Acquisition de références : élargir le champ des données

Si les données acquises en station expérimentale sont bien différentes de celles acquises par les agriculteurs sur leur exploitation, toutes apportent des informations précieuses - et surtout, complémentaires.
L’agronomie a tout à gagner avec l’acquisition de données à la ferme

Pour produire des connaissances, la recherche agronomique a recours depuis très longtemps à l’expérimentation en station(1). Cette méthode scientifique cherche à comparer l’effet de deux ou plusieurs modalités (par exemple, le stress hydrique) sur une variable d’intérêt (par exemple, le rendement) au moyen d’un dispositif expérimental où des modalités sont répétées et distribuées aléatoirement (randomisées). Cette méthodologie permet de travailler « toutes choses égales par ailleurs » (aucun paramètre expérimental ne change excepté celui ou ceux qui sont testés) afin d’essayer de mettre en évidence des liens de cause à effet.

Les limites d’un protocole expérimental en station

Toutefois, des questions se posent : est-il possible de transposer les résultats obtenus en conditions d’expérimentation aux situations rencontrées par les agriculteurs, où se combinent de nombreux facteurs souvent en interaction ? On peut ainsi se demander si les réseaux expérimentaux en station sont représentatifs des conditions pédoclimatiques rencontrées par les agriculteurs. Pour limiter au mieux la variabilité expérimentale, les expérimentations en station ont, en effet, tendance à être réalisées dans des sols a priori homogènes, souvent profonds. Il peut donc y avoir un biais entre les types de sol observés dans les réseaux d’expérimentations en station par rapport à ceux rencontrés chez les agriculteurs.

Autre exemple, la présence possible d’effets de bordures et d’effets de compétition entre micro-parcelles voisines qui peuvent, dans certains cas, interagir avec les modalités étudiées et modifier les conclusions obtenues. De tels effets existent aussi dans les parcelles agricoles, mais la dimension de ces parcelles incite à penser que l’importance relative de ces effets est sans doute faible et peut être négligée.

Par exemple, une moissonneuse-batteuse expérimentale n'est pas comparable aux matériels détenus pas les exploitants et peut introduire un biais.

Changer d’échelle

Par ailleurs, les questions que nous pose le monde agricole sont de plus en plus complexes car elles relèvent de logiques combinatoires. Qu’il s’agisse de détecter des innovations, de concevoir et mettre au point une combinaison de leviers dans un but précis ou un système de culture innovant, de quantifier la performance ou la multiperformance d’une pratique, d’une combinaison de leviers ou d’un système, ou encore de travailler à l’échelle d’un territoire, la manière d’expérimenter et d’acquérir des références doit être repensée en profondeur. Parmi les pistes les plus prometteuses, l’implication croissante des agriculteurs dans ces processus de création de connaissance devient incontournable.

Depuis plusieurs années des dispositifs se développent sous la terminologie anglo-saxonne on-farm research (recherche à la ferme). Ce type d’expérimentation à la ferme(2) implique que l’agriculteur joue un rôle actif : l’acquisition de données se fait en grandeur nature sur son exploitation. Il diffère de l’acquisition en station expérimentale par de nombreux aspects tels que le dispositif expérimental, l’objectif de l’expérimentation, le nombre de modalités évaluées, ou encore le niveau d’implication (l’agriculteur n’a pas autant de temps à lui consacrer que l’expérimentateur). Il existe depuis plusieurs années des réseaux d’agriculteurs qui participent à ce type d’expérimentation, notamment le projet SYPPRE, les fermes DEPHY ou encore les clubs d’agriculteurs suivis par la méthode Diagchamp.

Néanmoins, l’expérimentation à la ferme a elle-même ses limites. Ainsi, il n’est pas possible de comparer en parallèle un grand nombre de modalités sur une exploitation - par exemple, évaluer la trentaine de variétés de blé tendre inscrites au catalogue officiel chaque année.

On peut, d’autre part, s’interroger sur le niveau de précision atteignable dans une expérimentation à la ferme, où les parcelles suivies sont de plus grande taille qu’en station ; en effet, plus la taille de la parcelle est grande, plus elle peut être hétérogène, auquel cas, plus l’évaluation sera imprécise. D’autant que l’agriculteur n’aura pas nécessairement la rigueur ou les compétences d’un expérimentateur professionnel.

D’autres données de valeur sont encore sous-exploitées

Outre les données d’expérimentation produites chez et avec les agriculteurs, il existe un réservoir encore peu valorisé : les données « agriculteur »(3), « naturellement » produites sur les fermes et enregistrées dans des logiciels (gestion parcellaire, outils d’aide à la décision…).

Des exemples récents de remobilisation de ces données ont mis en évidence leur intérêt pour avancer rapidement sur des questions de recherche - aussi bien pour détecter des pratiques innovantes que pour développer des modèles ou enrichir des bases de références (voir l’article « Un exemple d’utilisation des données agriculteur »). Ces approches s’inscrivent dans des démarches qualifiées de « sciences participatives » : ce sont des formes de production de connaissances scientifiques auxquelles des acteurs non professionnels participent de façon active et délibérée.

Comment mobiliser cet immense gisement de données qui dorment dans les mémoires des outils ? Comment obtenir le consentement des agriculteurs pour valoriser ces données en dehors des outils dans lesquels ils sont saisis ? Au travers des quatre articles de ce dossier, ce dossier fait état des promesses apportées par la valorisation de ces données « agriculteur », ainsi que des difficultés que leur utilisation soulève (accès aux données, respect de l’anonymat, méthodes d’analyse).

