AsperCut, robot de récolte d'asperges : comment la vision 3D et l'IA ont levé le verrou de la détection.

2020. Le Covid immobilise les travailleurs saisonniers, et les producteurs d’asperges regardent leurs champs sans savoir qui les récoltera. Deux ingénieurs y voient un problème à résoudre. Quatre ans plus tard, leur robot coupe, ramasse et met en caisse des asperges tout seul. Entre les deux, il a fallu résoudre une question que la mécanique ne savait pas traiter : comment une machine peut-elle voir une asperge ?

L'ESSENTIEL EN 5 POINTS
–    Avec 100 000 asperges à récolter par personne et par saison, la récolte manuelle représente un défi majeur sur une filière française en croissance mais sous tension sur la main-d'œuvre.
–    Sylektis a d'abord tenté la détection mécanique par palpeurs : trop peu fiable, et risquant d’abîmer le produit.
–    La vision 2D et 3D associées à l'IA a levé le verrou, en détectant chaque asperge et en fournissant au robot les coordonnées exactes des points de récolte.
–    Le bénéfice supplémentaire des données collectées a permis de fournir une cartographie des récoltes, au service de l'agriculture de précision.
–    La difficulté propre à ce projet — détecter un produit à chaque fois différent dans un environnement changeant constamment — est exactement celle que rencontre tout constructeur de machines spéciales confronté à un environnement extérieur.

Pourquoi la récolte d'asperges reste une opération 100 % manuelle

Le paradoxe de l'asperge française tient en deux chiffres : une filière qui gagne du terrain, et une récolte qui n'a pas bougé depuis un siècle.

7 398 hectares en 2024 : une filière française en croissance

La production progresse en surface. La France comptait 7 395 hectares d'asperges en production en 2024, contre 6 676 l’année précédente — soit près de 11 % de surfaces supplémentaires en un an. Les volumes, eux, stagnent : 27 476 tonnes récoltées, contre 27 286 l’année d'avant, le rendement moyen étant passé de 41 à 37 quintaux par hectare (source : Agreste, statistique agricole annuelle 2024, chiffres définitifs, novembre 2025).

Autrement dit : il y a chaque année davantage de surface à parcourir pour un tonnage équivalent.

L'asperge est une culture pérenne et engageante : huit à dix ans de production après plantation. Elle est bien valorisée. Autant dire qu'un producteur qui plante s'engage pour une décennie.

400 à 500 heures de main-d'œuvre par hectare

En face, une opération restée intégralement manuelle. Lors de sa journée technique de Castelnaudary, en 2024, l'AOPn Asperges de France (Association d'Organisations de Producteurs nationale) chiffrait la récolte entre 400 et 500 heures par hectare, pour un coût d’environ 1,50 € le kilo. S'y ajoutaient 100 à 200 heures par hectare en station de lavage et de conditionnement, et un équivalent temps plein pour 20 à 30 hectares au titre du seul suivi de culture — buttage, protections, irrigation (Christophe Paillaugue, président de l'AOPn).

L'équation est simple, et c'est ce qui la rend bloquante : plus les surfaces augmentent, plus le besoin en bras augmente. Et les bras, eux, se raréfient.

Une tension européenne, pas seulement française

Le sujet n'est pas franco-français. En Allemagne, premier producteur européen, le relèvement du salaire minimum à 13,90 € de l’heure au 1er janvier 2026 a été qualifié de défi majeur par les représentants de la filière, qui réclament un régime dérogatoire pour les saisonniers.

Quand la main-d'œuvre constitue l'essentiel du prix de revient et qu'elle augmente structurellement, ce n'est plus un sujet de trésorerie. C'est un sujet de modèle économique.

Sylektis : de la pénurie de saisonniers au robot AsperCut

C'est ce constat qui a donné naissance à Sylektis. Wilfried Garrigue et Stéphane Abraham fondent la start-up en pleine crise sanitaire, après avoir identifié le manque de main-d'œuvre comme le point de rupture de deux filières en particulier : l'asperge et la fraise.
Quatre ans plus tard, un des premiers robots de récolte plein champ — d'abord pour l'asperge blanche, ensuite pour la verte : l'AsperCut.
Entre les deux, un détour par une impasse technique. C'est cette partie de l'histoire qui intéresse tout fabricant de machines spéciales.

