Pl@ntNet détecte maintenant les maladies des plantes : mode d'emploi et limites

Pour beaucoup de jardiniers, Pl@ntNet, c'est l'appli qui met un nom sur une fleur croisée en randonnée. Depuis février 2026, Pl@ntNet sait aussi faire autre chose, du moins sur son site web : à partir d'une photo des symptômes, proposer la maladie ou le ravageur qui abîme une plante. Pour un outil libre et gratuit, c'est une nouveauté qui mérite qu'on s'y attarde.

Il faut cependant lire les petits caractères. La fonction a été pensée d'abord pour les agriculteurs et pour les grandes cultures de la France, et Pl@ntNet reconnaît lui-même qu'elle couvre une liste limitée de plantes et de maladies. Voici ce qui a changé, ce que l'outil sait reconnaître, comment t'en servir et pourquoi il faut garder un œil critique. Cet article complète notre guide pour diagnostiquer une plante malade avec l'IA.

Ce qui a changé le 9 février 2026

Les notes de version du site identify.plantnet.org permettent de suivre l'histoire précise de la fonction. Le 24 mars 2025, Pl@ntNet ajoutait l'affichage des résultats d'identification de maladies regroupés par espèce, ainsi que les codes OEPP (EPPO), la norme internationale qui sert à nommer les organismes nuisibles; la mention « Restricted access » (accès restreint) accompagnait l'annonce. D'autres mises à jour en accès restreint ont suivi le 27 mai et le 15 décembre 2025. Puis, le 9 février 2026, une note annonce l'ouverture de la page d'identification des maladies à tout le monde.

Une précision utile : la fonction n'a pas été ouverte en octobre 2025. La version du 23 octobre 2025 s'intitule « Determination at genus and family rank » et porte sur l'identification au rang du genre et de la famille, pas sur les maladies. La fonction est issue du projet Pl@ntAgroEco, mené dans le cadre du programme français PEPR Agroécologie et numérique (France 2030), avec la participation de Tela Botanica et de l'Université Swinburne. En juin 2026, le CIRAD présentait ce service comme « ouvert à l'essai du public » sur la plateforme Pl@ntNet.

Ce que l'outil sait reconnaître, et ce qu'il ne sait pas

Selon l'article publié par Pl@ntNet le 14 septembre 2026, l'outil peut identifier 395 maladies et dégâts de ravageurs, sur « un peu plus d'une centaine d'espèces végétales ». La priorité a été donnée aux cultures clés de la France; parmi les exemples bien couverts, Pl@ntNet cite le colza, le café et la vigne. Les noms des pathogènes sont harmonisés selon la norme OEPP, à l'aide de modèles de langage, précise le CIRAD.

Attention à une confusion fréquente : ailleurs sur son site, Pl@ntNet parle de « plus de 2 000 maladies et ravageurs illustrés ». Ce chiffre concerne ses galeries de photos, que tu peux parcourir librement, et non ce que l'IA sait reconnaître automatiquement. Ce sont les 395 maladies et dégâts qui comptent pour la détection. Pl@ntNet reconnaît aussi que le manque de données visuelles de qualité est « l'une des principales limites » de l'outil, et recrute des phytopathologistes pour enrichir sa base. Le CIRAD signale, de son côté, le peu d'images de plantes tropicales.

Mode d'emploi, de la photo au résultat

La note de version du 9 février 2026 renvoie vers la page identify.plantnet.org/diseases/identify : c'est la porte d'entrée la plus sûre. Pour l'appli mobile, on n'a pas de confirmation. L'article de septembre 2026 dit que « l'application est aujourd'hui ouverte au grand public », mais sans préciser s'il parle de l'appli pour téléphone ou de la fonction elle-même. Si tu ne trouves pas la section maladies dans ton appli, passe par le site web sur ton cellulaire ou ton ordinateur.

