Las técnicas de aprendizaje automático (ML) se pueden utilizar para convertir grandes volúmenes de datos en información valiosa para aplicaciones agroambientales, como la modelización predictiva de plagas. (Denis & Schiffermüller) 1775 (Lepidoptera: Tortricidae) es una de las principales plagas de la vid, causando altas pérdidas de productividad en algunos viñedos de todo el mundo. Este trabajo se centra en la optimización del modelo de Touzeau, un modelo de correlación clásico entre la temperatura y el desarrollo utilizando modelos basados en datos. Los datos recopilados de observaciones de campo se combinaron con 30 GB de datos meteorológicos registrados actualizados cada 30 minutos para entrenar los modelos de ML y hacer predicciones sobre los vuelos de esta plaga, así como para evaluar la precisión tanto de los modelos de Touzeau como de los modelos de ML. Los resultados obtenidos destacan un puntaje F1 mucho más alto de los modelos de ML en comparación con el modelo de Touzeau. El modelo de mejor rendimiento fue una red neuronal artificial de cuatro capas, que consideró varias variables juntas y no solo la temperatura, aprovechando la capacidad de los modelos de ML para encontrar relaciones en sistemas no lineales. A pesar del margen de mejora de los modelos basados en inteligencia artificial, el proceso y los resultados presentados aquí destacan los beneficios del ML aplicado a las estrategias de gestión de plagas agrícolas.