Première tentative : pourquoi la détection mécanique par palpeurs a échoué

Le raisonnement initial de Sylektis était impeccable. Une asperge blanche, on la voit quand elle sort de la butte. Pour rester sur une approche économique et proposer une machine accessible, l'équipe développe d'abord une détection mécanique : des palpeurs qui viennent toucher l'asperge pour signaler sa présence.

Peu coûteux. Simple. Robuste sur le papier.

Confrontée à la réalité du terrain, la solution ne tient pas. Pire : elle risque d’endommager le produit — ce que les agriculteurs ont formellement refusé. Sur une culture où le turion (le bourgeon comestible de l'asperge) se vend au kilo, et où la griffe conditionne les récoltes des huit prochaines années, l'abîmer n'est pas une option.

Six mois de développement mécanique pour arriver à une conclusion : la solution n'était pas mécanique.

L'équipe se retourne alors vers la détection par vision, et consulte APREX Solutions, concepteur français de solutions de vision industrielle et d'intelligence artificielle appliquée à l'image, basé à Nancy.

Le vrai défi : détecter de l'inconnu dans un environnement non contrôlé

Pour comprendre pourquoi ce projet n'était pas un projet de vision industrielle ordinaire, la formulation de Sylektis est difficile à améliorer :

« Dans l'industrie, c'est souvent détecter quelque chose de connu dans un environnement contrôlé. Et là, c'est tout le temps différent, dans un environnement changeant. »
Wilfried Garrigue – Co-Dirigeant de Sylektis

Tout le sujet est dans cette phrase.

Vision industrielle en atelier vs. vision en plein champ

En contrôle qualité classique, on inspecte des pièces normalisées, sous un éclairage maîtrisé, à une distance fixe, à cadence constante. On sait ce qu'on cherche, et on sait à quoi ça ressemble. L'incertitude porte sur le défaut, pas sur l'objet.

Au champ, cette base disparaît. On ne sait pas exactement à quoi ressemble l'objet à détecter, ni dans quelles conditions on va le voir. Le système de vision doit décider vite, sans se tromper, et sans jamais bénéficier de deux fois la même scène.

Les variables qui changent à chaque asperge

Six paramètres au moins varient en permanence :

1. La hauteur du turion, selon le stade de maturité
2. La courbure et l'orientation de la tige, jamais parfaitement verticale
3. La couleur et la texture du sol, d'une parcelle à l'autre et d'une région à l'autre
4. La lumière, du lever du jour au plein soleil rasant
5. La météo : pluie, vent, poussière, sable
6. La confusion possible avec un caillou, une motte, un débris végétal

De l'aveu même des équipes d'APREX, le sujet était largement hors du cadre habituel. C'est précisément ce qui en a fait un bon défi.

Comment le système de vision détecte les asperges blanches et vertes

Point de départ souvent ignoré hors filière : les asperges blanches et vertes ne poussent pas de la même façon.

Les blanches grandissent sous terre ; les vertes poussent à l'air libre. On récolte donc les blanches alors qu'elles pointent à peine le nez hors de la butte, tandis que les vertes sont coupées hors de terre, une fois atteints 20 à 30 cm.

Deux modes de croissance, deux méthodes de récolte, deux types de capteurs. Mais une seule et même brique technologique de détection, celle développée par les ingénieurs d'APREX — d'abord pour l'asperge blanche, ensuite étendue à la verte.

Asperge blanche : combiner caméra 2D et caméra 3D

Pour l'asperge blanche, c'est la combinaison d'une caméra 2D et d'une caméra 3D qui a permis d'atteindre l'objectif.

L'enjeu : détecter des têtes d'asperges à peine visibles, qui peuvent être prises pour des cailloux — ou l'inverse — et se confondre avec la couleur de la terre selon la nature du terrain. Puis transmettre leurs coordonnées au robot.

La 2D apporte l'information de texture et de couleur ; la 3D apporte le relief. Séparément, aucune des deux ne suffit à trancher. Ensemble, elles lèvent l'ambiguïté.

