Mots-Clés

jumeau numérique, ontologie, écophysiologie

Description

Dans le contexte de défis tels que le changement climatique, la pénurie de main-d'œuvre, la pression exercée par de nouveaux ravageurs et maladies, les réglementations relatives à l'utilisation des pesticides, la production de cultures horticoles est devenue une entreprise difficile. Il existe un réel besoin de développer de nouveaux systèmes de production qui permettent de surmonter ces obstacles. Parallèlement, d'énormes progrès ont été réalisés récemment aux frontières des sciences de l'information, de l'intelligence artificielle et de la technologie des capteurs. Des modèles de plantes en 3D représentant le développement architectural et physiologique des plantes dans l'espace et dans le temps à différentes résolutions sont désormais disponibles, ce qui rend possible la création d'un jumeau numérique horticole. Un tel jumeau numérique (c'est-à-dire un modèle multi-échelle capable de mettre à jour ses paramètres automatiquement) serait un outil in silico puissant nous permettant d'optimiser rapidement les systèmes de production existants et d'en proposer de nouveaux.

Une serre semi-ouverte instrumentée constitue un outil phénoménal pour étudier des mécanismes écophysiologiques comme la production de la biomasse à partir de la photosynthèse, et donc explorer des prérequis pour un jumeau numérique. Le jumeau numérique, aboutissement du principe du modèle multi-échelle, représente un modèle interconnecté avec des capteurs, où les paramètres du modèle sont mis à jour en temps réel grâce à des données recueillies. L’imaginaire collectif leur associe une vision où tout a été parfaitement cloné, en prenant en compte tous les paramètres, à toutes les échelles, de la molécule au champ. Mais envisager un véritable clone in silico conduit à une explosion du nombre de variables, de la complexité des algorithmes et donc des coûts et temps de calcul.

La question qui se pose est alors de déterminer les échelles pertinentes, les paramètres ayant un réel impact, afin de réduire l’espace modélisé. Par exemple, on peut considérer une représentation morphologique prenant en compte les organes (entre-nœuds, feuilles, etc.) mais aussi la plante entière et une canopée d’1m2, des paramètres physiologiques. Il s’agit alors de déterminer s’il n’y a pas des échelles manquantes ou mal décrites, ou à quelle échelle un modèle décrivant un ou plusieurs processus physiologiques a le plus de sens.

Pour répondre à cette question, il faut automatiser l’exploration des différentes échelles, le passage d’un modèle écophysiologique ou d’une échelle à l’autre (upscaling et downscaling). Cette automatisation suppose une représentation formelle d’un paysage multi-dimensionnel de ces niveaux d’échelle et des paramètres écophysiologiques ou environnementaux : dans un modèle calculant le taux instantané de la photosynthèse foliaire, ce nombre peut dépasser 50-100 (paramètres cinétiques déterminant les plafonds de l’assimilation brute et nette, de la respiration en absence de lumière, de la conductance stomatique, processus des flux thermiques régulant la température foliaire1). La représentation de ce paysage multi-dimensionnel peut être réalisée au sein d’une ontologie. L’objectif est alors de parcourir l’ontologie et déterminer ce qui est pertinent en comparant les données simulées avec des données réelles. L’enjeu de cette thèse est alors de réaliser une telle comparaison en développant une méthode pour automatiquement passer d’une échelle à une autre plus bas ou plus haut, sans perte d’information essentielle.

Pour cela, on va s’appuyer sur un cas d’usage : la production de la tomate sous régime hors-sol en serre semi-close, pour lequel nous disposons déjà (1) de différentes mesures et modèles à différentes échelles et impliquant des paramètres variés, et (2) d’ontologies adaptées sur la base d’ontologies de référence. Ce cas d’usage nous permettra de développer la méthodologie de transfert d’informations entre modèles et de sélection de paramètres optimaux. Il nous permettra aussi de valider l’approche, avec les résultats obtenus de manière manuelle comme référence.