1. Prépare tes photos. Le principe est simple : une photo des symptômes. Applique les conseils des cliniques universitaires : lentille propre, lumière derrière toi, gros plan net, dessus et dessous de la feuille. Notre méthode en 5 photos détaille les vues utiles.
2. Envoie plusieurs vues du même plant si possible. La documentation technique de Pl@ntNet indique que le service peut analyser jusqu'à cinq images du même individu par requête. Si l'interface te le permet, profite-en.
3. Lis la liste de résultats, pas seulement le premier. Le service renvoie une liste de maladies probables, identifiées par leur code OEPP, chacune avec un score de confiance de 0 à 1. Un score bas, ou plusieurs résultats aux scores proches, indique que l'outil hésite.
4. Vérifie que ta plante fait partie des espèces couvertes. Si ta culture n'est pas dans la liste, l'outil peut proposer une maladie d'une autre plante, ou rien d'utile.
5. Signale les erreurs. Depuis le 9 février 2026, les utilisateurs peuvent indiquer quand la bonne maladie n'apparaît pas dans les résultats. Ça aide à améliorer l'outil.

Pense aussi à fouiller les galeries. Même si l'IA ne reconnaît pas ton problème, les plus de 2 000 maladies et ravageurs illustrés peuvent t'aider à comparer tes symptômes avec des photos, un peu comme tu le ferais dans une banque d'images spécialisée.

Les limites pour un potager québécois

La première limite est la couverture. Une centaine d'espèces, choisies en priorité parmi les cultures françaises, c'est peu à côté de la diversité d'un potager québécois, où l'on trouve des tomates, des courges, des haricots, des fines herbes et des petits fruits. Rien ne garantit que les maladies qui touchent tes plants soient dans la liste. La documentation officielle le dit sans détour : « This feature currently supports only a limited list of species and pathologies » (cette fonction ne prend en charge qu'une liste limitée d'espèces et de maladies).

La deuxième limite tient à la nature même du diagnostic par photo. Les bancs d'essai universitaires sur l'IA montrent que les modèles distinguent bien une plante saine d'une plante malade, mais beaucoup moins bien la maladie précise. Et certains problèmes ne sont pas des maladies du tout : la pourriture apicale de la tomate, par exemple, est une carence localisée en calcium dans le fruit, liée à l'arrosage irrégulier, et la lésion peut ensuite être colonisée par des moisissures. Un outil qui cherche des maladies risque alors de te proposer une maladie. Enfin, aucune évaluation indépendante de la précision de Pl@ntNet maladies n'a été trouvée.

Comment l'intégrer à ta routine de jardinier

Utilise Pl@ntNet maladies comme une première piste, surtout si ta culture fait partie des espèces couvertes. Si le résultat est clair et cohérent avec ce que tu observes, compare-le ensuite avec des photos validées dans IRIIS phytoprotection, la banque d'images du MAPAQ et du CRAAQ. S'il est flou, ou si ta plante n'est pas couverte, essaie un autre outil et compare les réponses; notre article sur ce que disent vraiment les tests des assistants IA propose une méthode simple pour le faire.

Et garde en tête la différence entre identifier une plante et la diagnostiquer. Pl@ntNet s'est fait connaître pour l'identification; au test de l'Université du Maryland en 2025, il a trouvé la bonne espèce du premier coup dans 66 % des cas, sur des plantes de pâturage sans fleurs (les détails sont dans notre article sur ce test). La fonction maladies est plus jeune et encore en construction. Pour la démarche complète, de la photo jusqu'à la confirmation par un expert, retourne au guide principal sur le diagnostic d'une plante malade avec l'IA.

Sources

• Release notes, Pl@ntNet, 2026.
• Quand une plante dépérit, encore faut-il savoir pourquoi… Maladies & Ravageurs, Pl@ntNet, 2026.
• Identifier et explorer les maladies et ravageurs des plantes, Pl@ntNet, 2026.
• Diseases identification (documentation de l'API), Pl@ntNet, 2026.
• Pl@ntNet, Pl@ntNet, 2026.
• Identifying plant diseases using artificial intelligence, CIRAD, 2026.
• LeafNet: A Large-Scale Dataset and Comprehensive Benchmark for Foundational Vision-Language Understanding of Plant Diseases, arXiv, 2026.
• Gardening Myths: Fix Blossom End Rot with Calcium Sprays, Clemson Cooperative Extension, 2020.
• Solanacées, Avertissement N° 11, MAPAQ – Réseau d'avertissements phytosanitaires, 2017.
• Snap It or Scrap It: Putting Plant ID Apps to the Test, University of Maryland Extension, 2025.