Simulation et modélisation agricole - biologie et écologie appliquée dans le pilotage et l'ingénierie des ecosystèmes

La modélisation est nécessaire. Nous avons besoin AUSSI d'une meilleure connaissance des interactions entre les dynamiques des différentes populations d'organismes au champ en particulier dans le domaine de l'entomologie. Pour toutes les cultures il serait bon de connaître les seuils de populations de parasites et d'auxilliaires et les dynamiques de croissance qui devraient déclencher une intervention; une infestation de pucerons faible avec des prédateurs en déclin peut être plus dangereuse qu'une infestation forte avec des prédateurs en croissance. En arboriculture suite aux travaux de l'INRA de Montfavet on a pu mieux piloter les interventions; mais en dehors de la culture du colza, les informations sont très fragmentaires dans les autres cultures. Ce type de recherche entomologique est sans doute plus ingrat que la création de modèles mathématiques mais il a l'avantage d'être basé sur des observations pluitôt que sur des hypothèses pas toujours complètement vérifiées.

Réponse :La priorité « Renforcer les capacités de prédiction en biologie et en écologie » vise notamment à mieux coupler acquisition des données et modélisation.
Un tel couplage suppose l’existence de données, que celles-ci soient obtenues à partir d’expériences en milieu plus ou moins contrôlé ou à partir d’observations issues du terrain. Dans les deux cas, la production de ces données, le contrôle de leur qualité, la systématisation et l’automatisation des mesures et observations classiques ou la mise au point de nouvelles techniques de mesure et d’observation constituent des enjeux importants.
En outre, disposer de données est une condition nécessaire de l’intérêt de la modélisation et, souvent, de l’implication des mathématiciens ou informaticiens, eux mêmes, sur un thème de recherche.
S’agissant des ravageurs et des maladies des plantes, on perçoit ainsi l’intérêt qu’il y aurait à renforcer le lien entre les services en charge de la protection des végétaux et la recherche.
Par ailleurs, la modélisation n’a de sens que si elle s’appuie sur des connaissances et si elle vise à en produire de nouvelles : il reste donc effectivement nécessaire de progresser dans notre compréhension des interactions entre organismes (plantes cultivées, adventices, bioagresseurs, etc.) dans les champs et les paysages agricoles.

François Houllier
Directeur général délégué à l'organisation, aux moyens et à l'évaluation scientifiques, INRA

Faire de la modélisation une priorité scientifique est une démarche très pertinente. Cependant, cette volonté affichée doit s'inscrire dans les faits. Il s'agit avant tout de développer au sein de l'institut des compétences hautement interdisciplinaires, relevant de la biologie, de la physique, de l'algorithmique (programmation de codes de calcul...), du calcul intensif... Or, pour ce faire, une sensibilisation des scientifiques ne peut suffire : il est essentiel que les disciplines scientifiques en jeu se rencontrent au sein d'équipes de recherche. La bonne échelle ici n'est pas celle de l'institut, ni même celle du centre, mais bien celle du laboratoire, voire celle de l'équipe. C'est à cette seule condition que la modélisation cessera d'être considérée au sein de l'INRA comme une simple boîte noire dépourvue de contenu scientifique, mais bel et bien comme un sujet de recherche à part entière.

Réponse :Renforcer les capacités de prédiction suppose effectivement de disposer d’une large palette de compétences et de créer les conditions d’un dialogue interdisciplinaire intense. Il est, à ce titre, nécessaire de jouer à différents niveaux d’organisation — depuis l’équipe jusqu’à l’institut — sur différents leviers — la formation initiale et le recrutement de jeunes scientifiques, la sensibilisation et la formation des scientifiques en poste, la constitution de groupes pluridisciplinaires centrés sur des objets d’intérêt partagé, le développement de partenariats avec d’autres organismes, le soutien spécifique à des programmes ou projets faisant légitimement appel à la modélisation.

