Pourquoi maintenant ?
Trois lacunes d’information aiguës
Qui achète de l’huile d’olive, des amandes, des agrumes ou du vin en vrac signe ses contrats des mois à l’avance – et le volume de la récolte fait le prix. Récemment, le prix de l’huile d’olive a varié d’un facteur supérieur à deux en l’espace de deux ans seulement. Et c’est précisément maintenant que des estimations publiques essentielles ont disparu ou se sont nettement trompées.
Amandes · États-Unis et marché mondial
Le principal repère de volume a disparu.
En décembre 2025, après 60 ans, l’Almond Board of California a cessé de financer le rapport objectif de récolte de l’USDA (l’estimation de juillet).
Huile d’olive · Espagne
Deux semaines d’incertitude après le gel.
Après le gel du 30 mars 2026, les techniciens des organisations agricoles ont eu besoin de plus de deux semaines pour un bilan fiable des dégâts. La campagne 2025/26 s’est achevée 5,6 % en dessous de l’estimation officielle d’automne (l’aforo du MAPA).
Vin · Espagne et Italie
Plus d’estimation préalable.
En août 2026, les coopératives de Castille-La Manche et les organisations italiennes ont renoncé à leur traditionnelle estimation préalable de la vendange.
OrchardCast comble ces lacunes : plus tôt, avec une résolution régionale jusqu’à l’échelle de la comarca et avec des intervalles de probabilité calibrés.
En savoir plus sur le contexte
Les premières estimations, par exemple celles des organisations professionnelles, ont souvent été très éloignées les unes des autres par le passé et ne sont pas toujours exemptes d’intérêts propres. Les chiffres officiels comme l’aforo espagnol ne paraissent que peu avant la récolte. Il n’existe à ce jour aucune estimation de production indépendante, précoce et à résolution régionale qui indique ouvertement son incertitude.
Projet
Transparence et précision des données pour le marché agricole
Nous préparons actuellement le lancement d’un nouveau service de prévision destiné à combler le manque d’information sur les marchés des cultures pérennes méditerranéennes. Notre objectif : fournir aux acheteurs, négociants et producteurs d’huile d’olive, d’amandes, d’agrumes et de vin des estimations de production précoces, objectives et vérifiables.
Pour cela, nous nous appuyons sur des méthodes modernes : un modèle physiologique de croissance spécialement développé est confronté en continu aux dernières données satellitaires, aux modèles météorologiques et aux chiffres officiels de référence.
Il en résulte un « radar des récoltes » entièrement automatisé, qui fournit des évaluations solides et traçables – des bilans de dégâts à court terme après un épisode de gel jusqu’aux prévisions de récolte à long terme pour l’année suivante.
Avantages
Du modèle biologique à la base de vos décisions
Quatre avantages concrets pour les conditionneurs, importateurs, casseries d’amandes, grandes caves, banques qui financent les récoltes ou assureurs.
0–3 jours · Bilan de l’événement
Agir dans les 72 heures après un gel ou une canicule.
Au lieu d’attendre deux semaines les estimations des organisations agricoles, vous recevez dans les 72 heures un bilan objectif des dégâts par comarca.
En savoir plus
Le bilan combine des données météorologiques horaires, les poches d’air froid locales issues d’un modèle de terrain à 30 mètres et le stade phénologique. Même lors des printemps sans gel, la confirmation qu’il n’y a pas de dégâts (« floraison passée sans dommage ») a une valeur immédiate pour vos négociations d’achat.
1–5 mois · Nowcast de campagne
Distinguer une pénurie apparente d’une vraie perte de récolte.
Si, pendant la récolte des olives, les chiffres mensuels de production restent en deçà des attentes, le modèle montre si la marchandise arrive simplement plus tard sur le marché ou si elle manque réellement.
En savoir plus
Les jours de pluie empêchent souvent seulement d’accéder aux oliveraies – les olives sont encore sur l’arbre. Les pertes réelles sont causées par le gel sur les fruits, la grêle ou la tempête qui fait tomber les olives. Le modèle sépare strictement les deux : l’avancement de la récolte, qui dépend de la météo, et la perte biologique de volume.
3–18 mois · Campagne et année suivante
Planifier des mois avant les chiffres officiels.
Bien avant l’aforo officiel espagnol du 1er octobre, le modèle chiffre le potentiel de production de la prochaine campagne et de la suivante.
En savoir plus
Il s’appuie sur la vitalité des houppiers, la météo passée, actuelle et attendue, la réserve en eau des sols, la phase d’alternance (la succession d’années de forte et de faible récolte) et le froid hivernal.
Chaque prévision · Bande de risque
Des bandes de risque calibrées plutôt qu’un chiffre unique.
Chaque prévision est un intervalle à 80 % (du 10e au 90e centile), issu de centaines de scénarios calculés en parallèle.
En savoir plus
Après chaque campagne, nous confrontons en toute transparence nos intervalles aux chiffres officiels de l’AICA et du MAPA. Une prévision manquée est analysée et publiée par nos soins – elle n’est jamais corrigée en silence.
