You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
078 Innovation - Favoriser l’innovation ouverte<br />
079<br />
Projet<br />
25<br />
INNOUV 4<br />
Faire évoluer les réseaux d’expérimentation<br />
et d’observation<br />
Contexte et ambitions<br />
Livrables et attendus<br />
Acteurs<br />
3 000<br />
422<br />
2 000<br />
& 1 500<br />
Quelques chiffres<br />
agents (ETP) en charge de la gestion et de<br />
l’acquisition de données expérimentales<br />
agricoles (1)<br />
installations expérimentales en France<br />
relevant des instituts de recherche, de<br />
recherche-développement, de développement,<br />
et de l’enseignement supérieur et<br />
technique agricole (1)<br />
fermes dans le réseau DEPHY-FERME du<br />
Plan Ecophyto et dans le réseau des fermes<br />
de référence d’élevage herbivore<br />
Indicateurs et échéances<br />
2016<br />
Constitution d’un collectif rassemblant les<br />
représentants des organismes impliqués<br />
dans l’expérimentation et/ou les réseaux<br />
d’observation ; constitution d’un réseau de<br />
veille et d’échange autour des nouveaux<br />
moyens d’acquisition de données automatiques<br />
ou semi-automatiques ; développement<br />
et mise à disposition des méthodes<br />
statistiques de traitement d’informations<br />
hétérogenes et de diverses sources.<br />
2017<br />
Lancement d’expérimentations thématiques<br />
coordonnées (notamment systémiques).<br />
2018 > 2025<br />
Déploiement et suivi des actions proposées.<br />
Niveau TRL<br />
Historiquement, l’expérimentation est un élément fondamental<br />
des activités de R&D en agronomie parce qu’elle permet<br />
le test d’hypothèses, ainsi que la confrontation à la diversité<br />
des conditions écologiques et agronomiques sur le territoire.<br />
Aujourd’hui, la montée en puissance du Numérique transforme<br />
cette activité en augmentant les possibilités d’acquisition et de<br />
gestion d’un plus grand nombre de données (2, 3) . Par ailleurs, expérimentation<br />
et modélisation sont de plus en plus réfléchies de<br />
façon conjointe et complémentaire. Le dispositif expérimental<br />
français est déjà très dense. Les <strong>projets</strong> [Innouv2] et [Innouv3]<br />
proposent de compléter ce dispositif pour se saisir d’enjeux<br />
transversaux, systémiques et/ou sociétaux aujourd’hui insuffisamment<br />
appréhendés. Cependant, dans un cadre budgétaire<br />
contraint, la mutualisation et la rationalisation du dispositif<br />
expérimental sont indispensables (il s’agit, en premier lieu, du<br />
dispositif qui bénéficie d’un soutien public mais également de<br />
celui des industriels privés, et en visant l’échelle européenne).<br />
Cette mutualisation doit permettre d’abonder, au moins pour<br />
partie, les extensions des <strong>projets</strong> [Innouv2] et [Innouv3]. A elle<br />
seule, elle ne sera néanmoins pas suffisante, il sera nécessaire<br />
d’évaluer outre la pertinence du maintien de tous les outils (i)<br />
comment les données d’observations en fermes réelles peuvent<br />
se substituer aux expérimentations ou compléter celles-ci et (ii)<br />
comment le recours à la modélisation peut permettre de diminuer<br />
le besoin d’expérimentations.<br />
L’ambition de ce projet est alors de développer les synergies<br />
entre dispositifs expérimentaux, réseaux d’observation dans les<br />
fermes et modèles, grâce, en particulier, au numérique, et ceci<br />
en termes :<br />
• de valorisation des données d’expérimentation ou d’observation<br />
pour concevoir, évaluer et améliorer des modèles : ces<br />
données contribueront à la plateforme numérique [Num1] ;<br />
• de recours à la modélisation pour la conception des dispositifs<br />
expérimentaux et des réseaux d’observation, leur pilotage et<br />
l’analyse de leurs résultats ;<br />