François Houllier
Directeur général délégué à l'organisation, aux moyens et à l'évaluation scientifiques, INRA

Personnellement la modélisation est un projet qui me laisse perplexe voire sceptique. Soyons honnête, je dois reconnaître que c'est par la modélisation que le GIEC a créé un espace de dialogue fondamental. C'est d'ailleurs, comme l'avait déjà en son temps signalé Nicolas Bouleau de l'école des Mines, le principal et peut être le seul intérêt de la modélisation: constituer un espace de dialogue qui oblige les acteurs à expliciter leurs hypothèses et leur vision systémique du monde et à les accorder. Pour le reste les résultats en terme de capacité de prédiction sont finalement assez médiocres. Elles produisent rarement des outils d'aide à la décision aisément contextualisables. Où alors il faudrait que ce programme associe étroitement toutes les exploitations agricoles de l'INRA ainsi que le réseau des fermes du ministère de l'agriculture pour que la modélisation soit couplée avec des systèmes réels qui devraient être utilisés comme autant de "prototypes" pour inventer l'agriculture de demain. d'ailleurs dans l'industrie, on utilise systématiquement la conception et la mise en place de prototype: les ingénieurs de Renault peuvent concevoir sur plan une voiture, ils passeront toujours par une étape prototype avant de passer à la production en chaine. Si donc ce programme affiche un lien fort avec les fermes expérimentales il gagnera nettement en puissance et en utilité sociale.

Réponse :Renforcer les capacités de prédiction se décline différemment selon les thèmes et objets de recherche (les impacts du changement climatique, le contrôle des épidémies, les interactions entre génotype, environnement et pratiques agricoles, les réseaux de régulation de l’expression des gènes, etc.), et les niveaux d’organisation considérés (la cellule, l’organisme, le champ, le troupeau ou l’écosystème, le paysage ou le territoire, etc.).
Dans tous les cas, il est effectivement vrai que la première vertu des modèles est de fournir un cadre partagé pour le dialogue entre disciplines ou entre acteurs et porteurs d’enjeu. Dans tous les cas aussi, la question du lien aux données est critique.
S’agissant de la prédiction dans le domaine de la production agricole, la constitution d’un réseau de fermes ayant des pratiques diversifiées, situées dans des contextes environnementaux variés et produisant des données de qualité est effectivement un enjeu majeur. Le couplage d’un tel réseau à des modèles devrait aussi bien permettre de paramétrer et améliorer les modèles que de tester leur généricité et de garantir, ou restreindre, la portée des observations faites localement, dans l’une ou l’autre de ces fermes.

François Houllier
Directeur général délégué à l'organisation, aux moyens et à l'évaluation scientifiques, INRA

Dans le paysage scientifique d'aujourd'hui, tant les développements méthodologiques que l'accroissement de la puissance des ordinateurs et des supercalculateurs, font qu'il serait déraisonnable de faire systématiquement l'impasse sur la modélisation en vertu de préjugés ou d'une certaine frilosité. Cependant, il est illusoire de croire que les questions hier abordées à travers une forme ou une autre d'empirisme puissent être explorées demain de la même façon à travers la modélisation. Il serait risqué, et sans doute à terme décevant, de considérer la modélisation comme un outil "magique", susceptible de remplacer le système réel. Pour autant, il ne s'agit en aucun cas de considérer la modélisation comme inopérante du simple fait de s'appuyer sur de nécessaires hypothèses. Au contraire, il est ici indispensable de prendre conscience du fait que l'utilisation de la modélisation ne mènera pas à répondre aux mêmes questions de la même façon. Il s'agit surtout de poser des questions NOUVELLES. La modélisation doit être vue comme un outil d'expérimentation numérique. L'intérêt est ici de réaliser sur ordinateur des expériences qui seraient ou impossibles ou trop coûteuses à réaliser physiquement. C'est pourquoi le développement de la modélisation à l'INRA ne peut se limiter à l'utilisation d'outils déjà existants. Il est essentiel que les développement méthodologiques soient réalisés au sein de l'institut, afin que les outils utilisés répondent aux besoins spécifiques qui sont les nôtres.

Réponse :Oui, la modélisation et les outils (ordinateurs, algorithmes, etc.) permettent à la fois de traiter d’une manière nouvelle des questions anciennes et de poser des questions scientifiques nouvelles. Ils peuvent effectivement déboucher sur des expérimentations numériques et sur l’accès à des mesures difficiles ou coûteuses à réaliser ; la modélisation ne peut cependant pas être déconnectée de l’expérimentation « réelle » ou de l’observation qui sont indispensables pour évaluer les prédictions des modèles et tester leurs hypothèses, comme pour les paramétrer dans différentes situations.
Par ailleurs s’il est nécessaire que l’INRA dispose de compétences propres pour concevoir, développer, faire évoluer ou utiliser certaines méthodes, il est aussi nécessaire de collaborer avec d’autres établissements qui ont des compétences ou des ressources particulières en mathématiques appliquées ou en informatique.

