L\u2019intensification \u00e9cologique constitue un axe majeur de recherche au CIRAD et particuli\u00e8rement dans l\u2019\u00e9quipe AIDA. Le concept regroupe toutes les m\u00e9thodes qui maximisent et p\u00e9rennisent les fonctions de l\u2019\u00e9cosyst\u00e8me notamment les services \u00e9cosyst\u00e9miques. L\u2019intensification \u00e9cologique joue un r\u00f4le important dans les strat\u00e9gies de gestion des ravageurs. Elle permet par exemple de recruter le service de r\u00e9gulation biologique en optimisant toutes les m\u00e9thodes naturelles (comme celles qui promeuvent les populations d\u2019ennemis naturelles et prot\u00e8gent leurs habitats) qui contribuent \u00e0 r\u00e9duire (\u00e0 un seuil \u00e9conomiquement acceptable) les populations de ravageurs dans les cultures et de ce fait la d\u00e9pendance \u00e0 la lutte chimique.<\/p>\n\n\n\n
Pendant longtemps la gestion des ravageurs s\u2019est faite \u00e0 l\u2019\u00e9chelle de la parcelle et cela m\u00eame pour les ravageurs dont la capacit\u00e9 de dispersion allait au-del\u00e0 de cette limite. Ces strat\u00e9gies de gestion populaires, essentiellement chimiques, montrent des limites avec des cons\u00e9quences n\u00e9fastes sur l\u2019environnement-agrosyst\u00e8me et sur la sant\u00e9 des agriculteurs et des consommateurs. La prise de conscience qui est maintenant mondiale am\u00e8ne \u00e0 repenser les strat\u00e9gies de gestion des ravageurs dans les agrosyst\u00e8mes1<\/sup><\/a> pour mettre en place des strat\u00e9gies de gestion durables qui \u00e0 la fois stimulent la productivit\u00e9 et r\u00e9duisent la d\u00e9pendance chimique.<\/p>\n\n\n\n Pour le poste propos\u00e9, voici quelques pistes sur la fa\u00e7on dont les diff\u00e9rentes missions pourraient \u00eatre abord\u00e9es. Ceci est bien entendu une vue tr\u00e8s pr\u00e9liminaire qui sera largement amend\u00e9e avec la connaissance exacte du contexte et l\u2019exp\u00e9rience de l\u2019\u00e9quipe en place.<\/p>\n\n\n\n Partie 1. Mod\u00e9lisation : Analyse de donn\u00e9es et Mod\u00e9lisation spatiale<\/strong><\/p>\n\n\n\n La premi\u00e8re partie concerne la mise en place et l\u2019\u00e9valuation de m\u00e9thodes et outils de mod\u00e9lisation (empiriques ou m\u00e9canistes, spatiaux ou non\u2026) qui exploiteront les donn\u00e9es de terrain d\u00e9j\u00e0 r\u00e9colt\u00e9es et les donn\u00e9es des soci\u00e9t\u00e9s cotonni\u00e8res.<\/p>\n\n\n\n La mod\u00e9lisation apportera des informations sur les facteurs susceptibles d\u2019influencer les param\u00e8tres \u00e9cologiques des ravageurs. La mod\u00e9lisation permettra \u00e9galement de d\u00e9tecter des tendances et produire des cartes spatio-temporelles de mobilit\u00e9 des ravageurs sur un territoire. Il existe une grande vari\u00e9t\u00e9 de m\u00e9thodes de mod\u00e9lisation variant par exemple en fonction des objectifs d\u2019analyse, du type de donn\u00e9es demand\u00e9es en entr\u00e9e (donn\u00e9es de pr\u00e9sence, abundance,\u2026), de la quantit\u00e9 et qualit\u00e9 de donn\u00e9es disponibles. Certains mod\u00e8les permettent de comprendre et pr\u00e9dire un processus d\u00e9fini dans le syst\u00e8me en se basant sur les donn\u00e9es observ\u00e9es (c\u2019est le cas des mod\u00e8les empiriques) et d\u2019autres permettent de comprendre et pr\u00e9dire le fonctionnement du syst\u00e8me \u00e0 partir de r\u00e8gles biologiques (c\u2019est le cas des mod\u00e8les m\u00e9canistes).