Méthode
Une chaîne de données automatisée au service de la biologie végétale
Les modèles purement statistiques apprennent à partir d’années moyennes. Le gel pendant la floraison, les canicules ou une rupture de l’alternance y sont souvent sous-estimés, voire pas du tout représentés – or c’est précisément dans ces cas que le marché a le plus besoin de la prévision. C’est pourquoi OrchardCast réunit deux mondes.
01 · Chaîne de données
Toutes les données d’entrée, traitées de façon entièrement automatique.
Surfaces à la parcelle (SIGPAC), arbres et houppiers issus des orthophotos et du LiDAR du PNOA, poches d’air froid tirées du modèle de terrain à 30 mètres, Sentinel-2 et Landsat, ERA5-Land et les ensembles météorologiques de l’ECMWF alimentent une chaîne entièrement automatique, que nous construisons actuellement et qui se met à jour en continu.
02 · Modèle de processus
De la biologie plutôt qu’une boîte noire.
Au cœur du système ne tourne pas un modèle statistique, mais la connaissance de la physiologie végétale : le bilan hydrique du sol et la formation du rendement pilotée par la météo, l’induction florale, l’alternance, le cumul de froid et les dégâts de gel selon le stade phénologique déterminent le rendement.
03 · Perspectives
De l’olivier à d’autres cultures.
Environ 80 % des processus biologiques fondamentaux – dormance, phénologie, gel, stress hydrique – sont communs à plusieurs espèces. Le système développé pour l’olivier peut donc être transposé efficacement aux amandiers, aux agrumes, à la vigne et aux pistachiers dans les principales régions de production.
En savoir plus sur la méthode
Un filtre particulaire confronte en permanence le modèle aux observations : données satellitaires sur la vitalité des houppiers et, pendant la campagne, les chiffres officiels mensuels de production. Pour cela, le modèle calcule des centaines de scénarios. Ils diffèrent par leurs hypothèses – par exemple l’évolution de la météo ou les paramètres du modèle. La dispersion des scénarios donne l’intervalle de prévision.
Offre
Des perspectives gratuites à la licence de données
Notre modèle peut couvrir différentes échelles spatiales – de la commune à la comarca, à la province et à la région, jusqu’à des prévisions nationales. Comme son unité de base est la parcelle individuelle (recinto), il peut même descendre jusqu’à l’échelle de l’exploitation. Choisissez le niveau qui vous convient.
| Niveau | Contenu | Prix |
|---|---|---|
| Newsletter | Newsletter gratuite avec les dernières actualités | gratuite |
| Briefing / Pass saison | Rapport à chaque échéance de prévision avec un tableau régional par province ; en pass saison, également pour la saison des gelées ou la campagne oléicole | 300–500 € par culture et par an |
| Rapport express d’événement | Bilan des dégâts par comarca dans les 72 heures après un fort gel ou une canicule | 500–1 000 € par événement |
| Pro | Données en CSV et par API, résolution par comarca, alertes d’événements sous 72 heures, entretien trimestriel | 2 500–3 500 € par culture et par an |
| Offre pays | toutes les cultures disponibles au niveau Pro | 4 000–6 000 € par an |
| Analyse sur mesure | Votre question spécifique, par ex. sur certaines régions d’approvisionnement ou exploitations | sur demande |
| Licence de données institutionnelle | flux de données brutes lisible par machine pour banques, assureurs agricoles, négociants en matières premières et fonds | à partir de 12 000 € par an |
Prix prévisionnels, octobre 2026. Les membres fondateurs paient la moitié la première année (places limitées). Questions sur les licences et les analyses sur mesure : info@orchardcast.com
Perspectives
Bientôt disponible
OrchardCast est actuellement en cours de développement et ce site sera enrichi progressivement. Vous y trouverez prochainement :
Prévisions en direct
Des synthèses publiques de nos anticipations pour les prochaines campagnes.
Études de cas et bilan de fiabilité
Une documentation ouverte et horodatée de nos prévisions, pour documenter en toute transparence la qualité de nos modèles.
Détails des modèles
Données de base, phases physiologiques, horizons de prévision.
Abonnements
Des notes détaillées, des prévisions à l’échelle régionale et des interfaces de données pour les professionnels.
Fondateur
Dr Oliver Tackenberg
OrchardCast est développé par le Dr Oliver Tackenberg. La fiabilité de ses prévisions de récolte repose sur plus de vingt ans de recherche en écologie végétale et en modélisation informatique. Les modèles prédictifs, tels que la modélisation de niche écologique ou les modèles dynamiques de croissance, calculent avec une grande précision, à partir de données environnementales, la façon dont les plantes réagissent à la météo ou à l’évolution du climat, et où elles pousseront à l’avenir.
Son objectif est d’allier une solide expertise en écologie végétale à des méthodes modernes fondées sur les données, afin de rendre le savoir biologique exploitable sur le terrain. Pour OrchardCast, il traite de manière entièrement automatisée de grands volumes de données – des données géospatiales et images satellitaires jusqu’aux relevés météorologiques horaires. En croisant ces informations avec des modèles physiologiques de croissance et des filtres particulaires statistiques, il traduit le comportement biologique des cultures en prévisions de récolte robustes – avec des indications transparentes sur leur précision.
Vous trouverez plus de détails sur ses projets précédents sur i-flora.com ainsi que dans la liste de ses plus de 70 publications scientifiques sur Google Scholar.