• d’utilisation des outils de caractérisation des environnements<br />
biotiques et abiotiques (et de leurs impacts) afin d’optimiser<br />
les réseaux et de mieux interpréter les informations via en<br />
particulier la mise aux points de « fonctions de diagnostic » ;<br />
• de réduction de l’effort d’acquisition de données d’expérimentation<br />
grâce aux apports complémentaires des données<br />
d’observation et de la modélisation ;<br />
• d’extrapolation des résultats d’expérimentation et d’observation<br />
à d’autres situations en recourant notamment à des systèmes<br />
d’information géographiques couplés à des modèles.<br />
• Une amélioration des méthodes et outils de représentation<br />
spatio-temporelle des données d’expérimentation et/ou<br />
d’observation.<br />
• Le développement d’outils prédictifs à partir d’analyses de<br />
données d’expérimentation ou d’observation.<br />
• La limitation des besoins de surfaces expérimentales et des<br />
coûts associés par un recours accru à des données d’observation<br />
dans des fermes et à la modélisation.<br />
• La facilitation de la détection, de l’évaluation multicritère et<br />
de la diffusion des innovations repérées au sein des réseaux<br />
d’observation (voir aussi [Innouv2]).<br />
• La diffusion rapide d’innovations en diminuant leur temps<br />
d’évaluation grâce au décloisonnement entre expérimentations,<br />
réseaux d’observation et modélisation.<br />
Actions<br />
[Innouv 4-1] Renforcer l’efficacité et la cohérence d’ensemble<br />
du dispositif expérimental national par la mise en réseau<br />
inter-organismes des outils expérimentaux de la recherche<br />
publique et professionnelle, à l’issue d’une réflexion sur la<br />
pertinence de tous les outils privilégiant les paris sur l’avenir par<br />
rapport aux charges liées à leur entretien. Animer ce réseau par<br />
des expérimentateurs inter-organismes.<br />
[Innouv 4-2] Assurer l’interopérabilité des informations en<br />
entrée et des performances et résultats en sortie (protocoles<br />
de collectes harmonisés, cadres de saisies des données compatibles,<br />
indicateurs communs de moyens et de résultats).<br />
[Innouv 4-3] Développer des méthodes statistiques d’analyse<br />
permettant de traiter les informations. La création d’une<br />
plateforme commune de traitement des données doit être<br />
envisagée en tirant profit de l’expérience du système d’information<br />
AGROSYST du réseau de fermes et d’expérimentations du<br />
Plan Ecophyto.<br />
[Innouv 4-4] Déployer systématiquement les outils d’aide à<br />
la décision diffusés sur les dispositifs d’expérimentation afin<br />
d’assurer leur évaluation en continu au double titre de leur<br />
valeur prédictive et pratique (utilisation, interprétation et prise<br />
de décision). Une des voies de déploiement sera la plateforme<br />
de données [Num1].<br />
• Organismes publics de recherche.<br />
• ACTA et instituts techniques, APCA et chambres d’agriculture,<br />
autres réseaux d’observation (RAD-CIVAM, etc.)<br />
• Si possible, fermes d’expérimentation des coopératives agricoles.<br />
FINANCEMENTS :<br />
CASDAR, Plan Ecophyto, Conseils régionaux.<br />
1. http://agriculture.gouv.fr/sites/<br />
minagri/files/cgaaer-rapport_<br />
annuel_2009.pdf<br />
2. Laurent A., Pelzer E., Loyce C.,<br />
Makowski D., 2015. Ranking yields of<br />
energy crops: A meta-analysis using<br />
direct and indirect comparisons.<br />
Renewable & Sustainable Energy<br />
Reviews 46, 41-50.<br />
3. Lucbert J., Dockes A.C., Gervreau<br />
G., Madeline, Y., Seegers J., Baumont<br />
R., Peyraud J.L., 2015. Networks<br />
of reference to the service of<br />
sustainable farming of tomorrow.<br />
Inra Productions Animales 28, 77-88.<br />
#AgricultureInnovation2025<br />
#AgricultureInnovation2025