<\/p>\n\n\n\n Ci-dessous je pr\u00e9sente quelques m\u00e9thodes de mod\u00e9lisation pour r\u00e9pondre aux premiers objectifs du poste. J\u2019ai utilis\u00e9 certaines de ces m\u00e9thodes dans mes recherches ant\u00e9rieures, je suis int\u00e9ress\u00e9e pour appliquer les autres dans le contexte du poste.<\/p>\n\n\n\n 1.1. Des mod\u00e8les pour comprendre la dynamique des populations et la dispersion des ravageurs<\/strong><\/p>\n\n\n\n 1.1.1. Mod\u00e9lisation statistique (Algorithmes statistiques, empiriques)<\/strong><\/p>\n\n\n\n J\u2019ai d\u00e9j\u00e0 utilis\u00e9 des algorithmes statistiques comme les mod\u00e8les lin\u00e9aires g\u00e9n\u00e9ralis\u00e9s (avec ou sans variable al\u00e9atoire GLM et GLMM<\/strong>), les mod\u00e8les additifs g\u00e9n\u00e9ralis\u00e9s (GAM<\/strong>) et les r\u00e9gressions des moindres carr\u00e9s partiels (PLS<\/strong>) pour comprendre la dynamique des populations d\u2019H. armigera <\/em>et quantifier le r\u00f4le des pratiques agricoles et des facteurs paysagers sur les abondances d\u2019adultes2<\/sup><\/a> et de larves3<\/sup><\/a> dans les parcelles de cotonniers. J\u2019ai utilis\u00e9 une approche de r\u00e9gression bas\u00e9e sur le filtrage spatial des vecteurs propres (ESF<\/strong> eigenvector spatial filtering<\/em>)4<\/sup><\/a>,<\/sup>5<\/sup><\/a> pour quantifier les effets des facteurs locaux et paysagers sur l\u2019abondance des carabes dans diff\u00e9rents types de steppes chinoises. Au cours de ce m\u00eame projet, j\u2019ai utilis\u00e9 des m\u00e9thodes de mod\u00e9lisations multivari\u00e9s comme l\u2019analyse de canonique de correspondance (CCA<\/strong>) pour \u00e9tudier les d\u00e9terminants de la composition sp\u00e9cifique des communaut\u00e9s de carabes. En ce moment, je travaille sur l\u2019utilisation des mod\u00e8les de distribution d\u2019abondance des esp\u00e8ces (mod\u00e8les SAD<\/strong>). Les mod\u00e8les SAD<\/strong> permettent d\u2019\u00e9valuer rapidement la sant\u00e9 d\u2019un \u00e9cosyst\u00e8me en examinant la distribution des abondances des esp\u00e8ces de l\u2019\u00e9cosyst\u00e8me.<\/p>\n\n\n\n Ces m\u00e9thodes d\u2019analyse seront utiles pour \u00e9tudier une communaut\u00e9 d\u2019esp\u00e8ces de ravageurs dans les agrosyst\u00e8mes de cotonniers, et les facteurs qui expliquent la dynamique d\u2019une des populations ou de la communaut\u00e9.