Thése

Offre de Thèse 2024

19 avril 2024

Institut Agro Montpellier

Afin de proposer une lutte contre les agents pathogènes respectueuse de l’environnement, proposer des leviers d’action basés sur l’immunité de la plante est une option intéressante. Cependant l’immunité des plantes est dépendante du contexte agro-écologique dans lequel elles sont cultivées. Ainsi le biocontrôle, la biostimulation, les stress abiotiques comme la sécheresse peuvent modifier la résistance d’une plante. Or, les bio-solutions sont souvent étudiées dans un contexte simplifié (expérimentations en conditions de croissance non limitantes), en occultant les multiples et complexes interactions existantes entre la plante et son environnement. C’est pourquoi, les pratiques de lutte basées sur l’immunité des céréales sont encore mal maîtrisées sur le terrain et entraînent parfois des résultats contrastés voir décevants. Trois principaux types de facteurs de réussite de passage au terrain ont été identifiés : les conditions d’application (incluant la formulation), la variabilité des conditions environnementales (incluant les pratiques agricoles) et l’état physiologique de la plante (sa réceptivité). Pour rendre les bio-solutions plus performantes, il s’agit donc de caractériser ces facteurs d’efficacité. Pour cela une stratégie est d’identifier et hiérarchiser sur le terrain les conditions environnementales optimales, tout en modélisant au laboratoire les caractéristiques physiologiques du blé permettant une réceptivité optimale du blé. Un premier modèle physiologique sera établi sur des données de laboratoire, puis sera étendu pour intégrer l’impact potentiel des facteurs clefs de réussite du terrain. Le modèle étendu aura pour objectif d’aider à la conception d’expérimentations sur le terrain pour valider – confirmer réellement cet impact des facteurs et aussi pour identifier les conditions d’utilisations optimales d’une biosolution.

Etudiant(e) Bac+5, Ingénieur ou Master 2 en mathématiques appliquées, avec un attrait pour les problématiques agronomiques. Une bonne maîtrise du logiciel R, python ou Julia est requise. Une connaissance des méthodes statistiques d’apprentissage et/ou des modèles de dynamique hôte - parasite représente un atout.

 

 

 

 

Contact: elsa.ballini@supagro.fr, benedicte.fontez@supagro.fr, patrice.loisel@inrae.fr

Date de modification : 24 avril 2024 | Date de création : 19 avril 2024