François Houllier
Directeur général délégué à l'organisation, aux moyens et à l'évaluation scientifiques, INRA

Seulement les capacités de prédiction ? Il y a aussi l'innovation.

Réponse :Renforcer les capacités de prédiction n’est pas antinomique de développer les capacités d’innovation. On peut même considérer que modéliser et prédire sont utiles, voire nécessaires, pour concevoir de nouveaux systèmes de production ou de nouveaux systèmes d’élevage, par exemple pour évaluer l’ensemble de leurs performances techniques, environnementales ou économiques.
A un autre niveau, la modélisation et la prédiction sont essentielles au développement de la biologie synthétique, c’est-à-dire d’une forme particulière d’ingénierie.

François Houllier
Directeur général délégué à l'organisation, aux moyens et à l'évaluation scientifiques, INRA

BON DEPART

J'aimerais un grand brainstorming sur ce que pourraient faire des organismes ou des procédés sélectionnés, voire des Ogm, pour :
- dépolluer les sites contaminés par des pollutions majeures de la planète (activités minières, radioactivité, métaux lourds, dégradation des pesticides interdits...),
- fournir des sources de protéines abordables (fermentations ?) et une alimentation équilibrée aux populations qui en ont besoin,
- convertir l'eau de mer en eau potable, ou utile à l'agriculture,
- reconstituer rapidement des couverts végétaux sur des zones ravagées par les incendies ou la guerre,
- utiliser les énergies de la planète pour nourrir ou soigner les hommes avant qu'elles ne produisent tempêtes, séismes, tsunami, fonte des glaces...

Nos ancêtres, qui observaient la nature, ont su en exploiter certaines richesses. Avec les moyens de démultiplication que nous avons maintenant, ne pouvons-nous trouver des moyens de financer et de gérer des recherches prioritaires, car d'intérêt planétaire ?

Réponse :L’un des intérêts de la prospective AgriMonde conduite par le Cirad et l’Inra au cours des dernières années a été de positionner l’importance relative de différents facteurs (régime alimentaire, usage des terres, rendements, etc.) vis-à-vis de l’offre et de la demande alimentaire globale et par grandes régions du monde.
Une autre prospective, réalisée dans le cadre de l’atelier de réflexion prospective VégA («Quels végétaux et systèmes de production durables pour la biomasse dans l’avenir ?»), a aussi montré la nécessité de prendre en compte les usages de la biomasse végétale pour l’énergie, la chimie et les matériaux.
De telles prospectives, qui relèvent typiquement de la «priorité 7», requièrent à la fois des bases de données et des modèles : elles permettent d’ailleurs d’en identifier les lacunes. Parmi celles-ci, la difficulté d’incorporer le «progrès technique», c’est-à-dire les évolutions et les ruptures techniques susceptibles d’intervenir dans les prochaines décennies.

François Houllier
Directeur général délégué à l'organisation, aux moyens et à l'évaluation scientifiques, INRA

Certains s’émeuvent de voir tant de moyens mis sur la modélisation.
A quoi (A qui !) tout cela ça va bien servir ?
Comment ça va fonctionner ?
Quelle en sera la validité ?

Effectivement, il peut (il doit) y avoir un débat épistémologique sur la modélisation.
Certes, tant que les outils informatiques ne seront pas au point, nous aurons du mal à « entrevoir » à quoi ils pourront réellement servir.
Certes, l’INRA est bien dans son rôle, lorsqu’elle se positionne sur ce genre de problématique.

Toutefois, il me semble qu’une approche tout aussi futuriste soit-elle, doit rester pragmatique.
Il me semble que le mélange pêle-mêle de notions « d’ontologies, de phénomènes morphogénétiques ou de métagénomique » n’apparaît pas comme un objectifs clair et facilement lisible.
Il me semble que les travaux sur la modélisation devraient répondre à des attentes « Agronomique (*)» clairement identifiées.

