[Thèse soutenue] Léo Pichon : Méthodes d’évaluation de la qualité des données issues d’observations à haute résolution spatiale et temporelle pour une aide à la décision en viticulture

Sujet de thèse labellisé par #DigitAg

Léo a soutenu sa thèse le 13 juillet 2021 à 10h à l’Institut Agro, Montpellier (Amphithéâtre Philippe Lamour – Bâtiment 9 Coeur d’école niveau 2).


Méthodes d’évaluation de la qualité des données issues d’observations à haute résolution spatiale et temporelle pour une aide à la décision en viticulture

  • Date de démarrage : novembre 2017
  • Université : MUSE Montpellier Université d’Excellence / Institut Agro – Montpellier SupAgro
  • Ecole doctorale :  GAIA, Montpellier
  • Discipline / Spécialité : Agronomie, TIC en agriculture
  • Directeur de thèse : Véronique Bellon-Maurel (Inrae, UMR Itap)
  • Encadrant(es)  : Bruno Tisseyre (Institut Agro, Itap), James Taylor (Newcastle University, UK / Inrae, Itap)
  • Financement : Institut Agro – Montpellier SupAgro
  • #DigitAg : Thèse labellisée – Axes 3, 4 et 6Challenges 1,et 6

Mots-clés : Qualité des données, Données à haute résolution, Viticulture de précision, Aide à la décision, Crowdsourcing

Résumé : Le crowdsourcing est une approche qui consiste à répondre à une question définie par une organisation (laboratoire de recherche, entreprise, etc.) en s’appuyant sur l’intelligence collective d’une communauté de contributeurs. En agriculture, le crowdsourcing est pour l’instant peu développé mais il présente un intérêt potentiel fort pour la collecte d’observations géolocalisées permettant un suivi de phénomènes à l’échelle régionale (ex : suivi des maladies, des ravageurs ou des stress abiotiques). Ces projets de crowdsourcing en agriculture possèdent de spécificités au niveau des participants (contributeurs professionnels, importance du rôle des conseillers), des phénomènes étudiés (fortes covariances spatiale et temporelle) et des jeux de données collectées (asynchrones et hétérotopes) qui ont poussé certains auteurs à définir le concept de farmsourcing pour les décrire. Ces spécificités des projets de farmsourcing influent sur la conception des projets et sur l’implication des différents acteurs. Elles influent également sur les critères et les indicateurs qui permettent d’évaluer la réussite de tels projets. Enfin, elles influent sur les méthodes qui peuvent être mises en oeuvre pour identifier les observations aberrantes et surprenantes dans les données issues de ces projets. Aujourd’hui, il n’existe pas d’approches qui prennent en compte ces différents aspects en considérant les spécificités des projets de farmsourcing. L’objectif de cette thèse est de proposer des outils et des méthodes pour développer une approche de farmsourcing à la fois dans la conception et l’évaluation du projet (Comment favoriser la contribution des participants ? Comment évaluer la réussite d’un projet ?) puis dans la caractérisation de la qualité des observations qui en sont issues (Comment identifier les données aberrantes et surprenants ? Comment automatiser ces approches ?). La thèse s’appuie sur une démarche systémique avec la mise en place d’un cas d’étude. Ce cas d’étude est le suivi de l’état hydrique de la vigne à l’échelle régionale à l’aide i) d’un indicateur (iG-Apex) basé sur des observations de la croissance végétative et ii) du développement d’une application de farmsourcing dédiée (ApeX-Vigne).
Dans un premier temps, les travaux ont permis de démontrer l’intérêt d’une approche simple mais bruitée, comme celle basée sur iG-Apex, pour caractériser une grandeur agronomique d’intérêt (ici l’état hydrique de la vigne) à l’échelle parcellaire et intra-parcellaire dans un contexte d’aide à la décision. Ils ont permis de démontrer comment une approche comme celle-ci pouvait être utilisée comme un levier pour favoriser la participation à des projets de farmsourcing. Les travaux menés ont ensuite exploré les choix technologiques et méthodologiques permettant de concevoir et de déployer à large échelle une application mobile favorisant la collecte d’observation de farmsourcing géolocalisées. Ils ont également permis de proposer une approche simple basée sur l’étude de la structure spatiale pour évaluer la capacité de ces projets à fournir une information pertinente à l’échelle régionale. Enfin, les travaux menés ont permis d’explorer une approche pour identifier de manière automatique les observations aberrantes et surprenantes dans des jeux de données de farmsourcing. Cette approche repose sur la prise en compte des caractéristiques spatiales, temporelles et attributaires des observations à l’aide d’approches automatiques basées sur leur densité.
Ces travaux méthodologiques devraient permettre le développement dans les années à venir de projets et d’outils de farmsourcing donnant accès à de nouvelles sources d’information pour l’aide à la décision à différentes échelles spatiales.

Composition du jury

Marianne CERF, Directrice de recherche, INRAE, France
Romain JULLIARD, Directeur de recherche, CNRS-MNHN, France
Cornelis VAN LEEUWEN, Professeur, Bordeaux Sciences Agro, France
Véronique BELLON-MAUREL, IPEF, INRAE, France
Bruno TISSEYRE, Professeur, Institut Agro – Montpellier SupAgro, France


Contact:  leo.pichon [AT] supagro.fr​

Réseaux : ResearchGate  LinkedIn


Publications dans revues internationales

Pichon, L., Brunel, G., Payan, J.C. et al. (2021). ApeX-Vigne: experiences in monitoring vine water status from within-field to regional scales using crowdsourcing data from a free mobile phone application, Precision Agriculture, 22, 608–626  https://doi.org/10.1007/s11119-021-09797-9