Pour comprendre le problème, il faut s’arrêter un instant sur la nature des produits recommandés. Un herbicide n’est pas un produit universel : il est conçu pour cibler certaines familles de plantes, tout en épargnant (en théorie) la culture que l’on souhaite protéger.

💡 À RETENIR : deux familles d’herbicides, deux usages Un herbicide sélectif comme le haloxyfop-P-méthyl vise en priorité les graminées (les plantes de la famille de l’herbe). Utilisé sur une culture à feuilles larges comme le sésame, il peut donc, dans certaines conditions, avoir un sens agronomique. Un herbicide comme le fomesafen, en revanche, cible justement les plantes à feuilles larges. Il est couramment employé sur le soja, mais ses conditions d’usage (dose, stade de croissance, culture visée) sont très strictement encadrées, car il peut être toxique pour d’autres cultures à feuilles larges.

Or le sésame appartient justement à cette catégorie des plantes à feuilles larges. Épandre un herbicide de ce type sur l’ensemble d’un champ de sésame revient donc, en théorie, à traiter la culture elle-même comme une mauvaise herbe. C’est très probablement ce mécanisme qui explique la mort rapide des semis, même si, à ce stade, aucune analyse chimique officielle et indépendante n’est venue confirmer avec certitude l’origine exacte du dommage.

Ce que l’IA a répondu quand tout est allé de travers

Une fois le désastre constaté, Wu est retourné voir le même outil pour comprendre ce qui s’était passé. La réponse a été aussi rapide que la vitesse du désastre : l’IA a reconnu qu’un des herbicides recommandés, celui ciblant les feuilles larges, était probablement le responsable. Un aveu utile, certes, mais qui arrive beaucoup trop tard : on ne peut pas annuler un épandage sur dix hectares.

L’application utilisée intégrait bien un avertissement générique, du type « une réponse générée par IA peut être incorrecte, merci de vérifier ». Mais après des mois d’échanges jugés fiables, ce type de mention finit par se fondre dans le décor et par ne plus vraiment être lu.

La vraie leçon : l’IA excelle sur le général, trébuche sur le contextuel

Ce fait divers n’est pas un simple « bug » isolé ou une hallucination. Il illustre un problème structurel des IA génératives, qui touche potentiellement bien d’autres domaines que l’agriculture : ces systèmes sont globalement doués pour répondre à des questions générales, mais nettement moins fiables dès qu’il s’agit de contexte très spécifique.

Question générale vs question contextuelle : quelle différence ?

Une question générale a une réponse à peu près universelle, indépendante du contexte précis de la personne qui la pose. Une question contextuelle, elle, dépend d’une multitude de paramètres locaux (le climat, le sol, la culture exacte, la période de l’année, l’historique du terrain) que l’IA ne connaît pas forcément et ne peut pas toujours deviner correctement.

Type de question	Exemple	Fiabilité typique de l’IA
Question générale	« Qu’est-ce que le fomesafen ? »	Généralement fiable
Question contextuelle	« Puis-je l’utiliser sur MON champ de sésame, dans CES conditions ? »	Risque élevé d’erreur
Domaine à fort enjeu	Santé, agriculture, finance, droit	Vérification humaine indispensable

Ce même principe s’applique très directement à la santé humaine. Le bon traitement pour un patient dépend de son âge, de son poids, de ses autres traitements en cours, de ses allergies, de son historique médical, voire de sa fonction rénale ou hépatique. Une IA peut connaître énormément de choses sur un médicament ou une maladie, tout en ignorant le seul détail qui rend, pour cette personne précise, un conseil par ailleurs sensé complètement dangereux.

⚠️ LE PIÈGE DE LA CONFIANCE PROGRESSIVE Plus un système d’IA se montre juste souvent, plus l’utilisateur baisse sa garde. C’est exactement ce qui s’est produit avec Wu : un an de bons conseils a suffi à faire tomber la vigilance, jusqu’à la fois où l’erreur, elle, a eu des conséquences irréversibles.

Comment se protéger quand on utilise l’IA pour des décisions importantes

Ce cas ne veut pas dire qu’il faut bannir l’IA de l’agriculture, de la santé ou de tout autre domaine sensible. Il montre surtout comment l’utiliser intelligemment :

• Traitez l’IA comme un point de départ, jamais comme la parole finale, dès qu’une décision est coûteuse ou irréversible. Vous pouvez faire des recherches complémentaires manuellement dans les moteurs de recherche pour avoir toutes les informations dans votre cas précis.
• Faites toujours valider par un professionnel humain (agronome, médecin, avocat…) avant d’agir sur un conseil à fort enjeu.
• Testez sur une petite zone ou une petite dose avant d’appliquer une recommandation à grande échelle.
• Méfiez-vous justement des IA qui vous ont donné raison plusieurs fois de suite : la confiance accumulée n’est pas une garantie pour la prochaine réponse.
• Vérifiez la source des données de l’outil : une IA qui pioche dans des informations publiques génériques n’a pas la même fiabilité qu’un système entraîné et validé sur des bases agronomiques ou médicales officielles.

Peut-on faire confiance à une IA pour ses cultures ?

Voici notre évaluation, sur 20, de l’usage d’une IA généraliste pour des conseils agricoles à fort enjeu, sur la base des éléments rapportés dans cette affaire :

Critère	Appréciation	Note /5
Pertinence sur les questions générales	Bonne, souvent fiable	4/5
Fiabilité sur les recommandations très contextuelles	Faible, comme le montre ce cas	1/5
Clarté des avertissements de l’outil	Présents mais trop discrets	2/5
Sécurité globale sans validation humaine	Insuffisante pour des décisions irréversibles	1/5

Note globale : 8/20, utile en soutien, dangereux en pilote automatique.

À vous de débattre

• Faites-vous confiance à une IA pour des décisions qui touchent directement votre travail ou vos finances ?
• Un avertissement générique du type « l’IA peut se tromper » vous semble-t-il suffisant, ou faudrait-il des alertes plus visibles selon le niveau de risque ?
• Avez-vous déjà suivi un conseil d’IA qui s’est révélé faux ? Racontez-nous votre expérience en commentaire !

Source : Tom’s Hardware