Asperge verte : nuage de points 3D et intelligence artificielle

La solution développée pour l'asperge verte — le cas abordé dans la vidéo — repose sur la vision 3D : une caméra stéréoscopique, placée à l'avant de la machine au-dessus du plan de récolte, associée à des algorithmes d'intelligence artificielle.

Une caméra stéréoscopique fonctionne comme deux yeux : deux capteurs décalés observent la même scène, et l’écart entre les deux images permet de calculer une distance pour chaque point. Résultat : non plus une photo, mais une reconstruction en trois dimensions de la parcelle.

Détecter, mesurer, décider, guider : les 4 étapes du traitement

1. La caméra cartographie le terrain. Elle produit un nuage de points — un ensemble de coordonnées décrivant la géométrie réelle de la scène : le sol, le relief de la butte, et les asperges qui en émergent.
2. L'IA interprète ce nuage de points. C'est le cœur du développement APREX : une technique d'intelligence artificielle capable d'exploiter directement la donnée 3D pour identifier ce qui, dans ce relief, est une asperge — et ce qui n'en est pas.
3. Elle en extrait des mesures exploitables. Coordonnées de la tête, coordonnées de la base, hauteur du turion. De là découle la décision : cette asperge est-elle assez longue pour être récoltée maintenant ?
4. Elle transmet les coordonnées de récolte au robot. Qui coupe, saisit, dépose sur un convoyeur et remplit les caisses de façon autonome.

Les quatre étapes s’enchaînent en continu.

AsperCut en chiffres : performances du robot de récolte
–    l'AsperCut récolte jusqu'à 40 à 80 asperges vertes à la minute et jusqu'à 24 asperges blanches à la minute. Pour la récolte manuelle ce sont 10 asperges vertes par minute et 6 asperges blanches par minute.
–    l'AsperCut couvre jusqu'à 4 hectares en asperges blanches et jusqu'à 10 hectares en asperges vertes. Chaque saisonnier récolte manuellement 0,5 à 1 hectare.
–    Grâce à sa motorisation hybride il fonctionne 24 h/24, 7 jours/7.
–    100% made in France : conçu et fabriqué en France, embarque un dispositif de vision développé par une entreprise française qui entraine elle-même ses modèles d’IA, data hébergées en France également.
L’AsperCut est soutenu par le Programme d'Investissements d'Avenir et France 2030.

De la récolte à la donnée : la vision au service de l'agriculture de précision

L'apport de la détection par vision apporte une valorisation de la donnée supplémentaire.

Une machine qui voit et enregistre. Chaque passage dans la parcelle génère des images et des coordonnées, conservées de façon sécurisée. Cette matière ouvre un second usage : la cartographie des récoltes.

Où a-t-on le plus récolté ? Où le rendement décroche-t-il ? Et donc : où faut-il ajuster la fertilisation, l'irrigation, l'entretien ? On entre de plain-pied dans l'agriculture de précision — non pas en ajoutant un capteur dédié, mais en valorisant une donnée déjà produite par la récolte elle-même.

L'IA apporte par ailleurs une flexibilité que la mécanique n'offre pas : la même architecture s'adapte au type d'asperge et au type de production, là où un dispositif mécanique aurait exigé une refonte à chaque configuration.

Fiabilité et rentabilité : les deux critères qui décident d’un projet de vision

Deux exigences ont encadré tout le projet. Elles valent bien au-delà de l'asperge.

La fiabilité en milieu ouvert. La machine doit récolter qu'il pleuve, qu'il vente, qu'il fasse soleil, dans le sable. Un système de vision qui ne fonctionne qu'entre 10 h et 16 h par temps clair n'est pas un système de vision : c'est une démonstration.

La rentabilité. Une machine qui fonctionne mais que personne ne peut acheter ne résout aucun problème. Un robot n'a de sens que s'il coûte moins cher que ce qu'il remplace, sur sa durée de vie. C'est ce qui a condamné les approches trop sophistiquées comme les approches trop rustiques.

Le verdict de Sylektis, sans détour :

« La vision, pour nous, ça a été la clé pour fournir une solution qui fonctionne, tout simplement. Mais surtout à un coût compétitif. »
Wilfried Garrigue – Co-Dirigeant de Sylektis

Vous butez sur une étape de détection, de mesure ou de guidage ?

