Liste des projets lauréats
Thèse
Titre du projet : Commande sous contraintes d’un système robotique agricole suractionné, pour coordonner le porteur et l’outil autour d’un point d’action agronomique précis, sobre et limitant les risques pour les cultures.
Cette thèse vise à développer un cadre générique pour la commande de systèmes robotiques agricoles suractionnés dédiés à l’intervention agronomique de précision. Les nouvelles pratiques agroécologiques nécessitent des actions localisées au plus près des cultures, des adventices ou du sol, pour lesquelles la qualité de l’intervention ne dépend plus seulement de la trajectoire du robot, mais du mouvement effectif du point d’action agronomique. Or, les agroéquipements modernes peuvent disposer de degrés de liberté additionnels, tels qu’un déport latéral, une orientation, une rétraction ou un réglage de hauteur. Ces mobilités introduisent une redondance d’actionnement : une même tâche peut être réalisée par plusieurs combinaisons entre mouvement du porteur et mouvement de l’outil. Le premier objectif de la thèse sera de caractériser l’espace localement accessible au point d’action agronomique, en tenant compte des contraintes cinématiques, dynamiques et physiques du système. Tous les déplacements proches géométriquement ne sont en effet pas nécessairement réalisables, ni équivalents en termes d’énergie, de risque pour les cultures ou de qualité d’intervention. La thèse cherchera donc à définir des métriques adaptées à cet espace, afin de comparer les solutions admissibles au delà de la seule erreur géométrique. Ces métriques serviront ensuite au développement de lois de commande et d’optimisation capables d’exploiter la redondance entre porteur et outil, depuis des approches réactives jusqu’à des formulations prédictives. Les méthodes proposées seront validées expérimentalement sur plusieurs plateformes robotiques et cas d’intervention localisée, avec le désherbage mécanique comme application privilégiée. Les essais mobiliseront notamment les plateformes de TSCF, les parcelles de Montoldre, le Roboterrium et les scénarios de pixel cropping associés au projet NinSAR. Cette validation permettra d’évaluer la généricité du cadre proposé sur différents types de porteurs, d’outils et de modes de locomotion, ainsi que ses performances en termes de précision du point d’action, comportement sous incertitudes, respect des marges vis-à-vis des cultures, coût énergétique et qualité d’intervention agronomique.
Post-Doctorats
Titre du projet : Perturbations induites par les intrants agricoles sur les interactions génotype–sol–microbiome chez le blé et création d’une plateforme pour estimer l’impact des produits utilisés sur la diversité microbienne.
- Post-doctorante : María Ariza
- Unité de rattachement : UMR 1488 - RIBP (Résistance induite et de bioprotection des plantes)
- Co-encadrement : Angélique RAT (UMR 1488 RIBP, Université de Reims Champagne-Ardenne) et Leonardo BRENNER (LICIIS - CEA UR 3690 LRC DIGIT, Université de Reims Champagne-Ardenne)
- Durée du projet : 2026-2028
PREDIBLÉ est un projet interdisciplinaire à l’interface entre agroécologie numérique, écologie microbienne et modélisation des systèmes complexes. Le projet vise à prédire les effets des intrants agricoles (pesticides, fertilisants, biocontroles et biostimulants) sur les microbiomes associés au blé en intégrant les interactions entre sols, génotypes végétaux et communautés microbiennes. PREDIBLÉ repose sur quatre Work Packages complémentaires : (i) la construction d’une base de données harmonisée regroupant données de séquençage microbiome, métadonnées environnementales et pratiques culturales ; (ii) le développement de modèles intégratifs combinant apprentissage statistique, réseaux bayésiens et modélisation formelle (automates et réseaux de Petri) ; (iii) la validation expérimentale des modèles à partir de parcelles agricoles de terrain ; et (iv) la création d’une plateforme numérique d’aide à la décision permettant de simuler l’impact des pratiques agricoles sur la diversité et la stabilité des microbiomes du blé.
Titre du projet : ORIGAMI : Organiser, Représenter, Implémenter - co-concevoir des systèmes
AGroécologiques grâce aux Médiations numériques Innovantes.
- Post-doctorante : Aliénor Morvan
- Unité de rattachement : Centre de Recherche en Design (CRD, ENSCI - ENS Paris Saclay) au sein de l'École Nationale Supérieure de Création Industrielle (ENSCI)
- Co-encadrement : Lorène Prost (UMR 1048 SADAPT, INRAE) et Olivier Hirt (Centre de Recherche en Design (CRD), ENSC)
- Durée du projet : 2026-2028
Le projet ORIGAMI analyse la mobilisation des outils numériques (plateformes collaboratives, modélisation, visualisation) dans l’intermédiation territoriale pour accompagner la transition agroécologique (TAE). Il explore trois questions :
- Organiser : Comment ces outils favorisent-ils de nouvelles formes de coopération et fédèrent une communauté engagée dans la TAE ?
