Mathématiques et leurs applications - Sciences de la Vie et de l’Environnement

Utilisation de capteurs embarqués pour modéliser le comportement du bétail et la transmission de pathogènes : le cas de la PPR au Sénégal

Mots-clé : capteurs embarqués, mobilité animale, modélisation multiéchelle, épidémiologie, modélisation d'accompagnement, Afrique Subsaharienne, pastoralisme.

• Contact: Jean Baptiste Menassol - jean-baptiste.menassol[AT]supagro.fr
• Encadrants: Jean Baptiste Menassol, Selmet, Institut Agro - Montpellier Sup Agro - Andrea Apolloni, Astre, Cirad - Maxime Lenormand, Tetis, Inrae
• Unités d’accueil: Selmet, Tetis, Sens
• Co-financement: A définir
• #DigitAg: Axe 6 : Modélisation et simulation (systèmes de production agricole), Axe 1 : Impact des technologies de l'information et de la communication sur le monde rural,Axe 3 : Capteurs, acquisition et gestion de données, Challenge 4 : Des productions animales durables, Challenge 1 : Le challenge agroécologique,Challenge 6 : La gestion des territoires agricoles,Challenge 8 : Développement agricole au Sud

L’utilisation de la télémétrie et de capteurs embarqués est en pleine expansion dans le domaine de l’élevage et ouvre de nouvelles perspectives de modélisation et de prévention des risques systémiques tels que les épidémies. Les contacts entre animaux jouent un rôle fondamental dans la transmission et la diffusion de maladies animales telles que la Peste des Petits Ruminants (PPR). Dans les zones rurales de l’Afrique subsaharienne, les interactions entre animaux sont envisagées à trois échelles: (1) au sein d’un même troupeau entre individus ; (2) entre troupeaux qui partagent de façon régulière les mêmes ressources pastorales (parcours, mares, forages, marchés…) ; (3) épisodiquement avec des troupeaux transhumants, provenant parfois d’autres pays.

Ce travail de post-doctorat s’appuiera sur des jeux de données issus de différents protocoles conduits au Sénégal. Les données issues de capteurs renseignent les différentes échelles considérées:

• capteurs radiofréquences pour les contacts au sein d’un troupeau lors d’une infection expérimentale
• accéléromètres et GPS pour inférer le comportement lors des trajets journaliers
• règles de conduite des troupeaux décrites par les éleveurs lors d’ateliers de modélisation participative.

Ces données seront combinées dans un modèle qui reproduira les patrons de déplacements de troupeaux en milieu pastoral, leurs interactions et simulera les mécanismes fins de transmission du virus de la PPR au sein de ces populations. Différents scénarios faisant intervenir la variation des ressources pastorales et la gestion de la mobilité seront explorés afin de réduire les risques de transmission tout en préservant l’intégrité des pratiques de mobilité des éleveurs.

Sciences Humaines et Sociales - Sciences de la Vie et de l’Environnement

Déterminants, modalités et valorisation du partage de données par les agriculteurs et PME dans des blockchains pour des supply chains alimentaires transparentes et durables

Mots-clé : Blockchain, traçabilité, transparence, supply chain alimentaire, jeux de pouvoir, partage de la donnée, numérique, valorisation, sciences participatives

• Contact: Florent Saucède - florent.saucede[AT]supagro.fr
• Encadrants: Florent Saucède, Moisa, Institut Agro - Montpellier SupAgro - Léa Tardieu, Tetis, Inrae
• Unités d’accueil: Moisa, Tetis
• Co-financement: Projet ANR JCJC
• #DigitAg: Axe 1 : Impact des technologies de l'information et de la communication sur le monde rural, Axe 2 : Innovations en agriculture numérique,Axe 4 : Système d’information, stockage et transfert de données, Challenge 7 : Intégration de l’agriculture dans les chaînes de valeur, Challenge 5 : Les services de conseil agricole

La confiance des consommateurs dans des systèmes alimentaires complexes s’érode suite à des scandales et des crises sanitaires. Pour y faire face, producteurs et distributeurs testent le potentiel de la blockchain, « un registre numérique, décentralisé et distribué dans lequel les transactions sont consignées et ajoutées par ordre chronologique pour créer des archives permanentes et infalsifiables » (Treiblmaier, 2018, p. 547). Elle offre de nouvelles manières de suivre et tracer les produits le long des supply chains alimentaires (SCA), grâce à la contribution de leurs membres et à la co-construction d’une information immuable qui peut être visible par tous et communiquée aux consommateurs. Elle a le potentiel d’améliorer le fonctionnement, la numérisation, l’automatisation et la durabilité des SCA. Si la blockchain permet de concevoir de nouveaux modes d’organisation collectifs et participatifs, elle est aussi un système de surveillance dont la transparence est co-construite grâce au partage de données sensibles auparavant considérées confidentielles. Les conditions d’activation de ces potentiels et les risques associés à cette technologie sont dès lors mal connus.

