SlideShare une entreprise Scribd logo
Modèles dynamiques et
outils d'aide à la décision,
liens avec l'expérimentation
P. Faverdin
INRA, UMR 1080 Production du lait
Un contexte à la recherche
d’outils pour aider à piloter les
systèmes agricoles
 Gérer la complexité liée à des objectifs
multicritères de conduite des systèmes
 Simplifier le travail (détection,
indicateurs)
 Anticiper, prévoir
 Concevoir de nouveaux outils d’aide à
la décision capables de gérer ces
nouveaux enjeux
Plan de l’exposé
Modèles et outils d’aide à la
décision
Modèles dynamiques et AOD
Modèles dynamiques et
expérimentation
Modèles et outils d’aide à la
décision
 Les modèles ont souvent pour enjeux
de construire des outils
 Faut-il un bon modèle pour faire un
bon outil ?
 Faut-il concevoir le modèle
spécifiquement pour un outil ?
Aide à la Décision
Définition : «...activité de celui qui
s’appuyant sur des modèles clairement
explicite mais non nécessairement
complètement formalisé, aide à obtenir
des éléments de réponses aux questions
que se posent un acteur inclus dans le
processus de décision...» B. Roy (1985)
Les 2 types de Validation
(Finley et Wilson 1991)
 Validation analytique
• validation de chaque partie du modèle
 Validation synoptique
• Validation par l’usage
 Les différents types d’OAD
et leur validation
Validation analytique : définitions
 Vérification
• le formalisme du modèle est correct
• mécanique (bugs programmation)
• logique
 Calibration
• estimation des paramètres du modèle
• limites
 Validation
• le modèle possède, dans son domaine d’acceptabilité, une
précision suffisante par rapport aux objectifs du modèle
Rykiel, 1996; Sinclair et Séligman, 2000
La validation synoptique
 Pas de méthodes standardisées
 A faire en fonction de l’utilisateur final
 Recherche d’indicateurs pertinents
 Validation (composante prédictive du modèle)vs
évaluation (le modélisateur s’assure que le
modèle est une représentation adaptée au propos
de l’étude; Hodges, 1991)
Qualité de l’outil
Adéquation de l’outil aux objectifs
Utilisation
Qualité des prédictions / objectifs
Qualité du modèle / objectifs
Conception / Mise au point
Est-il utilisé (utilisable)?
A-t-il bonne réputation?
(M.O. Cordier, EC OAD)
Développement d’outils
Phase 2 :  Élaboration de référentiels Simulations à partir des
logiciels et outils existants
Phase 3 :  Test et validation des outils
 Transfert des outils Communication, Formations
Phase 1 :  Recensement des indicateurs
et outils existants
 Analyse de la demande
 Acquisition de références
sur la densité et la
croissance de l’herbe,
nécessaires à l’élaboration
des outils
Bibliographie
Entretiens
Suivi d’élevages
Valorisation de données
acquises au sein des
Chambres et de l’INRA
Co-construire l’outil avec les utilisateurs :
outils pâturage agrotransfert Bretagne
Modèles dynamiques et OAD
 Études des systèmes complexes : besoin
croissant de vision dynamique
 Importance du climat et de l’aléa
 Interactions dynamiques entre entités des
systèmes : adaptation, résilience
 La dynamique, une dimension difficile à gérer
dans les OAD
 Besoin continu d’informations
 La dynamique : une notion difficile à
matérialiser dans la décision
 Gérer la temporalité du processus :
informations – simulation – décision – actions
Comment simplifier la gestion
du temps dans les OAD ?
 En entrée
 Simplifier les entrées
 Automatiser la prise d’informations
(capteurs, saisie automatique, acquisition
internet…)
 Discrétiser le temps
 En sortie
 Discrétiser le temps
 S’insérer dans une représentation du monde
du décideur
 Simplifier l’espace de la décision
13
Mettre au point, à destination des éleveurs
laitiers bretons, des outils simples et efficaces d’aide
à la gestion du pâturage
Les modèles utilisés (parcelles, troupeaux, conduite)
sont à la base identiques
Utilisateurs ciblés :
- Éleveurs laitiers
- Conseillers de terrain (Contrôles Laitiers notamment )
- Ingénieurs d’étude des Chambres, EDE et Instituts
- Enseignement agricole
Exemples dans le cadre des outils
d’aide à la gestion du pâturage
0
10
20
30
40
50
60
70
80
90
1 3
2 1 3
2
1 3
2
1 3
2 1 3
2
1 3
2 1 3
2 1 3
2
3 1
Mars Avril Mai Juin Juillet Août Sept. Oct.
Fév. Nov.
Croissance de l’herbe (kg MS / ha / jour)
 Acquisition de
références sur densité
et croissance de l’herbe
 Analyse de l’offre
et de la demande
Besoins d’outils précis et
efficaces mais simples et
d’utilisation rapide
14
Simplifier les entrées : herbe
Adaptation du modèle
à ce référentiel
 modèle de croissance
herbe fonction de données
climatique et pédologique
 modèle standard
contextualisé de
croissance
Ou ?
