Offres de stage : sujets de Masters 2 2018-2019


#DigitAg propose des financements de stage de master 2

ou grade master recherche équivalent (ingénieur fin d’études à vocation recherche, étudiant étranger…)

Voici les 17 sujets sélectionnés pour 2018-2019 pour des profils :
Anthropologie-Sociologie, Agronomie (TIC, Innovation – Modèles économiques et de gouvernance), Electronique-Microélectronique, Géomatique (SIG, CAO, DAO, Webmapping, MNT, Télédétection, Analyse spatiale…), Informatique-Sciences des données-Web sémantique- Systèmes d’information-Développement web, Statistique-Biostatistiques-Économétrie, Mathématiques appliquées (développement logiciels scientifiques, calcul numérique)

Un sujet vous intéresse ? Rapprochez-vous du responsable indiqué en contact.

Lieux de stage : Montpellier, sauf indiqué Toulouse ou Rennes, voire missions à l’étranger.

 

Informatique – Développement web – Web sémantique

Prise en compte des incertitudes dans un outil d’aide à la décision pour l’agriculteur producteur de fromages AOP

Mots clés : Gestion des incertitudes, aide à la décision, gestion de connaissances imparfaites

  • Durée / Date de démarrage souhaitée : 6 mois / mars 2019
  • Unités de recherche :  IATE, Inra Montpellier
  • Contact : patrice.buche [AT] inra.fr
  • #DigitAg : Axe 4 : Système d’information, stockage et transfert de données, Axe 5 : Fouille de données, analyse de données, extraction de connaissances / Challenge 5 : Les services de conseil agricole, Challenge 7 : Intégration de l’agriculture dans les chaînes de valeur

Les filières fromagères valorisant leur terroir représentent une activité agricole économique importante en France, avec environ 17900 producteurs de lait, 1290 producteurs fermiers et 432 établissements de transformation. Les filières fromagères bénéficiant d’une Indication Géographique (AOP/IGP) fondent leur stratégie de différenciation du produit mis en marché sur la valorisation des ressources locales en lien avec leur terroir et sur l’expression des savoir-faire d’expérience tant au niveau de la production que de la transformation. Des évolutions internes aux appellations, en particulier en termes de renouvellement et de formation des opérateurs, fragilisent fortement la préservation et la transmission de ces savoir-faire. Le développement de méthodes d’intelligence artificielle permettant l’exploitation de bases de connaissances ouvre de nouvelles perspectives en termes de pérennisation et de gestion des données de l’expérience opérationnelle en proposant des modes de raisonnement complexes allant bien au-delà de la description et de la formalisation de procédés standards. Dans le cadre du projet CASDAR Docamex (2017-2020), l’équipe Ingénierie des COnnaissances (équipe ICO) de l’UMR IATE conçoit une méthode et un outil d’aide à la décision (OAD) pour l’agriculteur qui l’aide à maitriser un défaut ou une qualité de fabrication en lui recommandant les actions technologiques les plus pertinentes à entreprendre. L’OAD permet également, pour une action donnée, de déterminer l’ensemble des défauts et qualités impactés. Ces recommandations sont basées sur la représentation formelle des relations de causalité reliant défaut/qualité aux actions par des mécanismes explicatifs. Dans Docamex, l’équipe ICO travaille avec plusieurs filières AOP de caractéristiques différentes (Comté, Reblochon, Emmental de Savoie, Salers, Cantal) afin de développer un OAD générique et adaptable. Les connaissances manipulées par l’OAD sont formalisées avec les langages du Web sémantique bien adaptés pour intégrer des connaissances provenant de sources hétérogènes dans les filières. Dans le stage de master, le verrou méthodologique visé concerne la modélisation des incertitudes associées aux relations de causalité reliant les défauts/qualités aux actions. Le premier objectif est de pouvoir proposée dans l’OAD une priorisation des actions prenant en compte ces incertitudes. Le second objectif est de pouvoir mettre à jour les incertitudes en prenant en compte le résultat des nouvelles expériences fromagères enregistrées sur le terrain. La modélisation proposée sera testée par la création d’un prototype logiciel qui sera intégré dans l’OAD.

Agronomie : innovation organisationnelle, modèles économiques et de gouvernance.  + : Analyse de réseaux sociaux

Usages du numérique dans les circuits courts alimentaires : tendances, dynamiques relationnelles et perspectives pour la durabilité de l’agriculture

Mots-clés : circuits courts; numérique; usages; réseaux sociaux; durabilité; recherche participative; pluridisciplinarité

  • Durée / Date de démarrage souhaitée : 6 mois / avril 2019
  • Unités de recherche : Innovation, Inra Montpellier
  • Contact :  gregori.akermann [AT] inra.fr
  • #DigitAg : Axe 1 : Impact des technologies de l’information et de la communication sur le monde rural / Challenge 6 : La gestion des territoires agricoles, Challenge 7 : Intégration de l’agriculture dans les chaînes de valeur

Les circuits courts alimentaires ne sont pas forcément nouveaux en France mais se renouvellent depuis la crise de la vache folle et surtout leur mise à l’agenda politique en 2009. Encore souvent associés à des formes militantes ou contestataires, ils représentent pourtant aujourd’hui une grande diversité de circuits, que l’usage du numérique contribuerait à développer et à faire connaître, auprès des producteurs comme des consommateurs. Les acteurs des circuits courts, dans le même temps, se diversifient, avec l’entrée massive de producteurs issus de circuits longs, d’entrepreneurs sociaux et d’acheteurs plus jeunes et moins diplômés : le numérique joue-t-il un rôle en ce sens ? Les systèmes équipés, médiés par les NTIC répondent-ils aux attentes de ces nouveaux consommateurs, en termes d’information, de garanties, de transparence ? Si oui, à quelles conditions ? Quelles opportunités et contraintes cela génère-t-il pour les producteurs agricoles et les entrepreneurs ? Avec quels résultats ? Ce Master, ancré dans une recherche participative et pluridisciplinaire, vise deux objectifs : 1- à partir d’un premier inventaire réalisé par notre équipe en 2018 en collaboration avec Open Food France, association spécialisée dans l’accompagnement des projets numériques dans les circuits courts, mieux cerner les différents usages du numérique dans les circuits courts et leur rôle dans le changement d’échelle et la démocratisation de ces circuits, à partir d’enquêtes de cadrage auprès de personnes-ressources à l’échelle nationale (dont experts réunis dans le cadre du RMT Alimentation locale co-animé par l’INRA UMR Innovation) et dans d’autres pays d’Europe (à partir du focus group circuits courts du Partenariat européen à l’innovation auquel participe l’INRA) ; 2- à travers une analyse de différents types de structures en circuits courts et équipées par les NTIC (exploitations, entrepreneurs), étudier de quelle façon les NTIC redéfinissent les relations et les interactions entre producteurs et consommateurs et avec l’équipe gérant la structure, quelles nouvelles ressources et contraintes (information, attentes des consommateurs..) elles permettent de faire circuler et en quoi ceci contribue à la durabilité, des exploitations agricoles en particulier. En collaboration avec Open food France et en associant des apports de la sociologie économique et des réseaux et des sciences de gestion, il s’agira de tester deux hypothèses en particulier : les relations virtuelles ne peuvent suffire à construire la confiance envers le circuit court mais font évoluer les relations en face à face dans un sens favorable à la viabilité économique des structures qui le portent (exploitations, entreprises) ; les relations suscitées par le numérique favorisent de plus l’évolution du circuit court vers la prise en compte de nouvelles dimensions de la durabilité telle que l’environnement, la santé ou l’éthique.