J’attends beaucoup, dans mon travail et dans mon quotidien, du développement et de la fiabilisation des techniques de modélisation.
Mais j’ai du mal à ressentir, en quoi les orientations de l’INRA jusqu’en 2014, répondront aux attentes techniques que je peux rencontrer dans ma pratique quotidienne de l’agriculture et de l’expérimentation agricole.


(*) Agronomique avec un A majuscule comme le A de INRA

Réponse :En tant que démarche, la modélisation doit effectivement être au service d’objectifs spécifiques. Vous pointez justement que cette démarche et les méthodes qu’elle mobilise peuvent être utilisées dans des contextes et pour des buts très différents : par exemple, pour comprendre le fonctionnement de systèmes biologiques complexes, tels que le fonctionnement d’une plante selon les variations de son environnement physico-chimique ou le jeu des interactions au sein des communautés bactériennes du tube digestif, ou pour concevoir et évaluer des systèmes de production agricole. C’est pourquoi cette priorité a été considérée comme «transversale» aux cinq premières priorités. Elle n’est pas non plus étrangère à la septième priorité.
S’agissant de l’agronomie, améliorer les modèles de culture et fiabiliser leurs prédictions est un véritable enjeu : par exemple, pour séparer les effets des conditions climatiques, des techniques de culture et du génotype, ou pour choisir des itinéraires qui minimisent les risques ou qui assurent une qualité minimale, qui réduisent les impacts environnementaux. Plus concrètement, les modèles sont indispensables pour évaluer, comprendre et prédire la contribution des variations climatiques aux variations observées des rendements.
Dans un autre registre, des modèles sont aussi utilisés dans les approches épidémiologiques (par exemple, pour évaluer la probabilité de propagation d’une maladie) ou dans les programmes de sélection (pour relier par des approches statistiques les génotypes aux phénotypes).
Votre remarque suggère aussi qu’il est important que ceux de ces modèles qui concernent directement les agriculteurs soient confrontés à des expérimentations et qu’ils soient diffusés. Le partenariat entre la recherche, les instituts techniques, les coopératives, les chambres d’agriculture ou d’autres organisations professionnelles sera sans doute, à ce titre, un élément majeur pour la robustesse et l’utilisation de ces modèles.

François Houllier
Directeur général délégué à l'organisation, aux moyens et à l'évaluation scientifiques, INRA

j'avoue ne pas comprendre la moitié de ce qui est décrit dans le texte ...
pour moi modéliser dans mon travail se rapporterait peut-être à prévoir les effets d'un prédateur et à choisir d'intervenir avec un intrant (produit, auxiliaire ...) mais en fait le modèle si bon soit-il pourra t-il être opérationnel , cela reprèsente tellement de conditions pédoclimatiques, de ravageurs differents sur tellement de cultures différentes
plutôt que prévoir , refaisons des variétés rustiques ? revoyons l'environnement de la parcelle ?

visiblement on peut prévoir le changement climatique ... mais on peut voir tout simplement que ça ne change pas nos comportements et donc est-ce utile d'y consacrer tant d'argent et d'énergie ??

Réponse :Oui, modéliser peut servir à prédire les effets d’un prédateur et à choisir une date d’intervention, avec cependant, comme pour toute décision en environnement incertain ou incomplètement décrit, une part d’incertitude et de risques.
Un modèle ne peut cependant être conçu que si l’on dispose aussi de connaissances, sur la biologie du bioagresseur et de la plante ou de l’animal concerné, et de données qui servent à estimer les paramètres du modèle.
Un modèle ne peut ensuite être utilisé dans un cas particulier que si l’on dispose de données complémentaires, par exemple sur la fréquence du ravageur, sur l’environnement et les antécédents de la culture, etc.

François Houllier
Directeur général délégué à l'organisation, aux moyens et à l'évaluation scientifiques, INRA

A l’occasion du salon international de l’agriculture 2010, l’INRA a organisé une rencontre avec ses partenaires et prolongé la réflexion sur ses priorités scientifiques. Découvrez les vidéos et les synthèses des ateliers sur http://www.inra2014.fr/salon-international-agriculture.php .