Vous concevez une machine spéciale et la perception est votre point dur ? C'est le type de problème sur lequel nos équipes interviennent, en agroalimentaire comme en industrie manufacturière.
PARLONS DE VOTRE PROJET

Ce que ce projet apprend aux fabricants de machines spéciales

Trois enseignements se dégagent, et aucun n'est propre à l'agriculture.

1. Le verrou technique n'est pas toujours là où on le cherche

Sylektis maîtrisait la mécanique, la cinématique, l'intégration. Le point de blocage était la perception — un autre métier, avec ses propres cycles de R&D et ses propres outils.
Six mois passés à faire mûrir des palpeurs sont six mois qui n'ont pas été consacrés à la machine elle-même. Identifier tôt qu'un verrou relève d'une compétence externe est en soi une décision d'ingénierie.

2. Les briques de vision industrielle sont transversales

C'est peut-être le point le plus contre-intuitif pour un constructeur : les briques technologiques circulent d'un secteur à l'autre.
Détection de défauts sur une ligne de production, guidage de robot au champ : ce sont des applications différentes d'un même socle. Une expertise construite sur le contrôle qualité industriel se transpose à la récolte agricole — et réciproquement. Un projet agricole difficile fait progresser les algorithmes utilisés en usine.

3. Engagement, réactivité, confiance : le facteur humain

Interrogé sur ce qu’il retient de la collaboration, Sylektis cite trois qualités, dans cet ordre : l'engagement, la réactivité, la confiance.

Sur un projet de plusieurs années où l'on avance sans certitude de résultat, ces trois-là pèsent autant que la performance des algorithmes. Ce n'est pas une formule de politesse : c'est ce qui permet de tenir après un échec technique.

Et après ? France, Allemagne, Canada et autres cultures

Le marché visé est d'abord la France, puis l'Europe. À l'horizon 2027, Sylektis prévoit d’être présent en France, en Allemagne — où de gros producteurs les sollicitent déjà — et au Canada, dont la filière asperge verte connaît une pénurie de main-d'œuvre sévère.

Au-delà, la logique est celle de la brique réutilisable. La vision existe, le robot existe : restent l'adaptation et l'extension à d'autres cultures. D'autres légumes. Des fruits.

La collaboration entre les deux entreprises, elle, ne fait que commencer.

Questions fréquentes sur la vision industrielle en robotique agricole

Comment un robot détecte-t-il une asperge ?

Par vision 3D. Une caméra placée à l’avant de la machine, au-dessus du plan de récolte, reconstruit la parcelle sous forme de nuage de points — une représentation en trois dimensions du sol et de ce qui en dépasse. Un algorithme d’intelligence artificielle interprète ce nuage de points pour identifier les asperges, déterminer les coordonnées de leur tête et de leur base, mesurer leur hauteur, et décider lesquelles sont assez longues pour être récoltées. Ces coordonnées sont ensuite transmises à l’organe de coupe.

Un système de vision embarqué sur un robot peut-il détecter à la fois des asperges blanches et des asperges vertes ?

Oui, mais pas avec les mêmes capteurs. L’asperge blanche pousse sous la butte et se récolte au moment où elle affleure : la détection combine une caméra 2D, qui apporte texture et couleur, et une caméra 3D, qui apporte le relief — nécessaire pour distinguer une tête de turion d’un caillou de même teinte. L’asperge verte pousse hors sol et se coupe entre 20 et 30 cm : la géométrie suffit, et la détection repose sur la seule vision 3D, par nuage de points.
Ce qui ne change pas, c’est la brique logicielle. Le même socle de détection développé par APREX Solutions traite les deux cas, d’abord conçu pour l’asperge blanche puis étendu à la verte. C’est ce qui permet à l’AsperCut de récolter jusqu’à 24 asperges blanches et 40 à 80 asperges vertes par minute selon la configuration. Un dispositif mécanique aurait exigé deux machines distinctes.

Quelle caméra faut-il pour qu’un robot récolte des légumes ?