Statistique – biostatistiques + Programmation, simulation numérique

Assimilation de données de proxi- et télé-détection afin d’améliorer la capacité de prévision du modèle de culture SiriusQuality

Mots-clés : Aide à la décision, Assimilation de données, Modèle de culture, Phénotypage rapide, Proxidétection, Télédétection

  • Durée / Date de démarrage souhaitée : 6 mois, mars 2019
  • Unités de recherche : LEPSE, Inra Montpellier
  • Contact : sibylle.dueri [AT] inra.fr
  • #DigitAg : Axe 6 : Modélisation et simulation (systèmes de production agricole) / Challenge 1 : Le challenge agroécologique, Challenge 2 : Le phénotypage rapide

Les modèles de culture simulent les relations entre la plante et son environnement et permettent d’estimer les rendements et la qualité des récoltes, ainsi que des variables liées à l’impact de la culture sur son environnement. Ils représentent la croissance de la plante au pas de temps journalier en fonction des conditions météorologiques, de la disponibilité en eau et nutriments dans le sol, ainsi que de caractéristiques variétales. Ils peuvent être utilisés pour l’optimisation (décisions stratégiques et tactique) ou la gestion (décisions opérationnelles) des scénarios de conduite des cultures dans le but de maximiser les rendements et leur qualité et limiter les émissions indésirables (lixiviation, émissions de gaz à effet de serre). L’assimilation des données peut améliorer la capacité de prévision des modèles et réduire l’incertitude des simulations. Grâce à la télédétection, qui permet de recueillir des données spatialisées couvrant une large surface avec un faible résolution (> 10 m), nous pouvons représenter des systèmes agricoles de l’échelle intra-parcellaire à régionale, afin d’évaluer l’impact de différentes stratégies de gestion sur les rendements et l’environnement. Les méthodes de proxidétection par des vecteurs aériens ou terrestres fournissent des informations complémentaires à la télédétection à des résolutions spatiales et temporelles plus fines. Outre pour la gestion des cultures, ces méthodes de proxidétection sont développées pour le phénotypage haut-débit pour la sélection variétale. L’assimilation de données issues du phénotypage rapide permet la caractérisation des interactions génotypes x environnement dans des essais multi-environnements, où d’analyser la variabilité génétique de caractères non mesurables, ou seulement ponctuellement. L’objectif de ce stage de Master est d’évaluer des méthodes d’assimilation dans un modèle de culture (SiriusQuality ; http://www1.clermont.inra.fr/siriusquality/) de données provenant de différentes sources (Sentinel 2, drône, Phénomobile). Plus précisément, l’étudiant.e évaluera une méthode hybride d’assimilation de données (teneur en eau du sol, indice foliaire et concentration en chlorophylle) combinant des méthodes d’estimation des conditions initiales et paramètres du modèle de culture et une méthode originale de filtres particulaires (Chen, Trevezas, Cournede, 2014 ; doi.10.1137/1.9781611973273.10) développées dans le cadre d’une collaboration avec la start-up agricole Cybeletech. Ces données permettront d’améliorer la représentation de la croissance de la plante tout en réduisant l’incertitude. L’étudiant.e sera impliqué.e dans le choix de la méthode d’estimation des valeurs initiales et paramètres, ainsi que dans le couplage avec la méthode d’assimilation. Il/Elle devra ensuite implémenter et tester ces méthodes dans le modèle SiriusQuality. A l’issue du stage, la méthode développée sera validée sur deux autres modèles du culture (STICS et Monica) et sera intégrée dans un outil d’aide à la décision développé par Cybeletech.

Mathématiques Appliquées (développement logiciels scientifiques, calcul numérique) – Agronomie spécialité TIC

Optimisation numérique pour la pulvérisation de précision en viticulture : obtention de cartes d’intervention maximisant  le niveau de protection associé à des dosages réduits

Mots-clés : Optimisation, efficience de pulvérisation, risque de maladie, segmentation de cartes

  • Durée / Date de démarrage souhaitée : 4 à 6 mois, avril 2019
  • Unités de recherche : MISTEA, Inra Montpellier
  • Contact : patrice.loisel [AT] inra.fr
  • #DigitAg : Axe 6 : Modélisation et simulation (systèmes de production agricole) / Challenge 3 : La protection des cultures

L’essor de l’accès à des informations spatialisées à l’échelle d’une parcelle agricole ainsi que les innovations techniques permettent d’ajuster spatialement les interventions culturales sur les parcelles en tenant compte de l’hétérogénéité spatiale. L’agriculture de précision ouvre ainsi la possibilité de réduire l’usage de produits phytosanitaires tout en préservant les performances agronomiques, enjeu particulièrement important pour la filière viticole, grande consommatrice d’intrants phytosanitaires (10 à 24 traitements par an selon les contextes de production). Le stage s’inscrit dans le thème de la pulvérisation de précision en viticulture dans la continuité des actions menées à l’IFV au sein de l’UMT EcoTechViti, et à l’UMR ITAP et vise à mobiliser des méthodes d’optimisation originales développées à l’UMR MISTEA en terme de zonage de cartes (paquet R ‘Geozoning’). Contrairement au schéma habituel de définition de zones d’actions par pré-traitement de cartes de végétation indépendamment des actions culturales et de leurs contraintes, nous proposons ici d’optimiser la définition même des cartes d’actions en la guidant par une fonction représentant le niveau de protection effectivement atteint et une gestion du risque souhaitée par le viticulteur. Cette approche peut également permettre de tenir compte, pour la génération des cartes, des observations en cours de saison (typiquement observation de foyers pour les maladies cryptogamiques). L’objet du stage consistera à implémenter et tester un algorithme d’optimisation numérique de la carte des doses pulvérisées en se basant sur la modélisation d’une fonction de protection répondant aux objectifs du viticulteur. La première étape consistera à formaliser en relation avec les agronomes le problème d’optimisation du niveau de protection (par exemple à partir d’un pourcentage de ceps sous-traités calculé à partir de la dose pulvérisée, de l’efficience de pulvérisation et d’un attribut mesuré comme la densité végétale Lidar). Dans un second temps, le stagiaire étudiera en relation avec des mathématiciens l’usage de la méthode d’optimisation ‘geozoning’ pour résoudre numériquement le problème. Cette étape pourra conduire à implémenter en langage R ou Python une variante ‘1d’ de l’algorithme initial en considérant l’abscisse curviligne du trajet du pulvérisateur. Enfin, des scénarios d’évaluation des cartes obtenues seront construits à partir de données acquises par l’UMT EcotechViti. Le stagiaire sera accueilli au sein de l’UMR MISTEA, encadré par Patrice Loisel et Sébastien Roux et co-encadré par Xavier Delpuech (IFV, UMT EcotechViti) et Olivier Naud (UMR ITAP, UMT EcotechViti). Ce stage sera l’occasion d’une collaboration interdisciplinaire sur les questions de gestion et de contexte économique de l’exploitation posées par les notions de « budget phyto » (dose à répartir) et de gestion localisée de risque avec des collègues de l’UMR MOISA (Isabelle Piot-Lepetit et Karine Gauche notamment).