<\/p>\n\n\n\n D\u2019autres algorithmes statistiques pourront \u00eatre utilis\u00e9s pour comprendre la distribution des ravageurs. Par exemple, Early et al, 20186<\/sup> ont utilis\u00e9 la r\u00e9gression multivari\u00e9e par spline adaptative (algorithme MARS<\/strong>)6<\/sup><\/a> pour \u00e9tudier la dynamique des populations de Spodoptera frugiperda<\/em>. Cette m\u00e9thode pr\u00e9sente la possibilit\u00e9 de mod\u00e9liser plusieurs variables r\u00e9ponses7<\/sup><\/a> de telle fa\u00e7on qu\u2019on pourra l\u2019utiliser pour d\u00e9terminer les patrons environnementaux d\u2019un ensemble d\u2019esp\u00e8ces ravageurs (par exemple pour une communaut\u00e9 de 4-5 esp\u00e8ces les plus observ\u00e9es sur un territoire). L\u2019algorithme Maximum Entropy (MaxEnt<\/strong>) pr\u00e9dit l\u2019occurrence des esp\u00e8ces en consid\u00e9rant les limites spatiales de l\u2019environnement d\u00e9fini en entr\u00e9e. MaxEnt a d\u00e9j\u00e0 \u00e9t\u00e9 utilis\u00e9 pour pr\u00e9dire la distribution spatiale de la Cochenille du coton Phenacoccus solenopsis <\/em>en Inde8<\/sup><\/a>. De plus MaxEnt permettra, dans une phase ult\u00e9rieure du projet de comparer les enveloppes environnementales du ravageur et d\u2019un ennemi naturel, dans le cadre d\u2019une m\u00e9thode de lutte biologique.<\/p>\n\n\n\n 1.1.2. Mod\u00e9lisation spatiale ou g\u00e9ostatistique<\/strong><\/p>\n\n\n\n Les agrosyst\u00e8mes sont intrins\u00e8quement h\u00e9t\u00e9rog\u00e8nes du fait de la variabilit\u00e9 des sols, des cultures, du microclimat\u20269<\/sup><\/a>, <\/sup>10<\/sup><\/a>. En cons\u00e9quence, il existe aussi une variabilit\u00e9 spatiale<\/strong> des populations d\u2019insectes qui est due aux interactions aut\u00e9cologiques et syn\u00e9cologiques11<\/sup><\/a>. Cette variabilit\u00e9 est encore plus \u00e9lev\u00e9e dans les agrosyst\u00e8mes africains du fait du syst\u00e8me de cultures qui reposent sur de petites parcelles et une grande variabilit\u00e9 de cultures2,3<\/sup>.<\/p>\n\n\n\n Les m\u00e9thodes g\u00e9ostatistiques permettent de capter cette variabilit\u00e9 spatiale et de faire des pr\u00e9dictions sur la dynamique et la dispersion des populations. Les travaux de Sciarreta et Trematerra, 201411<\/sup> et de Song et al, 2017 12<\/sup><\/a> exposent un certain nombre de ces m\u00e9thodes (R\u00e9gression lin\u00e9aire multiple spatio-temporelle ; Mod\u00e8le de panel spatio-temporel ; R\u00e9gression pond\u00e9r\u00e9e g\u00e9ographiquement et temporellement ; Mod\u00e8le additif g\u00e9n\u00e9ralis\u00e9 spatio-temporel). Toutes ces m\u00e9thodes reposent sur l\u2019interpolation spatiale (le Krigeage est cit\u00e9 comme la meilleur m\u00e9thode d\u2019interpolation). Elles analysent la d\u00e9pendance spatiale entre les \u00e9chantillons et g\u00e9n\u00e8rent des estimations de la variable d\u2019\u00e9tude (par exemple l\u2019abondance des ravageurs) pour les points dans l\u2019espace qui n\u2019ont pas \u00e9t\u00e9 \u00e9chantillonn\u00e9s (Brenner et al, 199813<\/sup><\/a>). Ces m\u00e9thodes ont d\u00e9j\u00e0 \u00e9t\u00e9 utilis\u00e9es pour examiner et pr\u00e9dire la distribution spatio-temporelle de nombreuses esp\u00e8ces de ravageurs12,<\/sup>14<\/sup><\/a> dont des ravageurs de cotonniers notamment des carpophages Helicoverpa armigera <\/em>et Pectinophora gossypiella<\/em>15<\/sup><\/a>en Gr\u00e8ce.