Monsieur Houllier,
Chers Collègues,
Je voudrais apporter ma modeste contribution, qui n'est qu'un proposition en tant que partenaire régulier de laboratoires Inra dans le domaine du lait, à cette priorité de sous trois aspects :
- pourquoi développer modélisation et prévision
- quelle modélisation
- quelles propositions d'organisation.
Dans notre domaine, les produits laitiers, la modélisation des process est une urgence pour notamment trois raisons :
- la disparition de la continuité maitre/élève du savoir-faire empirique, introduisant un risque important de disparition de la diversité technologique ;
- l'inadéquation des process industriels à la forme actuelle du savoir faire empirique, notamment en tenant compte de la priorité productivité ;
- la nécessité d'utiliser pourtant la diversité nationale des savoir-faire empiriques (par ex en fromagerie, diversité à laquelle le consommateur est très attaché) pour innover.
Comme vous le dites clairement, coupler la collecte du savoir-faire empirique, sa structuration, son confirmation expérimentale et son expression la plus formelle possible par des modèles mathématique est le premier point.
Ce couplage suppose que des équipes pérennes se forment intégrant : des matheux, des spécialistes de la connaissance empirique, des technologues expérimentés, sûrs et ouverts.
Il est probable que ces équipes doivent intégrer des chercheurs Inra, des chercheurs d'autres structures et aussi des technologues des centres techniques;
Mais encore une fois, il me semble que ces structures doivent fonctionner sur un long terme et pas seulement sur la durée d'un ou même deux projets.
La difficulté évidemment est que tout pousse à ne fonctionner que par projets et opportunités.
Or la question de la modélisation, en particulier dans le domaine de la technologie laitière et fromagère, suppose que des des techniques et des méthodes adaptées soient acquises par les intervenants : techniques de captage des connaissances parfois peu formalisées, techniques de structuration et de confirmation expérimentale de ces connaissances, techniques de modélisation puis de communication des modèles qui pur être utiles doivent arriver à un point élevé d'interactivité.
Il me semble que nous touchons là un point majeur pour l'avenir de l'alimentation et de la transformation des produits agricolaes dans ce pays et je suis certain qu'il sera traité en tant que tel par votre organisme.
JR Kerjean
Responsable scientifique du centre technique des produits laitiers Actilait

Réponse :Votre commentaire appelle peu de réponse si ce n’est de confirmer (1) qu’il existe effectivement un enjeu à croiser des savoir-faire et expertises empiriques avec des modèles formels, qualitatifs ou quantitatifs et (2) que cela suppose de constituer des équipes pluridisciplinaires et de développer des partenariats avec des centres techniques ou avec des professionnels.

François Houllier
Directeur général délégué à l'organisation, aux moyens et à l'évaluation scientifiques, INRA

J'ajoute une contribution à l'intervention de Monsieur Kerjean, dont les commentaires sont à la fois pertinents et d'une portée qui dépasse nettement le seul domaine de la transformation du lait.

Sans pérennité dans l'investissement en ressources humaines spécifiques, en apprentissage, et dans la construction d'équipes cohérentes, toute tentative de développer la modélisation à l'INRA sera vaine. Il est inutile de parachuter à droite et à gauche un ou deux postes de jeunes chercheurs modélisateurs isolés.

Mettre en place une démarche de modélisation requiert une continuité thématique et intellectuelle entre le "mathématicien", l'informaticien, et l'expérimentateur spécialiste du domaine d'application concerné. Que ces compétences soient toutes réunies dans une seule personne est, pour utiliser un euphémisme, d'une rareté extrême, aussi imposer une telle exigence, en particulier à des jeunes chercheurs, présente un risque important de gaspillage de ressources humaines.