Le choix dépend de la tâche. Pour la récolte d’asperges, c’est une caméra 3D, placée au-dessus du plan de récolte, qui est retenue : elle fournit la géométrie de la scène, indispensable pour positionner un organe de coupe avec précision. Une caméra 2D seule permet de reconnaître un objet, mais pas de le localiser dans l’espace. Le capteur ne fait toutefois qu’une partie du travail : c’est l’algorithme d’interprétation qui détermine la fiabilité réelle du système.

Quelle est la différence entre la vision industrielle en usine et la vision industrielle au champ ?

En usine, on détecte un objet connu dans un environnement contrôlé : pièces normalisées, éclairage stable, distance fixe, cadence régulière. Au champ, chaque objet est différent — hauteur, courbure, maturité — et l’environnement change en permanence : luminosité, couleur et texture du sol, pluie, vent, poussière. Un système de vision agricole doit donc être conçu pour la variabilité, non pour la répétabilité.

Pourquoi la détection mécanique ne suffit-elle pas pour récolter des asperges ?

Parce qu’elle est peu fiable au champ et qu’elle risque d’endommager le produit. Sylektis a d’abord développé des palpeurs mécaniques venant toucher l’asperge pour signaler sa présence — une approche volontairement économique. Confrontée à la réalité du terrain, elle s’est révélée inefficace, et le risque d’abîmer le turion a été rédhibitoire pour les producteurs. C’est ce constat qui a conduit au choix d’une détection par vision.

Un fabricant de machines spéciales doit-il développer sa vision industrielle en interne ?

Rarement, et jamais par défaut. La conception mécanique et la vision par IA sont deux métiers distincts, avec des cycles de R&D et des courbes d’apprentissage propres. Internaliser la seconde quand on excelle dans la première revient souvent à s’offrir plusieurs années de développement, pendant lesquelles le marché ne s’arrête pas. Le partenariat permet au constructeur de conserver la maîtrise de sa machine et de sa relation client, tout en intégrant une brique de perception déjà éprouvée.

La vision industrielle est-elle transposable d’un secteur à un autre ?

Oui, c’est même l’une de ses caractéristiques les plus utiles. Les briques technologiques circulent : détection de défauts sur une ligne de production, contrôle dimensionnel, tri, guidage de robot au champ sont des applications différentes d’un même socle de compétences. Une expertise construite sur le contrôle qualité industriel se transpose à la récolte agricole.

Qui a développé le système de vision du robot AsperCut ?

APREX Solutions, entreprise spécialisée dans la vision industrielle et l’intelligence artificielle appliquées au contrôle qualité et au guidage robotisé. Sollicitée par Sylektis après l’échec des solutions de détection mécanique, elle a développé le système de détection par caméra 3D et nuage de points qui équipe l’AsperCut, d’abord pour l’asperge blanche puis pour l’asperge verte.

Vous butez sur une étape de détection, de mesure ou de guidage ?

Vous concevez une machine spéciale et la perception est votre point dur ? C'est le type de problème sur lequel nos équipes interviennent, en agroalimentaire comme en industrie manufacturière.
PARLONS DE VOTRE PROJET

Sources des données
7 398 ha en production, 27 566 t récoltées en 2024    
Agreste, Statistique agricole annuelle 2024 — chiffres provisoires, avril 2025

400-500 h/ha de récolte, ~1,50 €/kg, 100-200 h/ha en station, 1 ETP / 20-30 ha
Christophe Paillaugue, président de l'AOPn Asperges de France, 3e journée technique, Castelnaudary, rapporté par Réussir fruits & légumes (février 2024)

Salaire minimum allemand à 13,90 €/h au 1er janvier 2026, demande de dérogation saisonnière
Die Weltwoche (édition française), avril 2026, citant Apollo News et l’association des producteurs de Beelitz

Allemagne premier producteur européen
Sources filière convergentes — à revérifier sur une source récente

Genèse Covid, palpeurs, caméra 3D, nuage de points, cartographie, marchés 2027, les trois qualités du partenariat
Transcription de la vidéo APREX × Sylektis

Caractéristiques AsperCut (surfaces, cadences, autonomie, hybride)
sylektis.com, consulté le 4 août 2026