Statistiques – Économétrie (modèles modèles mathématiques ou économiques) + : Maîtrise de l’anglais

Performance et risque dans les entreprises agricoles et agroalimentaires : l’apport du Business analytics

Mots-clés : Risque, Performance, Business analytics, Outils de conseil

  • Durée / Date de démarrage souhaitée : 6 mois / mars 2019
  • Unités de recherche :  MOISA, Inra Montpellier
  • Contact : isabelle.piot-lepetit [AT] inra.fr
  • #DigitAg : Axe 5 : Fouille de données, analyse de données, extraction de connaissances /  Challenge 5 : Les services de conseil agricole, Challenge 6 : La gestion des territoires agricoles,     Challenge 7 : Intégration de l’agriculture dans les chaînes de valeur

Les entreprises agricoles et agroalimentaires françaises ont connu une très forte baisse par concentration et/ou disparition depuis plus de 20 ans. Ainsi, entre 1988 et 2010, plus de la moitié des exploitations agricoles ont disparu et, entre 1995 et 2015, le nombre de coopératives agricoles a chuté de 40 %. Cette érosion du tissu économique de l’ensemble de la filière ne s’est pas forcément traduit par une amélioration des performances économiques et financières, dans la mesure où le taux moyen de valeur ajoutée des entreprises agroalimentaires est passé, en près de 20 ans, de 33% (1997) à 18% (2015), ce qui apparaît particulièrement inquiétant. Dans ce contexte, marqué par des crises économiques et financières à répétition, une volatilité de plus en plus grande des marchés et la montée en puissance des disparitions par arrêt d’activité ou liquidation, les professionnels et les Pouvoirs Publics s’intéressent de plus en plus à l’analyse de la performance mais aussi des risques et affichent leur volonté de prévenir les difficultés des entreprises. L’objet de ce sujet de master est de proposer une analyse du lien entre performance et risque dans les entreprises agricoles et agroalimentaires en France. Pour ce faire, le travail consistera dans les étapes suivantes : – A partir d’une revue de la littérature en Economie et Gestion, caractériser les notions de risques et de performance ainsi que les liens de causes à effets déjà identifiés, – Identifier les éléments d’une approche Business Analytics pouvant être mobilisés afin d’appréhender et comprendre l’évolution du risque et de la performance des entreprises agricoles et agroalimentaires, – Recenser et classifier les bases de données professionnelles et/ou publiques existantes, et – Tester l’approche reposant sur le Business Analytics retenue. Le concept de Business Analytics est considéré dans ces trois dimensions principales : – Descriptive : utilisation des statistiques descriptives et du data mining pour obtenir des informations caractérisant les principales tendances d’évolutions ainsi qu’une identification des variables et relations pouvant exister, sans a priori, entre les concepts de risque et de performance au sein des bases de données collectées. – Prédictive : Proposer à partir de modèles sur séries longitudinales de décrire les possibles évolutions à venir. – Prescriptive : A partir de modèles d’optimisation, identifier les domaines où des changements sont attendus afin d’améliorer la performance des entreprises agricoles et agroalimentaires sous contrainte de risque. Au cours du stage, des contacts avec des partenaires privés et publics en France (APCA, ANIA, Coop de France, Groupama), mais aussi aux USA (Cornell University et Teradata University Network) seront mis en place. Au-delà du stage, le projet vise à développer un outil informatique et des services pour l’aide à la prévention des risques économiques et financiers des entreprises.

Anthropologie – Sociologie

Les représentations que les agriculteurs ont des plantes cultivées influencent-elles les modalités d’adoption et d’usage des TIC au sein de l’exploitation : le cas des technologies de diffusion sonore en viticulture et maraîchage

Mots-clés : dispositifs de diffusion sonore, plantes, agentivité non-humaine

  • Durée / Date de démarrage souhaitée : 6 mois / mars 2019
  • Unités de recherche : MIAT, Inra Toulouse et Montpellier SupAgro Florac
  • Contact : frederic.garcia [AT] inra.fr, aurelie.javelle [AT] supagro.fr
  • #DigitAg : Axe 1 : Impact des technologies de l’information et de la communication sur le monde rural, Axe 2 : Innovations en agriculture numérique, Axe 3 : Capteurs, acquisition et gestion de données / Challenge 1 : Le challenge agroécologique, Challenge 3 : La protection des cultures

L’usage des technologies numériques se développe au sein des exploitations agricoles pour aider les agriculteurs à mieux suivre et piloter leur système de production. Ces technologies permettent à la fois d’acquérir des informations nombreuses et précises sur l’état des animaux ou des cultures, et d’agir de manière efficace sur leur environnement direct pour en contrôler la croissance et le développement. La question de l’adoption par les agriculteurs de telles applications innovantes du numérique est généralement abordée en terme d’attrait ou d’aversion aux nouvelles technologies et aux transformations organisationnelles qu’elles impliquent pour le système de production. Dans la lignée des nouveaux travaux en sciences sociales sur les relations humains-non humains, il est toutefois également utile de questionner les liens qui existent entre les représentations que les agriculteurs ont des animaux et des végétaux qui participent à leur système de production, et l’adoption et l’usage de technologies numériques qui impactent le développement et le comportement de ces êtres vivants. Le présent sujet vise à aborder cette question pour le cas particulier et original des technologies de diffusion de séquences sonores dont l’emploi se développe dans les exploitations agricoles, dans le but de protéger les cultures, favoriser les rendements, participer au bien-être animal. Ces équipements interviennent sur l’environnement direct des animaux et des végétaux, en les impactant de manière mécanique ou par l’intermédiaire des sens. Néanmoins, il n’existe pas aujourd’hui de bases scientifiques bien établies permettant de valider l’effet positif de tels dispositifs, et l’emploi d’équipements numériques de diffusion sonore par les agriculteurs soulève donc assez naturellement la question des représentations que ces agriculteurs se font des animaux et des végétaux présents au sein de leurs exploitations, et de leur capacités à être positivement impactés par du son. Le travail que nous souhaitons développer au cours de ce stage se focalise sur l’analyse ethnologique de l’adoption et de l’usage du son en productions végétales. Nous ciblerons la viticulture et le maraîchage, qui sont les deux plus grands domaines d’application de dispositifs de sonorisation. Conduit sur une vingtaine d’exploitations, le travail de l’étudiant consistera tout d’abord à i) identifier les raisons de l’adoption de cet équipement et de ce choix d’innovation (sources de l’information, arguments retenus …) ; ii) analyser l’usage des dispositifs sonores et des innovations que cela amène sur l’exploitation (choix des lieux d’implantation, évolutions des usages du matériel dans le temps, intégration dans les pratiques de la ferme …). En nous référant aux travaux de sciences sociales qui explorent l’agentivité des plantes, l’étudiant tentera alors d’appréhender les représentations que les agriculteurs ont des plantes cultivées, afin d’identifier une éventuelle corrélation entre ces représentations et les modalités d’adoption et d’usage des équipements de diffusion sonore qu’en font ces agriculteurs.