<\/p>\n\n\n\n 1.1.3. Autres approches<\/strong><\/p>\n\n\n\n Les r\u00e9seaux bay\u00e9siens permettent d’estimer les causes probables (facteurs explicatifs) d’un ph\u00e9nom\u00e8ne (dans notre cas, infestation de ravageur ou absence, dynamique observ\u00e9e…).<\/p>\n\n\n\n Nous pourrons \u00e9tudier ces r\u00e9seaux pour mieux comprendre les interactions entre les variables du syst\u00e8me, et obtenir des probabilit\u00e9s \u00e0 partir des variables observ\u00e9es. Les r\u00e9seaux seront construits (structure) par expertise et connaissance des ph\u00e9nom\u00e8nes biologiques, et par apprentissage automatique (structure et param\u00e8tres) \u00e0 partir des donn\u00e9es empiriques disponibles, en utilisant des outils comme la librairie bnlearn<\/em> pour R, ou d’autres outils comme JAGS<\/em> et OpenBUGS<\/em> qui s’interfacent avec R.<\/p>\n\n\n\n Dans un cadre un peu plus th\u00e9orique nous pourrons explorer l’utilisation de cha\u00eenes de Markov pour tenter de pr\u00e9dire la dynamique de population \u00e0 long terme suivant des param\u00e8tres fix\u00e9s au d\u00e9part.<\/p>\n\n\n\n La fouille de donn\u00e9es (data mining) sera explor\u00e9e avec des logiciels existants comme SIPINA, cette mani\u00e8re de trouver les corr\u00e9lations entre variables sera \u00e9valu\u00e9e.<\/p>\n\n\n\n 1.2. Mise en place de strat\u00e9gies de surveillance sur les points cl\u00e9s (espace et temps)<\/strong><\/p>\n\n\n\n Il pourra s\u2019agit ici d\u2019isoler des indicateurs ou mesures des infestations de ravageurs dans les parcelles de cotonniers, afin de mettre en place ou renforcer les strat\u00e9gies de surveillance d\u00e9j\u00e0 implant\u00e9es dans la zone d\u2019\u00e9tude.<\/p>\n\n\n\n Les mod\u00e8les spatio-temporels pr\u00e9sent\u00e9s plus haut seront ici les premiers \u00e0 envisager pour obtenir des pr\u00e9dictions dans le temps et l\u2019espace (dynamique des populations et dispersion) \u00e0 partir d\u2019observations.<\/p>\n\n\n\n Les travaux pr\u00e9c\u00e9dents de mod\u00e9lisation nous auront permis d\u2019isoler les indicateurs les plus pr\u00e9dictifs de la dynamique des populations et de la dispersion des ravageurs, et de d\u00e9terminer des zones (espace) et des fen\u00eatres temporelles prioritaires \u00e0 surveiller, la surveillance pourra \u00eatre directe (mesures directes de pr\u00e9sence des ravageurs) ou indirecte (mesures des indicateurs pr\u00e9dictifs).<\/p>\n\n\n\n Les mod\u00e8les pourront \u00eatre affin\u00e9s au fil des nouvelles observations permettant d\u2019\u00e9valuer leur efficacit\u00e9.<\/p>\n\n\n\n 1.2.1. M\u00e9thodes de terrain<\/strong><\/p>\n\n\n\n La surveillance directe s\u2019appuiera sp\u00e9cifiquement sur du monitorage via des observations (in situ<\/em> : par exemple larves, adultes, chrysalides pour les ravageurs noctuelles) ou le suivi de pi\u00e8ges s\u00e9lectionn\u00e9s en fonction des esp\u00e8ces de ravageurs pr\u00e9sentes. Par exemple il pourra s\u2019agir de pi\u00e8ges lumineux (pour les noctuelles, plusieurs carpophages du cotonnier sont des noctuelles Helicoverpa armigera<\/em>, Spodoptera frugiperda, Diparopsis watersi<\/em>), de pi\u00e8ges \u00e0 ph\u00e9romone (ph\u00e9romone fonction de l\u2019esp\u00e8ce), de pi\u00e8ges \u00e0 cuvette jaune (fonctionne bien pour les piqueurs-suceurs de cotonniers comme les pucerons, les cicadelles et les aleurodes).