(1) Expérimentations en station : réalisées dans un nombre restreint d’environnements (lieu, année, précédent…). Unités expérimentales de petite taille. Conditions bien contrôlées. Matériel spécifique. Réalisées par des expérimentateurs de métier.

(2) Expérimentations à la ferme : réalisées a priori dans une grande diversité d’environnements (lieu, année, précédent…). Unités expérimentales de grande dimension. Conditions plus ou moins contrôlées. Matériel variable d’un agriculteur à l’autre. Réalisées au moins en partie par les agriculteurs.

(3) Données «agriculteur » : générées dans une grande diversité d’environnements (lieu, année, précédent…). Conditions non contrôlées. Matériel variable d’un agriculteur à l’autre. Enregistrées dans les outils utilisés au quotidien.

Emmanuelle Gourdain - e.gourdain@arvalis.fr
François Piraux -f.piraux@arvalis.fr

Interview de Stéphane Jézéquel, directeur scientifique d’Arvalis

La voie est à l’innovation collaborative

L’acquisition de références grâce aux données « agriculteur » a toute sa place dans le projet d’entreprise de l’Institut.

Perspectives Agricoles : Comment voyez-vous le rôle des agriculteurs dans l’acquisition des données de demain ?


Stéphane Jézéquel : Les agriculteurs constituent des acteurs à part entière, tant pour la production de références que pour leur interprétation, dans une logique intégrative où de nombreux facteurs sont combinés - comme dans leurs prises de décision à la ferme. Quelques milliers d’exploitants partagent déjà leurs données avec Arvalis (par exemple, via l’outil SYSTERRE) : des données agronomiques, mais aussi plus personnelles comme leurs marges économiques. Ceci nécessite de créer une relation particulière avec l’agriculteur, impliquant une confiance réciproque.

Côté expérimental, sur certains dispositifs comme les essais « Systèmes de production », des agriculteurs référents participent déjà à la co-construction des protocoles expérimentaux(1) ou des itinéraires techniques. Ceux-ci tiennent ainsi mieux compte des particularités des climats et des terroirs, des matériels détenus par les agriculteurs et de leurs contraintes.

P. A. : Qu’attend-on de la valorisation de ces données ?

S. J. : Tout d’abord, la production de données de référence, afin d’améliorer nos connaissances en les diversifiant. Les données « agriculteur » sont aussi utilisées pour vérifier des modèles, des solutions ou des projections et pour affiner leur domaine de validité - car même avec le maillage déjà conséquent des stations expérimentales d’Arvalis, toutes les situations ne sont pas couvertes.

Grâce à ces connaissances, il est possible d’imaginer des solutions combinatoires plus adaptées et d’améliorer le conseil, la situation réelle étant mieux connue.

P. A. : Sur quelles thématiques semble-t-il le plus pertinent de travailler ?

S. J. : Le fil rouge de l’axe programmatique 2021-2025 d’Arvalis est d’identifier et de combiner des leviers dans une démarche agroécologique : concilier rentabilité, fonction nourricière de l’agriculture (aliments sains en quantité sécurisée) avec un usage des produits phytosanitaires en dernier recours, et services écosystémiques (comme l’atténuation du dérèglement climatique et l’amélioration de la biodiversité).

L’expérience classique en micro-parcelles avec répétitions, statistiquement très puissante, reste irremplaçable pour évaluer un facteur de production ou une innovation. Mais les résultats doivent être ensuite extrapolés à la diversité des situations réelles. Ainsi, pour conseiller des variétés, il faut intégrer des connaissances sur les pratiques et le pédoclimat des territoires - en récupérant, par exemple, les saisies dans les gestionnaires parcellaires.

C’est pourquoi Arvalis doit ouvrir davantage son processus d’acquisition de données au monde extérieur. Les plateformes qui collectent et partagent des données « agriculteur », comme Wiuz ou Smag Farmer, ont un rôle essentiel à jouer. Au contraire de la vie courante, on est peu habitué à partager ses données dans le domaine agricole, pourtant cela accroît l’efficacité et la rapidité à trouver des solutions.

P. A. : Comment faire participer davantage d’agriculteurs ?

S. J. : Il y a environ 250 000 producteurs de céréales en France - c’est un énorme gisement potentiel de données et d’expériences. Arvalis prévoit d’augmenter fortement le volume de ces données « externes », sans toutefois d’objectif chiffré ; cela dépend beaucoup de la thématique.

Toutefois, pour inciter les agriculteurs à collaborer, il ne suffit pas de dire qu’en l’absence de leurs données, les réponses que peut apporter l’Institut (par exemple, via les nombreux outils gratuits, tel « Choisir ses variétés ») resteraient sinon trop générales. Des réflexions sont en cours autour d’une idée simple mais dont la mise en œuvre peut s’avérer complexe : si Arvalis a accès aux données d’un agriculteur, celui-ci bénéficiera d’un retour afin qu’il puisse se situer par rapport à la communauté qui partage ces données.

Plus d’informations dans l’article « La méthode Diagchamp : progresser avec et chez les agriculteurs », Perspectives Agricoles n°470, octobre 2019.

Propos recueillis par Paloma Cabeza-Orcel
p.cabeza-orcel@perspectives-agricoles.com

0 commentaire

Réagissez !

Merci de vous connecter pour commenter cet article.

Se connecter
Ou connectez-vous avec
Pas encore inscrit ?
Créer un compte
Vérification
Saisissez d’abord votre adresse email pour vous connecter ou créer un compte
Ou connectez-vous avec
Mot de passe oublié

Pour réinitialiser votre mot de passe, vérifiez votre adresse mail ci-dessous, cliquez sur Envoyer et suivez les instructions qui vous seront envoyées par mail.