Analyse par apprentissage statistique de la performance des cultures intermédiaires multispécifiques

Cadre

Le stage s’effectuera à UniLaSalle (Beauvais) avec encadrement conjoint par UniLaSalle via Nicolas Honvault et Michel-Pierre Faucon et l’UMR AGIR (INRAE) via Jay Ram Lamichhane. La période de stage sera à partir de février 2026 (dates flexibles) pour 6 mois. La gratification sera à hauteur d’une indemnité de stage (environ 600€/mois). Possibilité de logement sur le campus UniLaSalle.

UniLaSalle

Fondé en 1854, fort de 4100 étudiants, de 520 personnels et de 22000 alumni, l’institut polytechnique UniLaSalle est un établissement d'enseignement supérieur privé d'intérêt général (EESPIG) situé sur quatre campus Beauvais, Amiens, Rouen et Rennes. Au travers de sa recherche, au sein de six unités et dans le cadre dans sa stratégie et ses cinq principaux engagements pour la transformation écologique et sociétale.au service des entreprises, des filières et des territoires,

Le stage sera réalisée au sein de l’unité de recherche AGHYLE (Agro-écologie, Hydrogéochimie, Milieux & Ressources) qui est une Unité propre de l’Institut Unilasalle (UP 2018.C101). Son activité de recherche est centrée sur l’étude des interactions sols-plantes en relation avec les pratiques agricoles et les innovations technologiques afin de comprendre leur rôle dans le fonctionnement du sol et des agroécosystèmes. L’unité AGHYLE est soutenue par le développement de plusieurs chaires industrielles formation et recherche : « plant breeding »,« agromachinisme et nouvelles technologies » et « chaire Fermes résilientes bénéfiques pour le climat et la biodiversité » dont VIVESCIA est partenaire. Le projet s’inscrit dans le cadre de cette dernière chaire et vient densifier les travaux sur les enjeux d’adaptation.

Le projet s’inscrira dans le contexte de l’APEX. L’APEX est une plateforme d’innovation de 700 m² dédiée à l’innovation et à la recherche autour du numérique. L’APEX est labellisé « membre avancé Dassault Systèmes Academy » et est également l’un des Learning Lab du réseau international Learning Hub Dassault Systèmes. Les principales compétences de l’équipe d’enseignants-chercheurs de l’APEX sont la conception et le prototypage, la modélisation et la simulation numérique, l’impression 3D, le scan 3D et la photogrammétrie, ainsi que la réalité virtuelle.

INRAE – UMR AGIR

Le projet sera en collaboration avec l’UMR AGIR. AGIR rassemble des chercheurs et enseignant-chercheurs en sciences biotechniques et en sciences humaines et sociales de l’INRAE (départements AgroEcoSystèmes et ACT), de l’INP-Toulouse (ENSAT et Ecole d'ingénieurs de Purpan) et de l’ENSFEA et elle héberge également deux agents de l'ACTA et deux agents d'Agropolis international.

AGIR conçoit la transition comme la nécessité de quitter une situation jugée intenable. Pour l’agriculture, elle est motivée par le constat de ces effets indésirables sur le revenu et l’isolement des agriculteurs, l’environnement, les inégalités territoriales, la santé des consommateurs et des travailleurs, le bien-être animal, etc… La transformer se heurte à :

• La complexité à reconcevoir des systèmes adaptés à leur environnement et intégrant les interactions entre modes de production, territoires, filières, et consommation.
• L’incertitude liée aux aléas, notamment climatiques, auxquels est soumise l’agriculture et l’incertitude liée à l’incomplétude des connaissances et aux propriétés émergentes des systèmes complexes qui limitent notre capacité à prévoir les effets du changement.
• L’ambiguïté générée par les désaccords sur l’intérêt des nombreuses solutions envisageables. Naissent alors des controverses comme sur le numérique, l’enjeu est alors savoir si et comment ces innovations servent un développement durable.