<\/p>\n\n\n\n L\u2019efficacit\u00e9 de ces strat\u00e9gies de surveillance des ravageurs d\u00e9pend de tous les acteurs du syst\u00e8me. Un maximum d\u2019acteurs locaux du syst\u00e8me de production de coton de la zone d\u2019\u00e9tude devra \u00eatre impliqu\u00e9 pour former un r\u00e9seau de veille. Dans un souci de r\u00e9duction des co\u00fbts et d\u2019adaptation du dispositif de surveillance aux exigences de la zone d\u2019\u00e9tude, les outils de surveillance (m\u00e9thode d\u2019observation, indicateurs \u00e0 suivre) les plus simples, rapides \u00e0 \u00e9valuer et fiables seront privil\u00e9gi\u00e9s.<\/p>\n\n\n\n 1.3. Des mod\u00e8les plus m\u00e9canistes pour les strat\u00e9gies de gestion des ravageurs<\/strong><\/p>\n\n\n\n La mod\u00e9lisation bas\u00e9e sur des mod\u00e8les m\u00e9canistes (bottom-up) est tr\u00e8s int\u00e9ressante notamment pour conna\u00eetre l\u2019\u00e9volution du syst\u00e8me suivant les donn\u00e9es et param\u00e8tres de d\u00e9part, et les perturbations (exog\u00e8nes comme le changement climatique ou endog\u00e8nes lorsqu\u2019on veut simuler l\u2019efficacit\u00e9 d\u2019une strat\u00e9gie de gestion).<\/p>\n\n\n\n Il s\u2019agira ici de trouver les leviers sur lesquels agir (qui peuvent \u00eatre diff\u00e9rents des facteurs explicatifs trouv\u00e9s dans la phase de mod\u00e9lisation pr\u00e9dictive).<\/p>\n\n\n\n Wallentin, 201716<\/sup><\/a> constitue une bonne introduction sur l’\u00e9tat de l’art et les enjeux des simulations spatiales en \u00e9cologie.<\/p>\n\n\n\n De nombreux outils existent (citons GAMA17<\/sup><\/a> et NetLogo18<\/sup><\/a>). Il faudra d\u00e9terminer comment les alimenter en donn\u00e9es (pipeline, pr\u00e9paration des donn\u00e9es) et optimiser leur param\u00e9trage (r\u00e8gles \u00e0 d\u00e9finir en entr\u00e9e selon le langage du simulateur). L\u2019outil Ocelet du CIRAD (UMR TETIS) peut \u00eatre un choix pertinent car le support \u00e0 l\u2019utilisation voire les demandes d\u2019\u00e9volution pourront \u00eatre tr\u00e8s efficaces.<\/p>\n\n\n\n Le param\u00e9trage du syst\u00e8me, d\u00e9pendant de l’outil et du langage de l’outil, sera r\u00e9alis\u00e9 apr\u00e8s une recherche bibliographique et de l’\u00e9tat de l’art pouss\u00e9e, et avec les retours d’exp\u00e9rience de l’\u00e9quipe.<\/p>\n\n\n\n L’\u00e9valuation du syst\u00e8me19<\/sup><\/a>, \u00e0 partir des donn\u00e9es observ\u00e9es, sera tr\u00e8s importante.<\/p>\n\n\n\n L’exploration de mod\u00e8les hybrides20<\/sup><\/a> (combinant bottom-up et top-down) est une piste int\u00e9ressante pour am\u00e9liorer la fiabilit\u00e9 des simulations.