Informatique – Web sémantique

Représentation et exploitation des connaissances pour la conception de systèmes de culture agroécologiques

Mots-clés : Agroécologie – Gestion de données et de connaissances – Raisonnements – Web sémantique – Intelligence Artificielle

  • Durée / Date de démarrage souhaitée : 6 mois / février 2019
  • Unités de recherche :  Graphik-LIRMM, Inria
  • Contact : Marie-Laure Mugnier, mugnier [AT] lirmm.fr
  • #DigitAg : Axe 4 : Système d’information, stockage et transfert de données / Challenge 1 : Le challenge agroécologique

Relever le challenge agroécologique conduit à concevoir des systèmes de culture très innovants par rapport à l’existant. Cette ambition exige généricité (des processus) et spécificité (des nombreuses combinaisons techniques possibles), ce qui suppose de partager et d’intégrer des connaissances très diverses pour adapter chaque système à son contexte (sol, climat, paysage, exploitation). Les méthodes actuelles de conception de systèmes agricoles reposent sur l’organisation d’ateliers réunissant des experts de domaines et compétences variés et s’appuyant sur la création de modèles conceptuels (Lamanda et al, 2012), utilisés comme une base interactive de formalisation et d’intégration de connaissances scientifiques et empiriques. Ce stage de master s’inscrit dans le cadre d’une collaboration en construction, et vise à se poursuivre par une thèse dont l’objectif final sera la création d’un outil (i) d’élicitation, de formalisation, d’intégration et de partage de données et connaissances sur le fonctionnement et la conduite des agroécosystèmes dans un contexte de transition agroécologique de l’agriculture, et (ii) offrant différents services s’appuyant sur la sémantique de ces données et connaissances : exploration et requêtage, vérification de la cohérence de la modélisation, identification des éléments participant à un processus et des relations entre ces éléments, mise en évidence des conséquences de modifications du système, etc. Ce sera un outil d’aide aux ateliers de conception qui apportera aux participants une vision globale et systémique du fonctionnement de l’agroécosystème étudié. Il fournira également une aide à la formulation d’hypothèses scientifiques, à leur vérification, et à l’identification de « trous » de connaissances. L’objectif du stage est d’effectuer les premières étapes de ce projet : 1. Partir d’un petit ensemble de modèles conceptuels décrivant le fonctionnement agroécologique d’une parcelle de vigne ou d’un verger élaborés dans le projet Casdar AgroEcoPérennes en cours (2017-2020). Ces modèles concernent le fonctionnement des systèmes de culture à base de plantes pérennes centré sur la description des processus, et en particulier la gestion de leurs maladies et des ravageurs. Il faudra comprendre et préciser ces modèles conceptuels avec l’aide des agronomes, et étudier quels langages de représentation de connaissances et de raisonnement (prioritairement du web sémantique) permettent de les formaliser. 2. Formaliser les problématiques d’agroécologie associées, identifier des problèmes de raisonnement génériques : exploration / requêtage / contrôle de cohérence, identification des éléments clés d’un processus, détermination des conséquences de modifications du système. 3. Effectuer une preuve de faisabilité à partir du jeu de modèles conceptuels sélectionné.

Informatique – Sciences des données

Développement d’une méthode d’exploration et d’analyse de gros volumes de résultats de simulations effectuées avec un modèle de cultures

Mots-clés : modèle de simulation des cultures, entrepôt de données, analyse multicritère, requêtes skyline

  • Durée / Date de démarrage souhaitée : 5-6 mois / février 2019
  • Unités de recherche : Lacodam, Inria Rennes
  • Contact : anne-isabelle.graux  [AT] inra.fr
  • #DigitAg : Axe 4 : Système d’information, stockage et transfert de données, Axe 5 : Fouille de données, analyse de données, extraction de connaissances, Axe 6 : Modélisation et simulation (systèmes de production agricole) – Challenge 1 : Le challenge agroécologique, Challenge 4 : Des productions animales durables

Avec l’augmentation des questions posées à l’agriculture, de la connaissance des systèmes et de la puissance des moteurs de calcul, les modèles de simulation tendent à se complexifier et fournissent des quantités croissantes de données de nature hétérogène. Ces données ne sont généralement pas totalement analysées, car leur volume est difficile à explorer et car l’utilisateur ne s’intéresse souvent qu’à une partie des résultats. De plus, ces données sont souvent perdues après leur valorisation alors qu’elles pourraient être utilisées ultérieurement pour répondre à une autre question. Ce constat suscite un besoin de méthodes permettant le stockage sur le long terme des données de simulation, ainsi que leur exploration et leur interrogation, notamment pour répondre à des questions multicritères. L’équipe-projet IRISA-INRIA LACODAM développe des méthodes de fouille de données permettant de dégager des patterns intéressants pour la recommandation d’actions. Un entrepôt de données permettant l’exploration multidimensionnelle des simulations d’un modèle agro-hydrologique y a récemment été développé afin d’améliorer la gestion de l’azote à l’échelle d’un bassin versant (Bouadi et al., 2017). L’objectif de notre travail est d’adapter cette méthode à l’exploration et l’analyse de simulations issues du modèle de cultures STICS (Brisson et al., 2003) et produites à l’échelle de la France dans le cadre de l’étude « les prairies françaises : « Production, exportation d’azote et risques de lessivage » (Graux et al., 2017). STICS simule la production des cultures ainsi que les flux présentant un risque/bénéfice pour l’environnement à l’échelle de la parcelle et de la rotation culturale, en fonction du contexte pédoclimatique et des pratiques culturales. Ce travail est déjà amorcé avec le développement d’une base de données relationnelle aboutie permettant le stockage des données de simulation. La première étape de ce stage est de faire évoluer cette base de données vers un entrepôt de données adapté au caractère spatio-temporel des résultats de simulation. Cet entrepôt permettra notamment une exploration facilitée et une analyse interactive des données archivées. Sur la base de cet entrepôt, le/la stagiaire aura en charge la proposition et le développement d’une méthode d’analyse et d’extraction d’informations multidimensionnelles de type « requêtes skyline ». Ces dernières donnent la possibilité d’exploiter les préférences des utilisateurs pour détecter et faire ressortir les données susceptibles de les intéresser (i.e. points skyline), et d’identifier des situations compromis entre plusieurs critères. La méthode proposée devra également permettre d’expliquer aux utilisateurs le résultat d’une requête skyline (Chester et al., 2015) (i.e. pourquoi une situation qui a priori n’apparaît pas intéressante fera partie du résultat, et à l’inverse pourquoi une situation qui semble a priori intéressante sera écartée du skyline). Cela permettra de replacer l’utilisateur au cœur du processus décisionnel, et de co-construire avec lui des recommandations acceptées.

