1. Introduction

La gestion des adventices ("mauvaises herbes") doit donc subir un changement de paradigme majeur, passant d'une seule technique simple et très efficace (c'est-à-dire les herbicides) à une combinaison de techniques multiples, partiellement efficaces et en interaction. En d'autres termes, il s'agit de passer du curatif à la prévention, de l'élimination chimique à la régulation biologique et mécanique, et de la lutte à outrance à la conciliation des dommages et des avantages résultant des mauvaises herbes. Pour que ces nouvelles stratégies de gestion des adventices soient efficaces et acceptables par les agriculteurs, elles doivent être adaptées aux spécificités pédoclimatiques et socio-économiques de leurs exploitations.

La gestion agroécologique des adventices nécessite donc (1) une meilleure connaissance des processus biophysiques qui régissent la dynamique des adventices dans les agroécosystèmes, en particulier en relation avec les différentes techniques de gestion, et l'impact qui en résulte sur la production agricole et la biodiversité, (2) la synthèse de ces connaissances sous forme de modèles de simulation et de systèmes d'aide à la décision pour permettre aux agriculteurs et aux autres parties prenantes d'évaluer de nombreuses combinaisons possibles de techniques de gestion dans différents pédoclimats afin de trouver les solutions adaptées à leur contexte local, (3) la conduite de ces recherches et la conception d'outils et de solutions en collaboration avec les agriculteurs et les conseillers agricoles afin d'en assurer l'opérationnalité et l'adoption.

Pour atteindre cet objectif, notre équipe a choisi de travailler avec un modèle mécaniste basé sur les processus pour (1) identifier les lacunes dans les connaissances et organiser la recherche, (2) synthétiser les connaissances existantes et produire des connaissances émergentes sur les leviers agroécologiques, (3) mobiliser ces connaissances pour la conception de systèmes de culture, et (4) transférer les connaissances issues de la recherche aux parties prenantes.

     2. Un modèle de champ virtuel pour organiser la recherche et synthétiser les connaissances

L'équipe de Dijon a commencé à développer le modèle de simulation FLORSYS il y a vingt ans (Colbach et al., 2021). C'est à ce jour le modèle le plus complet en termes de techniques de gestion des cultures et d'impacts des adventices. Ses entrées sont une liste détaillée des opérations culturales sur plusieurs années (succession de cultures, y compris les plantes de couverture et les mélanges de cultures, techniques de gestion), ainsi que des données météorologiques quotidiennes, les caractéristiques du sol et un pool régional d'espèces d'adventices. Le modèle a été conçu pour simuler les processus biophysiques qui sont essentiels pour les techniques de gestion non chimique des cultures et la régulation biologique des mauvaises herbes en particulier. Les sorties détaillées du modèle biophysique permettent de comprendre les performances en termes de production végétale et de biodiversité d'une culture, d'une technique de gestion ou d'un système de culture donnés.

Ce modèle évolue dans le temps en fonction des questions des acteurs et de l'évolution du contexte (législation, climat, etc.). Actuellement, notre équipe mène des expériences en conditions contrôlées, dans des stations expérimentales et dans des champs d'agriculteurs pour (1) comprendre des processus tels que la compétition entre plantes pour l'eau (en raison du changement climatique) ou la prédation des graines d'adventices (son rôle pour la régulation biologique des adventices, en particulier dans les champs non labourés), et (2) évaluer des techniques de gestion innovantes telles que la fertilisation des seules lignes de culture (pour réduire l'azote disponible pour les adventices dans les interlignes) ou la fauche au-dessus du couvert végétal (pour limiter la production de graines d'adventices).

     3. Adapter la structure du modèle aux besoins des parties prenantes

En collaboration avec les agriculteurs et les conseillers agricoles, les résultats détaillés du modèle ont été agrégés en indicateurs de la production agricole ainsi que des avantages et de la nocivité des mauvaises herbes afin de simplifier la comparaison multicritères des systèmes de culture. Pour faciliter l'aide à la décision, FLORSYS a été utilisé comme un réseau virtuel de fermes et de champs, simulant plusieurs milliers de systèmes de culture. Les résultats de la simulation ont été agrégés dans un méta-modèle plus rapide et plus facile à utiliser (DECIFLORSYS) en utilisant de la fouille de données et du machine learning. Ce système d'aide à la décision a été conçu en collaboration avec des agriculteurs et des conseillers agricoles afin de déterminer ce qu'il devait faire, quelles informations devaient lui être fournies et comment ses résultats devaient être présentés. D'autres systèmes d'aide à la décision (par exemple, OdERA) sont actuellement en cours d'amélioration grâce aux simulations de FLORSYS, ce qui montre l'importance du modèle pour synthétiser les connaissances et les mettre à la disposition des différentes parties prenantes.

     4. Co-concevoir des systèmes de culture et des idéotypes de cultures pour la gestion des adventices

Ces modèles sont utilisés par et avec différentes acteurs pour améliorer notre compréhension du fonctionnement de l'agroécosystème et, en particulier, de la régulation biologique des adventices, et pour évaluer et concevoir des systèmes de culture multiperformants pour la gestion agroécologique des adventices. En particulier, nous utilisons les modèles pour évaluer et promouvoir les avantages de la diversification spatiale et temporelle des cultures (cultures intercalaires, mélanges de variétés, cultures de couverture, rotations diversifiées) pour la gestion agroécologique des adventices, en (1) identifiant les idéotypes de cultures en simulant des variétés de cultures existantes et virtuelles (construites aléatoirement) dans des systèmes de culture contrastés, (2) en recherchant des solutions de diversification des cultures dans des réseaux de champs d'exploitation en simulant des systèmes de culture identifiés dans des enquêtes sur les exploitations et des bases de données agricoles, (3) en évaluant des solutions de diversification des cultures proposées par des experts et des parties prenantes afin d'identifier des systèmes de culture et des règles de conception optimisés pour différents objectifs et contraintes, (4) en menant des études de simulation à grande échelle visant à établir des règles pour les systèmes de culture agroécologiques (par ex. g., règles de décision pour les techniques de faux lit de semences en fonction de l'historique du champ et des conditions météorologiques récentes) ou des indicateurs pour l'évaluation des risques dans les champs (par exemple, estimer la banque de semences des mauvaises herbes dans le sol à partir de l'historique du champ et de la flore adventice observée), et (5) alimenter des ateliers participatifs avec les agriculteurs visant à réduire l'utilisation des herbicides. En plus des connaissances d'experts, des données agricoles et des bases de données, ces approches utilisent un large éventail de méthodologies et d'algorithmes statistiques, parmi lesquels des arbres de classification et de régression pour construire des arbres de décision ainsi que des algorithmes d'optimisation pour identifier des ensembles de solutions conciliant des objectifs et des contraintes contrastées. Les études de cas ont démontré que les avantages de la diversification des cultures dépendent des situations de production et des systèmes de culture, et ont donc montré la nécessité de règles flexibles en matière de diversification des cultures et l'utilité des modèles pour établir ces règles.

Liens
Vers la présentation : https://fr.calameo.com/read/007138011454c19940ef5?authid=GcBBjnpLWVzd (page 102)
Vers le congrès : https://tpfagri2022.colloque.inrae.fr/