<\/p>\n\n\n\n Id\u00e9alement, l’outil permettra d’une part d’obtenir des distributions de simulations en ex\u00e9cutant les simulations de nombreuses fois en faisant varier de fa\u00e7on stochastique les donn\u00e9es de d\u00e9part (ce qui repr\u00e9sente l’imperfection des mesures du r\u00e9el) pour obtenir les r\u00e9sultats les plus probables, et pour \u00e9valuer la robustesse du mod\u00e8le aux variations dans les observations. Il serait \u00e9galement int\u00e9ressant de pouvoir affiner le param\u00e9trage des r\u00e8gles de la simulation, par apprentissage automatique. Une piste est l’utilisation d’algorithmes g\u00e9n\u00e9tiques, sur des populations de simulations, o\u00f9 les g\u00e8nes sont les param\u00e8tres des r\u00e8gles.<\/p>\n\n\n\n Tout ce travail sera facilit\u00e9 par ma grande connaissance des outils informatiques comme R et des outils de SIG, mes pr\u00e9visions de recherche bibliographiques pouss\u00e9es (avec la possibilit\u00e9 d\u2019en faire un article Review) d\u00e8s les premiers mois du poste et pourra \u00eatre soutenu par les coll\u00e8gues (comp\u00e9tents en informatique) du CIRAD.<\/p>\n\n\n\n Partie 2. Terrain<\/strong><\/p>\n\n\n\n J\u2019ai l\u2019exp\u00e9rience du travail de terrain en Afrique de l\u2019Ouest et particuli\u00e8rement des contraintes d\u2019exp\u00e9rimentation in situ dans les zones de production de coton. En effet, pendant mes travaux de th\u00e8se (financ\u00e9e par le CIRAD), j\u2019ai planifi\u00e9, organis\u00e9 et dirig\u00e9 deux campagnes de terrain (\u00e9quipe de 6 acteurs locaux, 2011 et 2012, villages du Nord B\u00e9nin) et les enqu\u00eates aupr\u00e8s des cotonculteurs. Il s\u2019agissait pendant ces travaux de terrain, de mesures d\u2019infestation (comptage de chenilles), de relev\u00e9s d\u2019occupation du sol autour des parcelles de cotonniers s\u00e9lectionn\u00e9es, d\u2019interviews avec les cotonculteurs des parcelles s\u00e9lectionn\u00e9es et de pi\u00e9geages lumineux. J\u2019ai \u00e9galement collabor\u00e9 avec des acteurs de la fili\u00e8re locale de coton (SONAPRA21<\/sup><\/a>).<\/p>\n\n\n\n Concernant ce projet, il sera int\u00e9ressant d\u2019\u00e9tendre la zone d\u2019\u00e9tude sur toute l\u2019Afrique de l\u2019Ouest en collaborant avec les acteurs des diff\u00e9rentes institutions de coton de la r\u00e9gion : (B\u00e9nin (SONAPRA21<\/sup>), S\u00e9n\u00e9gal (SODEFITEX22<\/sup><\/a>), Mali (UN-SCPC23<\/sup><\/a>), Burkina Faso (SOFITEX24<\/sup><\/a>), Cote d\u2019Ivoire (Ivoire Coton et COIC25<\/sup><\/a>). Les populations de ravageurs sur plusieurs territoires de latitudes diff\u00e9rentes (gradient climatique) seront alors \u00e9tudi\u00e9es et les strat\u00e9gies de GTR seront compar\u00e9es entre les diff\u00e9rentes zones d\u2019\u00e9tudes.