Statistiques – Programmation et  calcul scientifique avec R, Matlab ou Scilab

Caractérisation de la qualité des données collaboratives (crowdsourcing) : cas du suivi territorial de l’état hydrique de la vigne

Mots-clés : recueil collaboratif d’observations, données spatiales, qualité des données, viticulture

  • Durée / Date de démarrage souhaitée : 6 mois / avril 2019
  • Unités de recherche : ITAP, Irstea Montpellier
  • Contact : james.taylor  [AT]  irstea.fr
  • #DigitAg : Axe 5 : Fouille de données, analyse de données, extraction de connaissances – Challenge 6 : La gestion des territoires agricoles

L’avènement du smartphone et son usage de plus en plus courant en agriculture (http://agrotic.org/chaire/seminaire-smartphones-en-agriculture/) ouvre de nouvelles opportunités pour le développement de méthodes collaboratives (crowdsourcing) (Kobori et al., 2016 ; Silvertown, 2009). En effet, la richesse des projets basés sur des données collaboratives réside dans le volume important de données spatiales et temporelles généré par une multitude d’acteurs. Cette richesse est également le principal point faible de ces méthodes. En effet, la qualité des données recueillies peut être impactée par la diversité des contributeurs avec des niveaux d’implication, de connaissance et d’effort d’observation très variés (Kosmala et al., 2016). La qualité des données générées dans le cadre d’approches collaboratives impacte nécessairement toute la chaîne de traitement et donc aussi la qualité des prédictions qui pourront être faites sur la variable d’intérêt. La caractérisation de la qualité de ces données est donc une question majeure et préalable au développement de ces méthodes (Pipino et al., 2002). Le stage de master proposé sera appliqué à une approche collaborative, couplée à des méthodes existantes de suivi territorial de l’état hydrique (Baralon et al., 2012, Martínez-Vergara et al. 2014). Ce cas d’application est pertinent pour plusieurs aspects : – Il met en œuvre des phénomènes spatiaux et temporels qui sont exemplaires des méthodes collaboratives appliquées à des problématiques agricoles, – Il est stratégique pour la viticulture dans un contexte climatique changeant. L’approche collaborative peut en effet constituer une approche complémentaire des outils d’aide à la décision actuellement proposés aux professionnels pour le suivi de l’état hydrique du vignoble. L’équipe de recherche a investi ce champ depuis plusieurs années. Elle a développé des approches de modélisation empiriques (Baralon et al., 2012, Martínez-Vergara et al. 2014) transposables à des données collaboratives, de plus elle dispose d’une base de données conséquente à l’échelle de plusieurs territoires permettant une validation des développements méthodologiques envisagés pendant le stage. Le travail se focalisera sur une limite importante des données collaboratives, celle de la caractérisation de la qualité des données collectées. L’objectif du travail sera d’explorer une approche originale basée sur les spécificités des données collaboratives issues d’un contexte agricole : – la cohérence spatiale des phénomènes observés : les données présentent soit des fréquences, soit des valeurs similaires dans un voisinage donné ; – la cohérence temporelle de ces phénomènes : leur dynamique temporelle présente une tendance déterminée par l’évolution du climat, de la saison, etc. ; Ces spécificités peuvent être exploitées pour détecter des données suspectes (aberrants) et caractériser la qualité de la donnée. L’approche privilégiée sera basée sur des méthodes classiques de statistiques et de géostatistiques appliquées au spatial et au temporel. Ce travail est interdiscisplinaire puisqu’à l’interface entre l’agronomie, la statistique et la géomatique.

Informatique – Statistiques – Programmation  R et Shiny

Intégration d’outils d’analyses statistiques et de visualisation pour le système d’information en agro-écologie AEGIS

Mots-clés : Analyses statistiques de données, dispositif statistique expérimental, système d’information, analyses statistiques visuelles

  • Durée / Date de démarrage souhaitée : 4 à 6 mois / août 2018
  • Unités de recherche : AIDA, Cirad Montpellier
  • Contact : sandrine.auzoux [AT] cirad.fr
  • #DigitAg : Axe 4 : Système d’information, stockage et transfert de données, Axe 5 : Fouille de données, analyse de données, extraction de connaissances – Challenge 1 : Le challenge agroécologique

AEGIS (Agro-Ecological Global Information System) se positionne comme un système d’information venant en appui aux démarches de l’agriculture numérique et pour la réussite de la transition vers l’agroécologie. Cet outil propose des fonctionnalités qui sont utiles aussi bien pour les chercheurs que les étudiants mais aussi pour des industriels, des instituts techniques, des agriculteurs, que ce soit pour les pays du Nord ou les pays du Sud. Les priorités d’AEGIS sont : la rationalisation de la fonction d’observation, la mutualisation et la standardisation des données collectées. Il s’agit de renforcer et pérenniser les dispositifs d’observation des ressources agro-écologiques et de leurs usages. AEGIS doit être capable de produire des données homogènes à différentes échelles d’observations en répondant aux standards industriels de qualité, de faire évoluer ses outils et de diversifier les indicateurs et s’efforcer de répondre à la fois aux attentes de la recherche et des experts mais aussi des politiques environnementales, et ce, par le biais : (i) du développement d’outils génériques d’analyse statistique, (ii) de la mise en œuvre de méthodologies de traitement des données ex-ante et ex-post, (iii) de la mise à disposition de jeux de données pour la simulation et (iv) du développement d’outils de visualisation complexes visant à faciliter l’interprétation des données et faire ressortir des indicateurs, des schémas, des tendances et des corrélations inaccessibles à partir de la donnée brute. En visant l’intégration, à travers des tableaux de bords, de différents outils d’analyse, de traitement, de simulation et de visualisation de données, AEGIS a pour objectif d’être un outil complet de pilotage et d’aide à la décision dans le contexte des agroécosystèmes. L’objectif du stage est de créer un ensemble de traitements statistiques permettant une exploration et une visualisation en première approche des données contenues dans AEGIS. Dans un premier temps, une étude des besoins sera conduite en interaction avec un panel de chercheurs agronomes du CIRAD, ainsi que ses partenaires publics et privés (INRA, IRD, IRSTEA, SupAgro, SASRI, CGIAR …) dont les données des projets sont déjà dans AEGIS, afin d’établir une liste de traitements statistiques permettant de satisfaire la plupart des besoins exprimés. Dans un second temps, les scripts R associés seront créées. Enfin, il faudra réaliser l’intégration de ces scripts dans le cadriciel AEGIS (codeigniter, boostrap). Ces dernière phases seront réalisées à l’aide de shiny (https://shiny.rstudio.com/ – Shiny est un package R qui facilite la création d’applications Web interactives directement depuis R). Ce stage se déroulera dans un environnement scientifique hétérogène et interdisciplinaire. Il nécessite une bonne connaissance du langage R et de shiny. Des notions sur les bases de données relationnelles et sur l’architecture MVC très utilisée pour les applications web seraient appréciées. 

