Un exemple d’utilisation des données « agriculteur » : estimer les rendements des variétés de blé tendre

26 799 données de rendement, issues d’agriculteurs répartis sur 1698 communes, ont été collectées auprès de Terrena et Axéréal en 2015, 2017 et 2018. Elles ont été « confrontées » à 4291 données expérimentales collectées sur 74 communes différentes, provenant d’essais « Variétés » réalisés par les deux coopératives et Arvalis durant les mêmes années et sur la même zone géographique (figure 1).

Dans un premier temps, les deux jeux de données ont été analysés indépendamment afin d’estimer pour chacun les effets « variété » sur le rendement. L’écart entre le rendement moyen d’une variété et la moyenne générale des rendements a ainsi été calculé pour chaque variété, avec chaque jeu de données.

Puis une analyse globale a été effectuée sur les données des deux réseaux, afin de voir si leurs effets « variétés » étaient corrélés. Les données agrégées ont été analysées au moyen d’un modèle mixte prenant en compte des effets « variété » et « type de données » (agriculteurs ou expérimentales), ainsi qu’une éventuelle interaction entre le type de données et les variétés.

L’EXPÉRIMENTATION AGRONOMIQUE EN TROIS MOTSRandomisation : elle consiste à injecter une part d’aléatoire dans la répartition des modalités expérimentales dans un essai. Elle a pour but d’éviter les biais.

Répétition : les répétitions sont nécessaires pour estimer la variabilité expérimentale et pour augmenter la précision des estimations des moyennes des modalités étudiées.

Blocking : il consiste à répartir les modalités expérimentales au sein de blocs de micro-parcelles les plus homogènes possibles, dans le but de contrôler une partie de la variabilité expérimentale.

Les réseaux d’expérimentation classique fournissent des données de grande qualité, notamment sur les variétés récentes non encore largement diffusées chez les agriculteurs. Toutefois, elles sont obtenues pour des pédoclimats et des conduites de culture moins diversifiés.

Les données agriculteurs, quant à elles, sont plus difficiles à exploiter car de nombreux facteurs varient entre parcelles et entre exploitations. En revanche, elles couvrent une gamme d’environnements plus large que les réseaux d’expérimentation et correspondent aux pratiques réelles des agriculteurs. De plus, ces données apportent de l’information sur les variétés plus anciennes, qui ne sont plus testées dans les réseaux expérimentaux.

La valorisation de données obtenues à d’autres fins que des fins de recherche, par exemple les données d'agriculteurs stockées dans les bases de données des logiciels de gestion parcellaire, semble être une tendance de fond. Et même si l’expérimentation agronomique reste un outil indispensable dans la production de connaissances, la question qu’il faut se poser n’est peut-être pas s’il faut essayer de valoriser ce type de données, mais comment les valoriser de manière optimale et rigoureuse.

La suite de ces travaux pourrait dès lors consister à déterminer comment combiner données « agriculteur » et données d’expérimentation, sans doute en leur accordant un poids fonction de leur précision respective, afin de répondre au mieux aux questions qui nous sont posées. L’étape suivante serait de réfléchir à la façon d’optimiser les dispositifs expérimentaux dans l’optique de combiner les résultats issus de ces différents réseaux.

Témoignage : un gisement encore sous-exploitéNous avions été particulièrement intéressés par la validation de la cohérence globale ainsi que par le niveau de précision obtenue. Les données « agriculteur » sont fiables : elles permettent d’établir un classement cohérent avec le classement obtenu depuis le réseau expérimental. Et elles sont relativement précises : 230 données « agriculteur » apportent la même précision que 8 données essais. Ce volume de donnée est finalement relativement faible au regard de l’utilisation croissante des outils (plus de 2500 agriculteurs utilisateurs chez Terrena).

Nous n’avons pas donné suite à ces travaux mais restons persuadé qu’ils peuvent nous aider à améliorer notre conseil auprès des exploitants. Une telle valorisation de leurs propres données les conforterait également dans l’utilisation des outils numériques. À poursuivre donc…

Édouard Berthelin (Responsable équipe Data & Décisions chez Terrena)

Témoignage : une plateforme qui mutualise les données numériques des agriculteurs L’usage numérique se développe très rapidement au sein de la plateforme Wiuz⁽¹⁾  : le nombre de parcelles numérisées y croit de 20 % par an. Ce gisement de données ouvre de nouvelles perspectives mais encore faut-il des acteurs pour s’en emparer. Car des masses aussi importantes de données suivies dans des conditions réelles exigent des compétences et des modèles de traitement particuliers.

Cette expérience originale et réussie d’analyse de données « Variétés » à grande échelle sur des parcelles pluriannuelles est riche d’enseignement et de possibilités. Elle conforte le lien entre expérimentation et données au champ. Cela permet d’envisager que, progressivement, ces grandes quantités de données deviennent elles-mêmes une source majeure de connaissances et d’enseignements.

(1) Plus d’informations sur https://wiuz.fr

David Talec (Responsable partenaires)
Marc Hoppenot (PDG de WIUZ)