- Les IA dans ce contexte doivent donc servir à :
1 synthétiser à la volée les flux de données issues des capteurs,
2 prendre les décisions de pilotage courantes (modifier à la marge une quantité de nourriture distribuée, par exemple)
3 remonter à l’Humain les éléments - mis en forme intelligible - pour les prises de décision où l’Intelligence Humain est nécessaire.

- D’une manière générale, un agent s’occupant d’une production agricole (un animal d’élevage, un champ de céréales, par exemple) doit :
1 avoir une bonne connaissance du fonctionnement de ce qu’il produit
2 connaître précisément les objectifs à atteindre
3 afin d’avoir une idée claire de l’état dans lequel elle se trouve à partir des informations qu’il perçoit de la production
4 définir les actions à mener, compte tenu de cet état et des objectifs.

- Si l’agent qui s’occupe de la production est une IA, elle doit embarquer un modèle mathématique de sa dynamique. C’est lui qui joue le rôle de la « bonne connaissance du fonctionnement » évoquée précédemment.

- Les IA produites par See-d pour ce Use Case embarquent donc de tels modèles. Elles interprètent les données issues des capteurs, construisent les recommandations et renvoient de l’information vers les humains par leur biais.