Informatique   Mathématiques – Programmation orientée objet (C++, Java) et en langage de script (Python)

Des Raphias et des Neurones, un réseau de neurones pour le dénombrement de raphias en milieu naturel

Mots-clés : Classification, réseau de neurones, traitement d’images, comptage de palmiers

  • Durée / Date de démarrage souhaitée : 6 mois / mars 2019
  • Unités de recherche : AMAP, Cirad Montpellier
  • Contact : frederic.borne [AT cirad.fr
  • #DigitAg : Axe 2 : Innovations en agriculture numérique, Axe 5 : Fouille de données, analyse de données, extraction de connaissances – Challenge 6 : La gestion des territoires agricoles,     Challenge 7 : Intégration de l’agriculture dans les chaînes de valeur

Les palmiers sont une des familles de plantes les plus utiles, fournissant sous les tropiques, de nombreux avantages économiques, écologiques et sociétaux [1]. L’espèce du genre Raphia est la plus largement utilisée et importante d’Afrique. Cependant, la pression anthropique a des impacts négatifs au niveau local et régional sur les Raphias et aucune estimation des paramètres de base (nombre d’individus, biomasse …) n’a été entreprise. En conditions naturelles, ces Raphias se regroupent en forêts marécageuses où les couronnes sont imbriquées et donc difficilement dénombrables en vue aérienne. A ce jour, aucune étude n’a été faite sur leur dénombrement malgré leur importance sociétale [2]. Les études récentes de comptage de palmiers [3] [4] ne concernent que des plantations de palmiers à huile et utilisent des approches «Deep Learning». Le stage proposé se focalisera sur cette approche «Deep Learning » par le déploiement d’un réseau de neurones spécifiquement entraîné pour la détection et le dénombrement de Raphias en milieu naturel sur des images de télédétection. Pour cela, le stagiaire aura à sa disposition deux jeux d’images : un jeu d’images virtuelles de référence constitué d’images simulées à partir de maquettes de zones de Raphias modélisées grâce au logiciel Xplo d’AMAP et un jeu d’images réelles (images drones et images satellites THRS) qui servira de test de validation. Dans un premier temps, le stagiaire aura à faire un état de l’art sur les méthodes de « Deep Learning» les mieux adaptées au traitement des images de télédétection et à notre sujet d’étude. Puis, il devra déployer et paramétrer le réseau choisi et l’appliquer aux deux jeux de données. L’évaluation de la performance du réseau sera menée par (i) l’estimation de la fonction de perte (erreur globale), (ii) des indicateurs statistiques conventionnels (Fmesure) et (iii) des indicateurs géométriques (indice de Dice global). L’encadrement sera réalisé par le thème i2p (UMR Amap), l’UMR Diade et par un soutien méthodologique de l’UMR Tetis.

Agronomie & Informatique – TIC

Spécialisation d’un réseau de neurone de localisation et segmentation pour la mise en place d’un outil d’évaluation des rendements du manguier par analyse d’images

Mots-clés : Machine-learning, réseau de neurones, détection de mangue, rendement, Sénégal

  • Durée / Date de démarrage souhaitée : 6 mois / mars 2019
  • Unités de recherche : HortSys, Cirad Montpellier
  • Contact : emile.faye [AT] cirad.fr
  • #DigitAg : Axe 2 : Innovations en agriculture numérique, Axe 3 : Capteurs, acquisition et gestion de données, Axe 6 : Modélisation et simulation (systèmes de production agricole) – Challenge 5 : Les services de conseil agricole, Challenge 8 : Développement agricole au Sud

Aujourd’hui, l’estimation des productions agricoles en pré-récolte est devenue indispensable pour faire face aux enjeux du développement et réduire la vulnérabilité des populations face aux changements globaux. En effet, l’un des principaux problèmes freinant le développement des cultures pérennes est l’impossibilité d’estimer avec facilité et précision le rendement des cultures aux stades phénologiques pertinents afin d’éclairer les décisions des agriculteurs. À ce jour, l’estimation du rendement dans les vergers tropicaux repose encore sur une inspection visuelle d’un échantillon limité d’arbres, méthode fastidieuse, longue et peu précise (Linker et al., 2012). L’agriculture de précision, et en particulier le traitement de flux de données visuelles, offre de nouvelles perspectives pour recueillir rapidement des informations précises et pertinentes pour estimer au plus tôt la production des arbres fruitiers, et probablement la qualité des récoltes. Dans ce domaine, les Réseaux de Neurones Convolutifs ont récemment montré leur excellente capacité à dénombrer des fruits (Bargotti et al. 2016, 2017) et plus particulièrement des mangues (Sa et al. 2016). Si les réseaux « savent » dénombrer, la question de recherche porte désormais sur leur capacité réelle à qualifier les fruits, i.e. à identifier parmi les fruits détectés dans les images ceux qui seront réellement récoltés à terme par l’exploitant. Le stage proposé s’inscrit dans ce contexte particulier et complète une thèse #DigitAg actuellement en cours sur les estimations des rendements du manguier en Afrique de l’Ouest. Porté par l’équipe « Evaluation et conception de systèmes horticoles » de l’UR HortSys, il sera mené en collaboration avec le groupe « Imagerie des Plantes et des Paysages » de l’UMR Amap (et l’appui méthodologique de l’équipe « Image et Interaction » du LIRMM) (Borianne et al. 2018). Le / la stagiaire travaillera à partir d’un jeu d’images conséquent collectées au Sénégal en 2017-2018 sur trois points spécifiques à haute valeur ajoutée scientifique en agriculture numérique : – la spécialisation du réseau Faster-RCNN (Ren et al. 2017) pour le comptage automatique de fruits en pré-récolte et leur qualification phénologique ; – l’évaluation de l’efficacité de prédiction du réseau, abordant de fait les questionnements complexes (et souvent tus) de la constitution des jeux de validation et de la « vérité terrain »,… ; – la segmentation des surfaces de mangue détectées pour évaluer leur niveau de récoltabilité. Dans un premier temps, les résultats de ce stage viendront nourrir la thèse #DigitAg pour analyser la variabilité du rendement en fonction des paramètres structuraux des arbres. Dans un deuxième temps, ils poseront les bases d’un outil opérationnel pour le producteur pour le comptage de mangues sur l’arbre avant la récolte. Cet outil d’estimation des rendements du manguier par analyse d’images pourra être transposé à d’autres spéculations.

Agronomie & TIC – Innovation – Maîtrise du portugais (enquêtes)

L’usage des smartphones dans la filière Açaí en Amazonie brésilienne

Mots-clés : Açaí, smartphones, prix, qualité, filières, Brésil

  • Durée / Date de démarrage souhaitée : 6 mois / mai 2019
  • Unités de recherche : Innovation, Cirad Montpellier
  • Contact : nathalie.cialdella [AT] cirad.fr
  • #DigitAg : Axe 1 : Impact des technologies de l’information et de la communication sur le monde rural – Challenge 7 : Intégration de l’agriculture dans les chaînes de valeur ; Challenge 8 : Développement agricole au Sud

L’usage des téléphones mobiles multifonctions (« smartphones ») se diffuse auprès des agriculteurs du monde entier. Les différents usages qui en sont fait (accès à de l’information sur les prix de marchés et à du conseil agricole, annonce de disponibilité de produits, organisation de livraisons collectives, forum de discussions …) ont des effets sur l’organisation des filières agricoles. Les études sur ce sujet sont encore peu nombreuses (Baumüller, 2017). Dans le cadre du projet Açaí’action (construction des connaissances et consolidation de marchés de qualité pour les produits de la socio-biodiversité amazonienne), l’objectif du stage sera de recueillir des informations sur l’usage des téléphones mobiles multifonctions (« smartphones ») par les acteurs de la filière Açaí afin de mesurer l’influence de ces nouveaux usages sur les prix et la qualité. A travers les applications « smartphone » (Whatsapp notamment) la diffusion des prix pratiqués sur les lieux d’échange est instantanée et atteint des producteurs isolés physiquement. Cette nouvelle est susceptible d’améliorer la capacité de négociation des producteurs, jusqu’à présent très réduite et dépendante des intermédiaires (Pegler, 2011). Le/la stagiaire sera chargé-e de concevoir le questionnaire, de conduire l’enquête auprès de 2 groupes de producteurs qui récoltent l’açaí (un groupe utilisateurs de smartphones et un groupe témoin) et d’analyser les résultats en termes d’effets des usages des smartphones sur le prix et la qualité. Il/elle devra nécessairement maîtriser le portugais. Le terrain d’enquête sera l’agglomération de la ville de Belém, au Brésil. Cette ville est en effet le principal centre d’échange des fruits (90% de la production nationale) et de produits transformés (près de 50% de la production nationale) (Homma et al., 2006). Il existe à Belém une diversité des circuits de commercialisation : certains acheteurs appliquent une bonification des tarifs pour s’assurer de la qualité des fruits et fidéliser les producteurs (Cialdella et al, 2017).