<\/p>\n\n\n\n Partie 3. Les outils d’aide \u00e0 la d\u00e9cision (OAD)<\/strong><\/p>\n\n\n\n Cette partie concerne la conception d\u2019outils d’aide \u00e0 la d\u00e9cision (OAD). Les OAD constituent un levier important pour appliquer et am\u00e9liorer les innovations de la recherche appliqu\u00e9e. Par exemple dans ce projet de recherche, construire un OAD apr\u00e8s les questions pr\u00e9c\u00e9dentes (dynamique des populations de ravageurs, facteurs \u00e0 surveiller, facteurs influen\u00e7ant la dynamique) permettra de co-construire des strat\u00e9gies de lutte contre le-s ravageur-s cible-s. L\u2019utilisation de l\u2019OAD dans le temps permettra \u00e9galement d\u2019accumuler des donn\u00e9es qui serviront \u00e0 augmenter la robustesse de l\u2019outil. Il pourra s\u2019agir par exemple de donn\u00e9es d\u2019observation des esp\u00e8ces et d\u2019autres param\u00e8tres d\u00e9finis avec les acteurs des fili\u00e8res de coton impliqu\u00e9s dans le projet.<\/p>\n\n\n\n La construction des OAD doit se faire en concertation avec le plus grand nombre d\u2019acteurs du syst\u00e8me possible (co-construction). Ceci optimisera son utilisation pour r\u00e9duire les potentiels biais au fur et \u00e0 mesure de l\u2019avanc\u00e9e du projet, et am\u00e9liorera l\u2019adoption des strat\u00e9gies. Le succ\u00e8s de cette OAD d\u00e9pendra en grande partie de l\u2019efficacit\u00e9 de la co-construction comme cela a \u00e9t\u00e9 mentionn\u00e9 dans de pr\u00e9c\u00e9dentes \u00e9tudes26<\/sup><\/a>,<\/sup>27<\/sup><\/a>.<\/p>\n\n\n\n Il existe de nombreux OAD d\u00e9velopp\u00e9s dans l\u2019unit\u00e9 AIDA et mis \u00e0 disposition du public et des d\u00e9cideurs. La plateforme Smart IS (https:\/\/smartis.re<\/em><\/a>) cr\u00e9\u00e9 \u00e0 cet effet h\u00e9berge de nombreux OAD comme AGREF28<\/sup><\/a> d\u00e9velopp\u00e9 par l\u2019\u00e9quipe ARTISTS de AIDA. Les OAD d\u00e9velopp\u00e9s dans cette plateforme concernent particuli\u00e8rement l\u2019ile de la R\u00e9union.<\/p>\n\n\n\n Dans une \u00e9tape avanc\u00e9e du projet, il sera \u00e9galement int\u00e9ressant d\u2019augmenter l\u2019ergonomie de l\u2019OAD en proposant des interfaces simplifi\u00e9es (du type applications mobiles) pour faciliter son utilisation.<\/p>\n\n\n\n Des versions sous forme de fiches plastifi\u00e9es (comme des jeux de disques avec des indicateurs class\u00e9s par code couleur29<\/sup><\/a>) peuvent \u00e9galement \u00eatre envisag\u00e9es, adapt\u00e9es aux diff\u00e9rents acteurs (surtout pour les acteurs non-informatis\u00e9s) sur le terrain, sous forme simplifi\u00e9e (situation -> action).<\/p>\n\n\n\n Conclusion<\/strong><\/p>\n\n\n\n Toutes les m\u00e9thodes \u00e9voqu\u00e9es bri\u00e8vement ici font partie de mon exp\u00e9rience ou sont \u00e0 ma port\u00e9e et je pourrai les mettre en \u0153uvre rapidement. J\u2019ai d\u00e9j\u00e0 prouv\u00e9 lors de mes exp\u00e9riences de recherche mon adaptabilit\u00e9, mon initiative, mon autonomie mais aussi mon go\u00fbt pour les collaborations et le travail en \u00e9quipe. Je souhaite contribuer au succ\u00e8s du projet et de l\u2019\u00e9quipe et je pense que les missions \u00e9voqu\u00e9es me correspondent bien.<\/p>\n\n\n\n 1<\/a> Brevault and Clouvel. 2019. Crop Protection. https:\/\/doi.org\/10.1016\/j.cropro.2018.09.003<\/p>\n\n\n\n 2<\/a> Tsafack et al. 2016. Pest Management Science. https:\/\/doi.org\/10.1002\/ps.4197<\/p>\n\n\n\n 3<\/a> Tsafack et al. 2013. International Journal of Pest Management. http:\/\/dx.doi.org\/10.1080\/09670874.2013.852270<\/p>\n\n\n\n 4<\/a> Murakami and Griffith. 