AGIR produit ainsi une compréhension du monde en train de changer utile à l’action collective (politiques publiques, plans d’action territoriale…) et des connaissances actionnables pour développer une agriculture basée sur la biodiversité (assolements et rotation, plan de gestion du pâturage, organisation des échanges cultures et élevage, plantes issues de sélection participative…) et des méthodes pour accompagner son développement (jeux sérieux, outils d’aide à la décision, approches participatives…), et pour l’évaluer (diagnostics agroécologiques, grilles multicritères, processus d’intermédiations…).

Contexte

L’adoption croissante de couverts intermédiaires peut offrir de nombreux services écosystémiques dans un contexte de transition agroécologique ainsi qu’un levier d’adaptation important face aux changements climatiques. Cependant, les couverts sont également particulièrement sensibles aux défis émergents liés aux changements. En effet, leur période de semis mène souvent à des conditions adverses à leur implantation. Couplées aux aléas climatiques, ces conditions résultent en une forte variabilité de la productivité des couverts et par conséquent de leurs services écosystémiques. Ces résultats inégaux peuvent mener à leur simplification voir abandon et à la perte des services écosystémiques associés.

L’emploi de couverts multispécifiques diversifiés semble pouvoir maximiser productivité et stabilité face aux aléas climatiques via des interactions interspécifiques positives et l’intégration d’une gamme d’espèces adaptée. Cependant, notre compréhension des facteurs déterminants pour la productivité des couverts multispécifiques reste limitée de par la multiplicité et complexité des interactions entre conduite culturale et assemblages d’espèces et des interactions interspécifiques en mélange. La période d’implantation des couverts ainsi que les contraintes imposées par les cultures principales en rotation contribuent de plus à augmenter l’hétérogénéité des conditions auxquelles ils sont confrontés, soulignant l’importance de comprendre la modulation de leurs performances par cette grande diversité d’environnements. L’utilisation d’outils d’apprentissage statistique a démontré des résultats prometteurs dans l’analyse des interactions espèce-environnement-conduite déterminantes pour la productivité des cultures. L’étude du rôle de ces interactions et leur modulation par les contextes pédoclimatiques au sein d’une grande diversité d’environnements sur base de données émergentes via des approches d’analyse novatrices pourrait permettre de souligner des leviers d’adaptation des couverts intermédiaires pour une productivité et des services écosystémiques maximisés.

Objectif

Ce projet a pour objectif de poser les bases d’une approche d’analyse par apprentissage des facteurs déterminants pour la performance des couverts intermédiaires multispécifiques.

Démarche

Le stage s’inscrit dans un projet collaboratif entre plusieurs partenaires scientifiques et techniques visant à étudier les interactions espèces-environnement-conduite déterminantes pour la productivité de biomasse des couverts intermédiaires multispécifiques et ainsi à soutenir leur productivité et adaptation face aux changements climatiques par des approches d’analyses novatrices. Il offre une opportunité d’explorer des question d’agroécologie et écologie végétale avec une approche d’analyse innovante. Pour cela le projet s’appuiera sur une large base d’analyse intégrant un vaste réseau d’observations en ferme, issu d’un programme supportant l’évolution des pratiques agricoles, ainsi que plusieurs bases de données nationales et régionales regroupant des résultats d’essais et de stations expérimentales.  Le ou la candidat.e devra dans contribuer à l’élaboration et la complétion d’une base depuis ces sources hétérogènes et venir l’enrichir via le croisement avec des données ouvertes. Une approche pour compléter les données du réseau d’observations en ferme via l’estimation par télédétection des biomasses devra également être développée. Enfin, le ou la candidat.e proposera une analyse des facteurs déterminants de réussite des couverts intermédiaires multispécifiques via la construction et mise en place d’une approche d’analyse par apprentissage sur la base réunie.

Profil recherché :

Etudiant en master 2 ou 5ème année ingénieur en environnement, agrosciences ou agroécologie avec spécialité en data science/data analytics et une appétence pour la modélisation.

Compétences demandées : Rigueur, curiosité scientifique, bonne organisation de son temps, connaissances en modélisation, ainsi que des méthodes d’apprentissage statistique appliquées aux données environnementales, maîtrise des statistiques appliquées et de R, python, bon niveau d’anglais écrit et parlé.