Informatique – Télédétection  [méthodes d’apprentissage automatique, classification automatique des données satellitaires multi-capteur]

Adaptation par Transfer Learning de méthodes d’apprentissage profond pour la cartographie des systèmes agricoles du Sud

Mots-clés : Télédétection, occupation du sol agricole, pays du sud, deep learning, transfer learning

  • Durée / Date de démarrage souhaitée : 6 mois / avril 2019
  • Unités de recherche : TETIS, Cirad Montpellier
  • Contact : raffaele.gaetano [AT] cirad.fr
  • #DigitAg : Axe 5 : Fouille de données, analyse de données, extraction de connaissances – Challenge 6 : La gestion des territoires agricoles ; Challenge 8 : Développement agricole au Sud

La production d’information spatialisée sur les pratiques culturales dans les territoires agricoles du Sud constitue actuellement un enjeu majeur de développement dans les pays à risque de sécurité alimentaire. Les initiatives telles que GEOGLAM (Group on Earth Observation – GLobal Agricultural Monitoring, volet « pays à risque ») prônent de plus en plus l’utilisation de données et outils d’observation de la terre pour répondre à ce défi. En effet, la disponibilité et variété de données de télédétection issues de missions satellitaires, avec des résolutions spatiales et fréquences d’acquisition de plus en plus élevées, rendent envisageables un suivi précis des activités agricoles notamment à grande échelle. Néanmoins, les méthodes automatiques de cartographie de l’occupation du sol agricole par télédétection nécessitent souvent une quantité considérable de données de référence pour leur calibration, et face au volume croissant d’images à traiter cette disponibilité reste généralement limitée au Sud, car leur acquisition est souvent difficile et coûteuse. Ce stage se situe dans ce contexte. Nous proposons de faire levier sur des méthodes de cartographie d’occupation du sol récemment développées à TETIS, basées sur l’apprentissage profond (Deep Learning), et de les adapter aux contextes agricoles du Sud tout en exploitant la large disponibilité d’information sur les surfaces cultivés au Nord. Plus en particulier, notre objectif est d’exploiter les possibilités offertes par le Deep Learning en termes de « transfert de modèles » entre contextes différents: nous proposons donc de mettre en place une stratégie de Transfer Learning qui permettra de pré-entrainer des classifieurs sur des données de référence en France (i.e. Registre Parcellaire Graphique), de manière à orienter l’analyse des données vers les spécificités du domaine de l’agriculture et, ensuite, de raffiner ces modèles à l’aide des données de référence disponibles sur un site d’étude au Sud, qui ne sont normalement pas suffisantes pour une calibration complète par des méthodes de Deep Learning. Nous allons concevoir et développer cette stratégie de Transfer Learning pour l’occupation du sol agricole à partir du couplage de séries temporelle d’images issues de la mission Sentinel-2 de l’ESA (10 mètres de résolution spatiale, 5 jours de répétitivité) avec des scènes à Très Haute Résolution Spatiale (THRS – ordre du 1 mètre), telles que SPOT6/7 ou Pléiades. Les séries temporelles Sentinel-2 sont en libre accès à partir de la plateforme de l’ESA, et les images à THRS (Spot 6/7) seront mises à disposition par l’équipex GEOSUD. Cette nouvelle méthode sera testée sur un site d’étude au Burkina Faso (commune de Koumbia, dans la province de Tuy), sur lequel plusieurs relevés de terrains ont été réalisés ces dernières années par l’UMR TETIS (CIRAD), et s’appuiera sur une ou plusieurs zones de pré-entrainement situées en France métropolitaine.

Géomatique

Analyser des processus participatifs à l’aide du prototype VWA : vers une mesure de l’apprentissage collectif pour améliorer la gouvernance des territoires agricole

Mots-clés : TIC ; développement territorial ; apprentissage collectif ; suivi-évaluation

  • Durée / Date de démarrage souhaitée : 4 à 6 mois / mars 2019
  • Unités de recherche : TETIS, Cirad Montpellier
  • Contact : philippe.lemoisson [AT] cirad.fr
  • #DigitAg :     Axe 1 : Impact des technologies de l’information et de la communication sur le monde rural ; Axe 5 : Fouille de données, analyse de données, extraction de connaissances – Challenge 6 : La gestion des territoires agricoles

Les transformations des sociétés et des territoires ruraux en lien avec la mondialisation et le changement climatique peuvent exacerber les concurrences entre usages et engendrer des conflits autour de certaines ressources. Accompagner les acteurs du monde rural pour faire face à ces enjeux requiert une ingénierie de la gouvernance territoriale intégrant les points de vue de tous les acteurs, dans leur diversité. Dans ce domaine, l’apprentissage collectif est considéré comme un objectif clé pour parvenir à des projets consensuels et durables. Partant, des initiatives toujours plus nombreuses s’appuient sur des dispositifs sociotechniques, mobilisant des technologies de l’information et de la communication et créant des espaces de concertation et de co-production de connaissances afin de favoriser l’apprentissage collectif. La mesure et le suivi de cet apprentissage émergent ainsi comme une problématique clé pour le pilotage des dispositifs concernés. La technologie VIEWPOINTS permet à des agents humains ou artificiels de partager et d’exploiter leurs viewpoints (points de vue subjectifs) concernant des ressources (qui peuvent être des agents, des documents, des sujets de réflexion ou n’importe quelle trace numérique) au sein d’un graphe de connaissances KG. L’évolution de KG au cours du temps peut être interprétée en termes d’apprentissage collectif. Le prototype VWA (VIEWPOINTS WEB APPLICATION) permet de nourrir le KG en important ou en créant des ressources et des viewpoints, d’y chercher de l’information grâce au calcul d’une distance basée sur l’ensemble des viewpoints et de réagir aux résultats obtenus (feedback) en émettant de nouveaux viewpoints. Ce stage s’appuie sur la technologie VIEWPOINTS et le prototype VWA pour tracer les processus d’apprentissage collectif au cours d’ateliers de travail participatifs. Le travail demandé est le suivant : 1. prendre connaissance de la technologie ViewpointS et du prototype VWA visible à l’adresse : http://viewpoints.cirad.fr/ViewpointsWebApp ; 2. élaborer un modèle (appelé DATA-TRANSLATOR) qui permette de transformer en ressources et en viewpoints les données recueillies lors des ateliers ; 3. co-animer un ou plusieurs ateliers et rassembler plusieurs jeux de données correspondant à des « temps de participation » différents ; 4. appliquer le DATA-TRANSLATOR pour intégrer les données recueillies dans un KG ; 5. co-animer une séance où les participants à l’atelier peuvent utiliser VWA pour extraire de l’information et émettre leurs feedbacks ; cette séance constituera un nouveau « temps de participation » ; 6. analyser l’évolution au cours du temps du KG ainsi créé ; 7. documenter l’ensemble de l’expérimentation et faire un retour critique sur : i) le DATA-TRANSLATOR et ii) le protocole expérimental correspondant aux tâches 3, 4, 5 et 6. Les ateliers seront organisés dans le cadre d’un projet de recherche-action sur la planification territoriale coordonné par l’UMR TETIS en Tunisie.