2018. Geographical Analysis. https:\/\/doi.org\/10.1111\/gean.12156<\/p>\n\n\n\n 5<\/a> Tsafack et al. 2019. PeerJ. http:\/\/dx.doi.org\/10.7717\/peerj.6197<\/p>\n\n\n\n 6<\/a> Early et al. 2018 NeoBiota 40:25-50. https:\/\/doi.org\/10.3897\/neobiota.40.28165<\/p>\n\n\n\n 7<\/a> Elith and Leathwick. 2007 Diversity and Distributions. http:\/\/dx.doi.org\/10.1111\/j.1472-4642.2007.00340.x<\/p>\n\n\n\n 8<\/a> Fand et al. 2014. Journal of Environmental Biology. <\/strong>PMID : 25204075<\/p>\n\n\n\n 9<\/a> van Helden. 2010. Springer, Dordrecht. http:\/\/doi-org-443.webvpn.fjmu.edu.cn\/10.1007\/978-90-481-9277-9_4<\/p>\n\n\n\n 10<\/a> Dunning et al. 1992. Oikos. http:\/\/www.jstor.org\/stable\/3544901<\/p>\n\n\n\n 11<\/a> Sciarreta et Trematerra. 2014. Plant protection Science. https:\/\/doi.org\/10.17221\/40\/2013-PPS<\/p>\n\n\n\n 12<\/a> Song et al. 2017. International Journal of Geo-Information. https:\/\/doi.org\/10.3390\/ijgi6120397<\/p>\n\n\n\n 13<\/a> <\/sup>Brenner et al. 1998. American Entomologist, Volume 44, Issue 2, Summer 1998, Pages 79\u2013102, https:\/\/doi.org\/10.1093\/ae\/44.2.79<\/p>\n\n\n\n 14<\/a> Hohn et al. 1993. Environmental Entomology. https:\/\/doi.org\/10.1093\/ee\/22.5.1066<\/p>\n\n\n\n 15<\/a> Milonas et al. 2016. Neotropical Entomology. https:\/\/doi.org\/10.1007\/s13744-015-0358-6<\/p>\n\n\n\n 16<\/a> Wallentin. 2017. Ecological Modelling. http:\/\/dx.doi.org\/10.1016\/j.ecolmodel.2017.01.017<\/a><\/p>\n\n\n\n 17<\/a>https:\/\/gama-platform.github.io\/download<\/p>\n\n\n\n 18<\/a> <\/sup>https:\/\/ccl.northwestern.edu\/netlogo\/<\/p>\n\n\n\n 19<\/a> Bennett et al. 2013. http:\/\/dx.doi.org\/10.1016\/j.envsoft.2012.09.011<\/p>\n\n\n\n 20<\/a> Parrott. 2011. https:\/\/doi.org\/10.1016\/j.ecoinf.2010.07.001<\/a><\/p>\n\n\n\n 21<\/a> SONAPRA : Soci\u00e9t\u00e9 nationale de promotion agricole du Benin<\/p>\n\n\n\n 22<\/a> SODEFITEX : Soci\u00e9t\u00e9 de d\u00e9veloppement et des fibres textiles du S\u00e9n\u00e9gal<\/p>\n\n\n\n 23<\/a> UN-SCPC : Union nationale des Soci\u00e9t\u00e9s coop\u00e9ratives des producteurs de coton du Mali<\/p>\n\n\n\n 24<\/a> SOFITEX : Soci\u00e9t\u00e9 Burkinab\u00e8 des fibres textiles<\/p>\n\n\n\n 25<\/a> COIC : Compagnie Ivoirienne de coton<\/p>\n\n\n\n 26<\/a> Le Bellec et al. 2012. Agronomy for Sustainable Development. https:\/\/doi.org\/10.1007\/s13593-011-0070-9<\/p>\n\n\n\n 27<\/a> Falconnier et al. 2017. <\/em>European Journal of Agronomy. <\/em>http:\/\/dx.doi.org\/10.1016\/j.eja.2017.06.008<\/a><\/p>\n\n\n\n
![\"\"](\"http:\/\/ntsafack.com\/wp-content\/uploads\/2021\/07\/aida1-1024x576.png\")
<\/figure>\n\n\n\n![\"\"](\"http:\/\/ntsafack.com\/wp-content\/uploads\/2021\/07\/aida2-1024x576.png\")
<\/figure>\n\n\n\n![\"\"](\"http:\/\/ntsafack.com\/wp-content\/uploads\/2021\/07\/aida3-1024x576.png\")
<\/figure>\n\n\n\n![\"\"](\"http:\/\/ntsafack.com\/wp-content\/uploads\/2021\/07\/aida4-1024x576.png\")
<\/figure>\n","protected":false},"excerpt":{"rendered":"