Il est donc indispensable de constituer AU SEIN DE L'EQUIPE un collectif ayant pour objectif de relever le défi de la modélisation. Ceci implique que tous les acteurs de ce collectif soient prêts à des adaptations. En particulier, il serait absurde de considérer que les démarches collectives doivent être le seul fait des "exécutants" de la modélisation. L'extrême complexité des objets étudié à l'INRA fait qu'on ne peut en aucun cas appliquer les démarches de modélisation sans une réflexion de fond sur la formalisation des problématiques, y compris expérimentales. Ainsi, imaginer que les données expérimentales collectées et archivées à un temps t pourront faire l'objet d'une modélisation 5 ou 10 ans plus tard relève de la croyance naïve en l'existence de faits bruts en science. La démarche est le plus souvent inverse : une modélisation étant porteuse d'une "théorie" donnée (ce qui est AUSSI le cas des démarches expérimentales), les données expérimentales visant à alimenter cette modélisation doivent, elles aussi, être collectées dans le cadre de cette "théorie". Modéliser a donc pour conséquence naturelle de donner naissance à de NOUVEAUX besoins expérimentaux, et non l'inverse comme on l'entend trop souvent. Il serait dommage que cette erreur épistémologique soit fatale au projet de développer la modélisation à l'INRA.

Si cet objectif affiché est pertinent, il faut bien être conscients du fait qu'il s'agit d'une tache de long terme. De toute évidence, un projet de 4 ans est beaucoup trop court pour remplir un tel objectif. Et je le répète encore une fois, c'est d'autant plus vrai que les objets d'étude de l'INRA sont extrêmement complexes.

Réponse :Développer la modélisation ne se conçoit effectivement que dans le cadre d’interactions entre l’acquisition de données issues, selon les cas, d’expérimentations ou d’observations, la formalisation des connaissances du domaine concerné (biophysiques, techniques, ou socio-économiques, selon les cas) et la conception, l’adaptation ou la mise en œuvre de méthodes mathématiques et informatiques. C’est pourquoi la priorité 6 met bien l’accent sur le couplage entre modélisation, gestion des données et observation ou expérimentation.
Ce jeu d’interactions ne peut effectivement s’inscrire que dans la durée, mais celle-ci peut varier selon la nature même des questions scientifiques considérées. Il est effectivement nécessaire de créer ou maintenir des équipes mixtes alliant des compétences complémentaires autour d’objets ou questions scientifiques partagés. De telles équipes ne sont cependant pas suffisantes pour accroître globalement notre capacité de prédiction en biologie et en écologie : il faut aussi disposer d’infrastructures couvrant l’ensemble de la chaîne allant de la production des données à leur analyse — ce point est notamment important dans le cadre des projets faisant appel à des approches à haut ou très haut débit — et réaliser des développements méthodologiques spécifiques, au sein de l’Institut ou en partenariat.


François Houllier
Directeur général délégué à l'organisation, aux moyens et à l'évaluation scientifiques, INRA

Depuis, des années, le but des agriculteurs est d’éliminer tous ravageurs, parasites… soit de contrôler artificiellement la vie d’une plante pour qu’elle soit dans les meilleures conditions possibles. Néanmoins ces décisions ont entrainé avec eux les auxiliaires renforçant les attaques de parasites. Nous sommes dans un cercle vicieux. La modélisation et la protection nous permettraient de comprendre un écosystème afin de le développer et ce qui favoriserai les auxiliaires aux produits phytosanitaires. Le but étant d’aller dans le sens de la nature afin de connaitre les interactions et d'agir en conséquences pour produire le mieux possibles et non à l’inverse comme nous savons bien le faire et qui nous conduit tout droit à une impasse.

Réponse :Modéliser les interactions entre cultures et populations (d’adventices, de ravageurs, d’auxiliaires, …) au sein des écosystèmes et des paysages est, en effet, une voie nécessaire pour mieux les comprendre et les orienter. Des recherches ont déjà été engagées dans cette direction depuis plusieurs années : le sujet est cependant difficile puisqu’il met en jeu différentes populations à différents pas de temps et différents niveaux d’organisation spatiale ; là encore, il est aussi important de disposer de systèmes d’observation ou expérimentaux et de bases de données solides que de développer des méthodes et outils mathématiques et informatiques appropriés.