Le sujet s’intègre dans une proposition de projet ANR JCJC qui évalue le potentiel de la blockchain à rendre les SCA plus participatives, transparentes et performantes, pour contribuer à la transition vers des systèmes alimentaires durables. Centré sur les agriculteurs et PME, le post-doctorat a pour objectifs de mieux appréhender les conditions, modalités, risques, réticences, coûts et avantages individuels et collectifs du partage de données dans les SCA à des fins de traçabilité, de transparence et de valorisation des pratiques. Les déterminants et la valorisation du partage de données sont examinés dans le contexte des dynamiques du pouvoir au sein des SCA. Mobilisant les sciences de gestion, économiques, de l’environnement et des données dans une démarche participative avec des agriculteurs et PME, le projet vise à élaborer une grille structurant la démarche de co-construction d’une information pour des SCA durables, transparentes et performantes, et à l’identification des données nécessaires à sa construction, tout en contribuant à préparer ces producteurs aux défis d’une généralisation de tels systèmes de transparence des SCA.

Sciences pour l'Ingénieur - Sciences de la Vie et de l’Environnement

Développement d'un framework d'apprentissage automatique pour la prédiction d'indicateurs de sécurité alimentaire à l'échelle nationale à partir de données hétérogènes

Mots-clé : Science de données, Apprentissage Automatique, Sécurité alimentaire, Données Hétérogènes

• Contact: Roberto Interdonato - roberto.interdonato [AT] cirad.fr
• Encadrants: Elodie Maitre D’Hotel, UMR Moisa, Cirad - Louis Reymondin, Alliance Bioversity International & CIAT, CGIAR
• Unités d’accueil: Tetis - Moisa
• #DigitAg: Axe 5 : Fouille de données, analyse de données, extraction de connaissances, Axe 4 : Système d’information, stockage et transfert de données, Challenge 0 : sujet transversal, Challenge 6 : La gestion des territoires agricoles, Challenge 8 : Développement agricole au Sud

 La sécurité alimentaire (SA) est un problème central dans de nombreuses régions du monde, comme en témoigne sa présence parmi les 17 objectifs de développement durable (ODD 2 - Faim zéro). Pour surveiller les situations d'insécurité alimentaire, plusieurs systèmes d'alerte précoce sont actifs aujourd'hui, tels que GIEWS (FAO) et FEWSNET (USAID). Ces systèmes utilisent un ensemble limité de types de données, i.e., données agroclimatiques provenant d'images satellites et indicateurs extraits d'enquêtes auprès des ménages sur les facteurs nutritionnels, économiques et liés à la production. De plus, une intervention humaine est souvent nécessaire pour combiner et résumer toutes les sources d'information. Notre hypothèse est que des données ouvertes hétérogènes, en lien avec la SA, peuvent être utilisées pour développer des méthodes d'apprentissage automatique capables de produire des indicateurs de SA, en prenant en compte les raisons interdépendantes de ce phénomène. Quelques exemples peuvent être des rasters d'informations spatiales, information géographique bénévole, données météorologiques, indicateurs économiques  et données textuelles issus des médias locaux.
L'objectif de ce Post-Doc est de consolider et d'étendre les travaux récents sur ce sujet issus d'une collaboration entre l'UMR TETIS et l'UMR MOISA, principalement autour d’une thèse cofinancée par #DigitAg. Plus précisément, nous souhaitons développer une suite de méthodes (p.ex., une bibliothèque Python) capables de récupérer et d'exploiter des données hétérogènes pour produire efficacement des indicateurs de SA à l'échelle nationale. La nécessité de collecter, d'intégrer et d'évaluer la qualité de ces données introduit plusieurs défis supplémentaires dans ce contexte. L'utilisation de riches données de référence fournies par le CGIAR (p.ex., RHoMIS - Rural Household Multi-Indicator Survey) permettra de tester les méthodologies proposées dans différents pays d'Afrique et d'Asie du Sud-Est.

