Modèles épidémiologiques pour le contrôle des maladies dans les mélanges de cultures

Contexte et enjeux

L’agriculture contemporaine fait face à un double défi : maintenir des rendements élevés tout en réduisant l’usage des intrants chimiques, notamment les pesticides. Dans ce contexte, les mélanges de cultures (associations de plusieurs espèces végétales au sein d’une même parcelle) apparaissent comme une solution prometteuse pour renforcer la durabilité des systèmes agricoles. Ces systèmes permettent à la fois d’améliorer la productivité (phénomène d’overyielding) et de limiter la propagation des maladies.

Deux mécanismes épidémiologiques principaux sont impliqués dans la réduction des maladies : l’effet de dilution, qui diminue la densité d’hôtes sensibles, et l’effet barrière, qui entrave la transmission des pathogènes. Cependant, leur contribution relative reste mal comprise, en particulier dans des systèmes intégrant des interactions agronomiques telles que la facilitation ou la compétition entre espèces.

Ce projet vise à combler ce manque en développant des modèles mathématiques innovants intégrant simultanément les processus épidémiologiques et agronomiques. Il contribuera à la conception de systèmes agricoles plus résilients face aux aléas climatiques et sanitaires, tout en soutenant la transition agroécologique et la sécurité alimentaire.

Objectifs

L’objectif principal de cette thèse est de développer des modèles mathématiques génériques permettant de mieux comprendre et optimiser le rôle des mélanges de cultures dans la gestion des maladies. Plus précisément, le projet vise à :

• Développer des modèles épidémiologiques mécanistes décrivant la propagation des maladies dans des mélanges de cultures, en distinguant les effets de dilution et de barrière.
• Intégrer les interactions agronomiques (facilitation et compétition) dans ces modèles afin d’évaluer leur impact conjoint avec les processus épidémiologiques.
• Analyser les conditions d’apparition de l’overyielding, en identifiant les configurations optimales de mélanges permettant à la fois de réduire les maladies et d’augmenter les rendements.
• Étendre les modèles à différents cadres temporels et spatiaux : modèles en temps continu, modèles semi-discrets intégrant la saisonnalité, modèles spatialement explicites.
• Développer des outils numériques interactifs (interfaces R-Shiny ou Python-Streamlit) permettant aux utilisateurs (chercheurs, agronomes) d’explorer différents scénarios de mélanges de cultures.

La thèse s'inscrit dans une collaboration internationale entre l'Institut de Génétique Environnement et Protection des Plantes (UMR IGEPP : INRAE – Institut Agro Rennes-Angers INRAE – Université de Rennes) et l'Université de Douala (Cameroun).