François Houllier
Directeur général délégué à l'organisation, aux moyens et à l'évaluation scientifiques, INRA

La chimiométrie (en anglais, chemometrics) peut être définie comme "la discipline qui utilise les mathématiques, les statistiques et la logique formelle pour concevoir ou choisir des procédures expérimentales optimales, fournir le maximum d'information en analysant les données dans le domaine de la chimie et de la physique, pour obtenir des connaissances sur les systèmes complexes. "

Les méthodes analytiques évoluent très rapidement. Le nombre et la variété des instruments scientifiques d’analyse disponibles sont en constante progression. Les appareils analytiques modernes (spectromètres, chromatographes, caméras numériques spécifiques...) peuvent engendrer des millions de mesures en un temps d’acquisition très court.. Durant les dernières décennies, la quantité de données brutes ainsi disponible a augmenté de manière exponentielle.
Les analyses biologiques les plus traditionnelles sont à l’origine de tableaux comprenant de l’ordre de 10 puissance 2 mesures, obtenus par un travail dont la durée peut être de l’ordre de la semaine. Ces données sont encore susceptibles d’être examinées exhaustivement par le spécialiste. Un spectromètre moderne (spectromètre de RMN du solide, spectromètre infrarouge, spectromètre de masse,...) génère des collections de données qui atteignent aisément 10 puissance 6 mesures, souvent acquises en seulement quelques heures. Les mesures mettant en oeuvre des caméras, tenant compte de la nature spatiale des données, permettent de créer des collections d’images numériques incluant de l’ordre de 10 puissance 8 mesures élémentaires. Les systèmes de vision artificielle multivoie (caméra infrarouge multivoie ou « hyperspectrale », caméra travaillant en fluorescence, microscope photonique ou électronique...) peuvent être à l’origine de jeux de données comprenant 10 puissance 9 à 10 puissance 11 mesures élémentaires.
Dans la recherche publique et à l’INRA, l’acquisition d’instruments analytiques de plus en plus puissants est apparue, à juste titre, comme une nécessité vitale. Cependant, les chercheurs et les Directions Scientifiques semblent avoir sous-estimé le problème de la manipulation et du traitement des données engendrées par ces appareils. L’acquisition de ces instruments n’a pas toujours été accompagnée d’une réflexion solide sur l’exploitation ultérieure des mesures, et sur les moyens intellectuels et humains nécessaires pour les effectuer. Cette remarque s’applique, par exemple, aux données qui proviennent des actions de phénotypage à haut débit, un thème stratégique pour l’INRA. De plus dans de nombreux cas, le travail de recherche demande de lier les données provenant de plusieurs instruments d’analyse. Dans cette situation courante, il n’est pas approprié d’utiliser les seuls outils de traitements de données fournis par les constructeurs des instruments. Ces outils sont souvent assez pauvres et mettent en jeu des méthodologies bien connues, très spécifiques à l’appareil considéré. Enfin, il est également important de noter qu’une logique de « plate-forme logicielle » censément dévolue à l’ensemble des problèmes rencontrés par les chercheurs ne peut pas prendre en compte la spécificité et la complexité des situations réelles.
Ainsi, faute d’une recherche spécifique et d’une animation suffisantes dans le domaine de la chimiométrie, le chercheur d’une discipline biologique ne dispose pas toujours des concepts et des méthodes adaptés aux traitements des données qui font l’objet même de sa recherche. J’ai eu l’occasion d’apporter un soutien et d’effectuer des travaux de recherche spécifiques autour du traitement de données en liaison avec de très nombreuses équipes de chercheurs à l’intérieur ou à l’extérieur de l’INRA. J’ai pu constater que les méthodologies d’exploitation des données étaient incomplètes et parfois assez loin de l’optimum. Dans de nombreux cas, la simple mise en forme des données avant leur exploitation statistique ou chimiométrique demande un travail qui ne fait pas partie des compétences de l’équipe de recherche impliquée dans l’étude. Cela signifie que les données ne peuvent pas être transmises de manière satisfaisante à des équipes spécialisées en statistique ou en chimiométrie. D’après mon expérience personnelle, une très grande partie des données générées dans des travaux de recherche restent ainsi pratiquement inexploitées.

Cette lacune dans le dispositif de recherche de l’INRA, si elle persistait, limiterait très profondément les possibilités d’investigation dans de nombreux secteurs de son activité. Notre Institut se doit de mettre en oeuvre une politique active et créatrice en ce qui concerne le traitement des données et la chimiométrie. En particulier, l’Institut doit veiller à ce que tout projet d’envergure, qui, par sa nature, est à l’origine de données abondantes et de structures complexes, intègre dès son origine, les méthodologies de création des bases de données et les traitements chimiométriques appropriés. Il est indispensable que les équipes de chercheurs se dotent des moyens intellectuels et humains nécessaires à cette exploitation.