PHADA : Phénotypage HAut-débit de la Diversité génétique des Arbres fruitiers pour une meilleure adaptation au changement climatique

Mots-clé: Phénotypage numérique, criblage génétique, arbre fruitiers, généralisation inter-espèces

• Contact: Marie Weiss - marie.weiss [AT] inrae.fr
• Encadrants: Marie Weiss, UMR Emmah, Inrae - Evelyne Costes, UMR Agap, Inrae
• Unités d’accueil: Emmah - Agap
• #DigitAg: Axe 2 : Innovations en agriculture numérique, Axe 3 : Capteurs, acquisition et gestion de données, Challenge 2 : Le phénotypage rapide, Challenge 1 : Le challenge agroécologique, Challenge 3 : La protection des cultures

 Ce projet vise à caractériser la résilience des arbres fruitiers via le phénotypage numérique d’un certain nombre de traits liés à la floraison et à l’architecture de l’arbre en alliant les compétences en analyse d’images (AGAP-PHENOMEN, EMMAH-CAPTE) et en génétique (GAFL-Prunus) et en analyse architecturale (AGAP-AFEF) des quatre équipes impliquées. Outre des développements méthodologiques de traitement des données stéréovision et RVB pour accéder à ces traits, ce projet s’intéresse à la fusion des informations,  ainsi qu’à la généralisation et la transférabilité des méthodes et des traits entre espèces. Plusieurs approches (apprentissage machine et profond, morphologie mathématique, statistiques) seront combinées. Ce projet s’appuie sur l’acquisition de jeux de données dans des core-collections de trois espèces fruitières d’importance (pêchers, abricotiers, pommiers) comportant chacune plus de 150 génotypes différents, assurant ainsi une représentativité de la variabilité de la floraison et de la structure des arbres par les différences d’âge, d’espèces et d’environnements contrastés. Il vise aussi à établir une cohérence temporelle entre mesures passées (notations visuelles) et phénotypage numérique.

D’un point de vue des sorties attendues, nous avons l’ambition de contribuer au phénotypage de traits complexes et intégratifs (amélioration de la précision et du débit, accès à de nouveaux traits non accessibles manuellement), et au criblage génétique de la résilience en déterminant une typologie d’arbres permettant de maintenir la production face aux perturbations environnementales

Intégration de données hétérogènes pour la simulation des contacts entre bétail et faune sauvage
post-doc pourvu

Mots-clé : données hétérogènes, télémétrie, télédétection, modélisation spatiale, modélisation participative, élevage extensif, mobilité animale

• Contact: Tran Annelise - annelise.tran [AT] cirad.fr
• Encadrants: Tran Annelise, UMR Tetis, Cirad – Christophe Le Page, UMR Sens, Cirad
• Unités d’accueil: Tetis - Sens
• #DigitAg: Axe 6 : Modélisation et simulation (systèmes de production agricole), Axe 3 : Capteurs, acquisition et gestion de données, Challenge 6 : La gestion des territoires agricoles, Challenge 8 : Développement agricole au Sud

 Dans de nombreuses régions africaines, la croissance de la population humaine combinée à la raréfaction, sous l’effet du changement climatique, de zones disposant de réserves d’eau suffisantes, conduisent à l’augmentation des contacts entre les communautés rurales pratiquant l’agriculture et l’élevage et la faune sauvage à la périphérie des aires de conservation. Dans ces systèmes d’interface, les mobilités des animaux sauvages et domestiques sont à l’origine d’événements tels que la prédation du bétail par les carnivores, la destruction des cultures par la faune sauvage, la concurrence accrue pour les ressources naturelles partagées, la chasse illégale, et la transmission de maladies. Mieux comprendre comment les facteurs climatiques, environnementaux et les pratiques agricoles et d’élevage déterminent ces mobilités et contacts constitue un enjeu majeur pour identifier des modes de gestion permettant de concilier développement agricole et enjeux de conservation.

Le travail du séjour post-doctoral proposé s’appuiera sur des jeux de données collectés dans la région de Hwange au Zimbabwe : i) des données de télémétrie issues de colliers GPS posés sur des ruminants domestiques et sauvages pour étudier leurs déplacements ; ii) des images de pièges photographiques permettant de mesurer l’occurrence et la fréquence des contacts inter-espèces au niveau des points d’eau ; iii) des séries temporelles d’images satellites pour le suivi des modifications de l’environnement aux interfaces des espaces naturels et agricoles et iv) des règles de conduite des troupeaux décrites par les éleveurs. L’objectif sera de développer des méthodes innovantes permettant i) l’intégration de ces données hétérogènes pour simuler la mobilité et les potentiels contacts du bétail et de la faune sauvage et ii) l’exploration de scénarios définis en concertation avec les différents acteurs du territoire.