Agronomie, Traitement des eaux – Informatique, Mathématiques appliquées

Opérationnalisation d’un modèle d’optimisation de la ré-utilisation d’eaux usées traitées pour la fertigation des cultures en climat méditerranéen

Mots-clés : Re-use (réutilisation des eaux usées traitées), nutriments, optimisation, sensibilité, calage

  • Durée / Date de démarrage souhaitée : 6 mois / mars 2019
  • Unités de recherche : ITAP, Montpellier SupAgro
  • Contact : carole.sinfort [AT] supagro.fr
  • #DigitAg : Axe 2 : Innovations en agriculture numérique, Axe 6 : Modélisation et simulation (systèmes de production agricole) – Challenge 1 : Le challenge agroécologique, Challenge 6 : La gestion des territoires agricoles, Challenge 8 : Développement agricole au Sud

 La réutilisation des eaux usées traitées offre des opportunités inégalées en terme de recyclage de l’eau mais aussi des nutriments pour les cultures (notamment azote et phosphore). L’utilisation de ce principe revêt des enjeux d’optimisation, d’applicabilité et d’évaluation des impacts. L’optimisation repose sur deux points. Le premier est d’adapter le traitement aux besoins des plantes de manière dynamique. Le second repose sur le pilotage des apports pour répondre à cette demande en évitant le stockage (puis le lessivage) des nutriments dans le sol. Dans cet objectif, une plateforme de modélisation est actuellement développée dans le cadre d’un post-doctorat financé par #Digitag (projet opti-reuse). Cette plateforme repose sur un principe de double modélisation : les modèles des processus de bases sont simplifiés dans des domaines d’utilisation donnés (bio-réacteur, transport, système sol-culture-climat) et permettent d’alimenter un modèle d’optimisation pour piloter certaines étapes du traitement et les apports à la culture. L’objectif de ce projet de master est de répondre aux enjeux d’applicabilité et d’évaluation des impacts en s’appuyant sur deux cas d’étude : celui de Murviel-les-Montpellier (34), initialement identifié comme site pilote pour le projet opti-reuse et le site pilote de Saint Martin de Castillon (84). Ces deux sites sont aménagés pour la réutilisation des eaux traitées pour la fertigation de cultures : vignes et olivier à Murviel-les-Montpellier, blé dur et melon à Saint-Martin de Castillon. Dans le premier site, le traitement se fait par lagunage complété par un traitement tertiaire par filtration et par un bio-réacteur à membrane. Dans le second cas, le traitement se fait sur lit bactérien et le traitement tertiaire est assuré par un filtre à sable et un traitement UV. Les deux sites sont donc très complémentaires tant sur la méthode de traitement que sur les cultures irriguées. Ce stage de Master s’articulera autour des étapes suivantes : 1. Participer à l’identification des scénarios pour caler les modèles dans chacun des deux sites (un par site) ; 2. Pour ces scénarios réaliser une analyse de sensibilité et identifier les paramètres prédominants ; 3. Identifier les mesures à réaliser pour le calage des modèles : nature des prélèvements et analyse, calendrier de suivi, plan d’expérience ; 4. Identifier et caractériser les erreurs des modèles simplifiés dans les deux cas d’étude et proposer des améliorations ; 5. Fournir des données d’inventaire précises pour l’évaluation des impacts pour les deux scénarios ; 6. Définir une méthodologie de calage et d’implémentation du modèle pour de futurs autres scénarios/cas d’étude.

Électronique – Microélectronique 

Développement d’un dispositif électronique implantable pour l’estimation du développement des gonades de poisson

Mots-clés : Aquaculture, pêche, reproduction, gonade, dispositif électronique implantable

  • Durée / Date de démarrage souhaitée : 6 mois / février 2019
  • Unités de recherche : LIRMM, Université de Montpellier
  • Contact : Vincent Kerzerho, kerzerho [AT] lirmm.fr
  • #DigitAg : Axe 3 : Capteurs, acquisition et gestion de données, Challenge 4 : Des productions animales durables

Ce stage vise à initier le développement d’un système électronique et une électrode associée permettant une mesure chronique et implantée des stades de développement des gonades de poisson. Le défi associé à ce projet est d’imaginer une nouvelle technique de mesure d’un état physiologique. En effet, les techniques conventionnelles consistent actuellement à prélever des ovocytes et à réaliser un constat visuel de leur développement. A terme, les ambitions d’un tel système sont de permettre 1) un meilleur pilotage des programmes de sélection pour les aquaculteurs et 2) un meilleur suivi du cycle de vie des espèces sauvages pour une gestion plus efficace des stocks. Le développement de ce nouveau dispositif sera divisé en trois phases : 1/ mesures in-vitro ; 2/ mesures in-vivo hors de l’eau ; 3/ mesures in-vivo, in-situ. La phase de mesure in-vitro (échantillonnage des ovocytes) permettra d’identifier la méthode et les signatures électriques les plus pertinentes pour estimer le niveau de maturité des gonades. Cette première phase s’appuiera sur des expérimentations sur des loups ayant des ovocytes de niveaux de développement différents pour calibrer la signature électrique. L’état de développement des gonades sera évalué visuellement en complément d’une approche plus fine de dosage d’hormones clefs (e.g. vitellogénine). La problématique pour la partie électrode sera de définir une topologie 2D qui permette de rendre l’identification de la signature électrique la plus efficace possible. Basé sur ces premières expérimentations en environnement très contrôlé, un modèle électrique de l’interface sera défini. La fabrication de ces électrodes s’effectuera à la salle blanche de la centrale de technologie CTM de l’université de Montpellier. Dans la phase in-vivo avec des poissons hors de l’eau, la problématique sera de trouver une topologie d’électrode qui prenne en compte les caractéristiques 3D des gonades tout en combinant d’excellentes propriétés électriques et mécaniques. Cette topologie et le type de contact cherchera aussi à minimiser l’influence de la non-uniformité des ovocytes. Les poissons ne seront pas sacrifiés dans cette phase et il faut donc définir une technique d’implantation provisoire dans les gonades dont l’accès est assez difficile. En parallèle, le modèle d’interface sera enrichi des nouvelles caractéristiques de l’électrode et de son environnement (3D, non-uniformité…). Dans la dernière phase, il sera nécessaire de développer une électrode pour une implantation chronique dans un poisson en activité. Dans ce contexte, l’électrode devra perturber le moins possible le poisson et ses mouvements et minimiser la génération de fibrose ou nécrose au niveau des contacts de l’électrode. A ce stade, devra être développée l’électronique associée. Il y aura, par la nature du dispositif, des contraintes fortes pour intégrer l’électronique. A la fin, il sera testé in-vivo sur 3 espèces : loup, daurade et platax.

Voir aussi : les offres de stage proposées par les entreprises membres de #DigitAg (à venir)