Doucment joint

Je suis très contente de voir que l'INRA place la capacité de prédiction en biologie et écologie dans ses priorités. Et merci de
nous donner la parole!
Je travaille maintenant depuis plus de 20 ans en modélisation appliquée à la microbiologie (appréciation quantitiative de risques, microbiologie prévisionnelle) et forte de cette expérience, je pense en effet qu'il y a besoin de renforcer les approches quantitatives intégratives. Dans le domaine de la sécurité microbiologiques des aliments, je le vois comme un outil permettant un changement d'échelle et une volonté de relier les connaissances au niveau de la cellule (par exemple, expression d’un gène, ou, d’une protéine en réponse à un stress) aux prises de décisions opérationnelles (institutionnelles, partenariales et sociétales).
En 2010, au sein de SECALIM (UMR-INRA 1014), cette approche va être explorée dans le cadre d'un projet INRA - ONIRIS Nantes - Université d’Amsterdam - Unilever R&D de Vlaardingen.

TERRE D’ABEILLES (ONG) recommande à l'INRA :

- Pour établir ses programmes de recherche et optimiser leur efficacité

• De prendre en compte l’abeille en tant qu’auxiliaire de l’agriculture et indicateur biologique, et

• De collaborer de manière pluridisciplinaire avec les spécialistes de l’abeille : scientifiques, apidologues, comportementalistes, toxicologues, éco-toxicologues, experts de l’abeille et techniciens apicoles, français ou étrangers, qui ont révélé leurs compétences au fil des quinze dernières années.

- Pour que la prédiction soit suivie de l’action nécessaire

• De créer des passerelles avec le législateur, afin que les travaux de recherche aboutissent à des effets concrets.

Terre d’Abeilles met en garde contre la recherche superflue et susceptible de ralentir les prises de décision, qui alimente parfois son fond de commerce… (Exemples : Étudier l’impact des pollinisateurs sur la biodiversité ou les causes de la mortalité des abeilles, déjà identifiées – Rechercher des « médicaments » visant à permettre aux abeilles de résister aux effets pervers des pesticides…).

A la filière apicole victime et orpheline (suite à la fermeture de la station de recherche de Bures/Yvette), l’INRA doit apporter son soutien et valoriser l’impact des services économiques, écologiques et sanitaires des abeilles. Nous suggérons que l’INRA renforce en moyens humains et financiers ses stations de recherche d’Avignon et du Magneraud (notamment) pour atteindre les objectifs suivants :

• Redéfinir et élaborer des protocoles d’évaluation des pesticides pertinents vis-à-vis de l’environnement, de l’entomofaune et de la santé humaine et animale, et tenant compte de l’évolution des molécules au cours des vingt dernières années.

• Étudier l’ensemble des effets directs et induits des fongicides, herbicides et insecticides autorisés, utilisés en agriculture - et notamment durant la période particulièrement importante du développement des colonies, sur les insectes non cibles, sur les abeilles, le couvain et l’organisation des colonies - effets létaux, sublétaux, cumulés et interactifs.

• Étudier l’impact pathogène des pesticides utilisés en agriculture sur les abeilles et sur l’organisation des colonies.

• Établir des programmes de recherche pertinents et efficaces contre la perte de biodiversité

• (…)

En pièce-jointe : l’ensemble des préconisations de Terre d’Abeilles

Nous saluons l’initiative d’ouverture de l’INRA et proposons à Mme Marion GUILLOU et M. François HOULLIER d’envisager conjointement une rencontre avec les représentants de l’INRA et des apidologues et scientifiques spécialistes de l’abeille, afin de pouvoir présenter plus concrètement nos propositions.

Béatrice Robrolle-Mary,
Présidente de TERRE D’ABEILLES
Asso. loi 1901 déclarée d’intérêt général
Actrice du Grenelle de l’Environnement et auteure du dossier, co-signé par la Fondation Nicolas Hulot : « Stopper le déclin de l’entomofaune pollinisatrice et mettre en œuvre un plan de relance de l’apiculture » www.sauvonslesabeilles.com