- Représenter : Comment permettent-ils de représenter la complexité des systèmes agroécologiques pour la rendre plus accessible ?
- Implémenter : Comment soutiennent-ils la transmission de pratiques adaptables à différents contextes ?
Il vise des contributions scientifiques mais également méthodologiques et opérationnelles. Le projet formalisera en effet un cadre d’analyse des pratiques de médiation sociotechnique et une typologie des fonctions des outils numériques dans les démarches de co-conception territoriale. Il produira des maquettes, voire des prototypes d’outils, des dispositifs de visualisation et des supports méthodologiques (guides, retours d’expérience), tous diffusés en open source. Le projet propose de contribuer à structurer un champ interdisciplinaire entre agroécologie, design, IHM, sciences sociales et cognitives, en étudiant le rôle des designers et l’articulation entre stratégies d’animation, co-conception et appropriation des outils par les acteurs intermédiaires et les parties-prenantes. Trois études de cas basées sur des terrains déjà structurés avec des partenariats validés (PNR du Pilat, MAELIA, Colza Story), identifieront des modes d’action reproductibles entre territoires, pairs-agriculteurs et équipes d’intermédiation, pour renforcer leurs capacités à concevoir et utiliser des outils adaptés. Le projet interrogera les conditions d’une participation équitable en réduisant les rapports de force et les asymétries. Il soulignera l’importance de la coordination pour la TAE tout en intégrant une logique frugale dans la conception des outils pour limiter leur impact écologique.
Titre du projet : Développement d'un modèle de fondation pour le traitement de données de télédétection multimodales (hyperspectrales, lidar, ...) et amélioration des algorithmes d'aide à la décision (performance accrue, complexité réduite) en agroécologie.
- Post-doctorant : Léo Paillet
- Unité de rattachement : Mathématiques et Informatique Appliquées Paris Saclay
- Co-encadrement : Romain Thoreau (UMR MIA, AgroParisTech) et Jean-Baptiste Féret (UMR TETIS, INRAE)
- Durée du projet : 2026-2028
La télédétection fournit des données multimodales (optique, lidar, radar) en quantité, permettant d'évaluer la production, la régulation et le soutien des écosystèmes agroforestiers et des infrastructures agroécologiques. Ces données sont encore largement sous utilisées, que ce soit par la complexité d'utiliser plusieurs types de données différents simultanément, ou par manque d'annotation manuelle. De plus, les modèles d'aide à la décision sont généralement dédiés à une seule application, pour un type de données. Nous proposons une approche générale exploitant ces données à travers l'étude de méthodes d'apprentissage auto-supervisé de représentations multimodales, avec des modèles de fondation, dans le contexte de l'agroécologie. Ceux-ci peuvent extraire des caractéristiques latentes qui résument l'information et sont utiles pour une grande variété de tâches, sans nécessiter d'annotation pour leur entrainement. Ces représentations sont ensuite exploitées par des modèles d'aide à la décision plus spécifiques. Nous proposons d'évaluer les méthodes actuelles et leurs limites à partir de données synthétiques générées par le modèle physique DART, puis les améliorer, pour enfin les appliquer sur des données réelles. En effet, ce projet post-doctoral s'inscrit à l'interface de deux projets financés par le PEPR Agroécologie et Numérique : MELICERTES (modélisation et évaluation des teneurs de carbone organique à partir de données multimodales) et TwinFarms (développement de jumeaux numériques pour l'aide à la décision, à partir de données multimodales satellitaires). Les développements méthodologiques de ce projet post-doctoral seront donc évalués au regard des enjeux de ces deux projets. Ainsi, notre méthode interdisciplinaire permettra de mieux utiliser la grande quantité de données acquises en agroécologie, et améliorera les performances des modèles actuels d'aide à la décision, avec une application concrète.
Titre du projet : Capitalisation et valorisation des connaissances sur les Agrosystèmes Diversifiés, en mobilisant des méthodes de fouille de textes appliquées à des corpus textuels hétérogènes (réseaux sociaux, articles de presse, bulletins techniques, etc.).
- Post-doctorant : Oussama Mechhour
- Unité de rattachement : UMR 1248 AGIR (AGroécologie - Innovations - TeRritoires)
- Co-encadrement : Sandrine Auzoux (UR AIDA TA B-115, CIRAD) et Noémie Gaudio (UMR AGIR, INRAE)
- Durée du projet : 2026-2028
Un levier majeur de la transition agroécologique réside dans la diversification des agrosystèmes,
notamment à travers les cultures associées qui permettent d'exploiter les complémentarités entre espèces et de réduire la dépendance aux intrants de synthèse. Les expérimentations agronomiques fournissent des données quantitatives précieuses sur ces systèmes. Cependant, elles restent limitées en nombre d'espèces étudiées et sont souvent centrées sur le rendement, au détriment d'autres services écosystémiques. Parallèlement, une grande diversité de connaissances pratiques existe chez les acteurs de terrain (agriculteurs, conseillers, semenciers). Cependant, ces connaissances sont dispersées dans des documents textuels hétérogènes, non structurés et fortement contextualisés (réseaux sociaux, presse locale, bulletins techniques, etc.). L'objectif de ce post-doctorat est de développer un système de capitalisation et de valorisation des connaissances sur les agrosystèmes diversifiés, capable d'extraire et de structurer automatiquement, à partir de corpus textuels variés, les informations relatives aux pratiques de diversification culturale (contextes pédoclimatiques, modalités de mise en oeuvre, performances observées et retours d'expérience). Pour cela, des méthodes de traitement automatique du langage naturel seront mobilisées afin de transformer ces
données textuelles hétérogènes en connaissances structurées, traçables et interopérables. Parmi les verrous scientifiques majeurs à surmonter figurent l'adaptation de modèles généraux du langage à un domaine agricole très spécifique, riche en terminologie technique et en variations contextuelles, la disponibilité limitée de données annotées représentatives des pratiques de diversification culturale, qui impose de développer des stratégies d'augmentation de données adaptées au domaine, capables d'enrichir les jeux d'apprentissage sans altérer la cohérence agronomique des informations générées, et la frugalité des solutions développées (efficacité computationnelle, réduction des coûts de calcul et de l’empreinte environnementale, notamment carbone, et capacité à opérer dans des contextes à ressources limitées). Ces méthodes permettront de compléter les approches quantitatives par des savoirs experts, en ancrant davantage la compréhension des agrosystèmes dans la réalité agricole. Ce projet intègre également une approche de numérique responsable, en évaluant les solutions développées selon leur efficacité, leur coût de calcul et leur capacité à fonctionner dans des contextes à ressources limitées.
Titre du projet : Mobiliser les outils numériques pour prédire le risque de pullulations de campagnols terrestres en système d’élevage herbager et soutenir une gestion agroécologique collective, préventive et efficace.
- Post-doctorante : Hélène Lisse
- Unité de rattachement : UR 1471 - TSCF (Technologies et systèmes d’information pour les agrosystèmes)
- Co-encadrement : Adrien Pinot (USC1233 RS2GP, VetAgroSup) et Riccardo Bertoglio (UR1471 TSCF, INRAE)
- Durée du projet : 2026-2028
Le projet vise à développer des outils numériques pour améliorer la surveillance et la gestion préventive des pullulations de campagnols terrestres dans les systèmes herbagers de moyenne montagne (Massif central, Jura). Ces pullulations correspondent à des densités atteignant jusqu'à 500 animaux adultes à l'hectare de prairie, occasionnant des pertes de ressources fourragères considérables. Lors des années de pics, qui peuvent revenir tous les 5 à 8 ans, les fortes densités de campagnols dégradent durablement de larges surfaces de prairies permanentes, entraînant des pertes fourragères directes ainsi que d’importants dégâts collatéraux qui fragilisent l’autonomie des exploitations (pertes estimées à 10 000 euros EBE/UTH). Le programme proposé répond à deux verrous opérationnels majeurs dans la gestion de ce ravageur des prairies: la difficulté de détecter précocement les foyers à basse densité sur de grandes surfaces, et l’absence de périmètres d’action fondés sur les entités paysagères réellement pertinentes pour la dynamique des populations. Le projet combinera télédétection satellitaire, données parcellaires, observations de terrain (données de densité de campagnols et images drone). Il permettra d’identifier des entités paysagères fonctionnelles, de produire une cartographie du risque à l’échelle parcellaire, puis de développer un algorithme d’IA pour détecter précocement les tumuli (terre remontée par les campagnols) à partir d'orthophotographies drone. Ces briques seront intégrées dans un prototype d’outil d’aide à la décision destiné à cibler les prospections, hiérarchiser les zones d’intervention et soutenir une lutte agroécologique plus précoce, plus ciblée et plus collective.