1) Biomasse + surface  hauteurs entrée (HE) + sortie (HS)
kg 


 cm
Synthèse données expérimentales  équation passage
(UMRPL Méjusseaume + Le Pin-au-Haras)
Simplifier les entrées : ingestion
8 10 12 14 16 18 20
Hauteur entrée (cm)
8
4
5
6
7
8
14
15
16
17
18
Hauteur
sortie
(cm)
kg MS / j :
2) Milliers de simulations sur
le modèle complet
Biomasse résiduelle  hauteur
sortie
3) Développement de
régressions multiples
Ingestion herbe +
Substitution + Surface à offrir
16
Enregistrement des
événements concernant
les prairies
S’adresse à des éleveurs motivés par le pâturage
Utiliser une représentation de la
dynamique familière au décideur
Entrées et sorties se font au travers du calendrier de pâturage
familier à l’éleveur : dimension spatiale et temporelle
Vision globale
Simulation du calendrier de
pâturage prévisionnel
Parcellaire État
Surface Type de prairie Hauteur des parcelles
JAt
+ Croissance
(3 scénarios : optimiste, normal,
pessimiste)
-
Consommation
Nombre de vaches
* ingestion / vache
Apports de
fourrages et
concentrés
JAt+1
Pendant
x
jours…
Zone pédo-climatique
+/-
(fauche)
Discrétiser le temps de saisie des
informations et de la décision (demande CL)
1. Calcul du nombre de
jours d’avance
2. Projection du nombre de
jours d’avance selon la
gestion du pâturage
Discrétiser le temps de saisie des
informations et de la décision
A partir de 4 indicateurs très simples :
• Indique le nombre de jours d’avance
• Prévoit l’évolution de ce nombre
sous des conditions fixes
20
Permet une utilisation par des éleveurs non
informatisés, non adhérents au Contrôle Laitier…
Simplification de l’espace du problème
et de la décision
Apprentissage sur le modèle, traduction en
relations simple, matérialisation par jeu de disques
Gérer la temporalité du processus :
informations – simulation – décision
 Modélisation des évènements par
apprentissage (santé –
reproduction)
 Acquisition automatique des
informations
 Filtrage et Traitement de signal
 Identification de chroniques
signifiantes
 Signalisation d’évènements
 Détection spécifique et sensible
tout en signalant les évènements
avec un délai compatible avec
l’action
Modèles et expérimentation
 Interactions expérimentation-modèle :
une relation étroite et complexe pour
les systèmes biologiques
 Etude des systèmes agronomiques
complexes : Expérimentations virtuelles
et réelles
Diversité des interactions
modèles-expérimentation
Expérimentation
mécaniste
Modèle de recherche
Concepts Modèle finalisé
Outils d’aide
à la décision
Accord?
Expérimentation
finalisée
N O
intégration simulation  partenariat
(interactions)
Interactions « expérimentations - modèles - outils » à différents niveaux d’organisation
(mamelle, animal, système de production)
systémique
analytique
Modèle conceptuel lactation
Potential milk yield
of the mammary gland
Pool
Proteins / energy
Milk synthesis
in the mammary gland
Energy balance and
Body reserves
Milk
Regulation of intake
Maintenance
Réponse simultanée de la production
laitière à l ’énergie et aux protéines
Mise en place d’une
expérimentation spécifique
et originale pour pouvoir
prédire la variation de lait en
fonction de pratique
alimentaires
Modélisation la réponse de la
vache à la conduite d’élevage
Jours
46
23 700
0 600
0 300
mammite
Période de sous-alimentation
brutale et prolongée
100 200
Lait
(kg/j)
Poids
vif
(kg)
Étude des interactions, lois de
réponse : intérêt des Méta-analyses
Influence de la durée des essais en la
réponse de MSI
-2
-1
0
1
2
3
4
5
0 5 1
0 1
5 20 25 30 35 40 45 50
Variation PDIE/UFL
Variation
MSI
(Kg/j)
Durée  1 m
Durée  1 m
Étude des systèmes
agronomiques complexes
 Études des systèmes agronomiques de plus
en plus complexe
 Multifactoriels (nombreux leviers d’actions)
 Multicritères (évaluation sur des indicateurs
nombreux et divers : économie,
environnement, qualité des produits,…)
 Besoin de représentation des décisions
 L’expérimentation a-t-elle encore une place ?
 La modélisation a-t-elle les moyens de relever
ces défis ?
Complémentarités modélisation,
expérimentations, observations
de systèmes
Approche
expérimentale
- Essais “mini fermes”
- Expérimentation
système
Approche
modélisation
- Modèle de
l’exploitation Approche réseau
- Diversité
d’exploitations
- Methodologie
d’acquisition infos
+ faisabilité
+ observationsréelle
- coûts
- peu de systèmes
- definition des systèmes ?
+ Diversité des fermes
+ observations réelles
- Coûts
- difficulté de comparer
- pas d’expérimentation
- variables difficiles
à mesurer
+ Diversité
+ Coûts
+ Comparer
+ Nombreuses
variables
- Fermes virtuelles
- Dimension sociale ?
- Validité ?
Modélisation de la décision
 Exemple de Mélodie
Intérêts de l’expérimentation
virtuelle
 Rendre observable en dynamique de
nombreuses variables, souvent
difficiles à mesurer
 Possibilité de construire des plans
d’expérience multifactoriels
difficilement réalisables
expérimentalement
 Possibilité d’étudier l’aléa
 Optimisation mono ou multicritère
Simulation du bilan N
d’exploitations laitières
La variabilité inter-
annuelle simulée
dépasse la variabilité
inter-système
Comparaisons simulateur –
essais systèmes
Optimisation multicrit
Optimisation multicritè
ère :
re :
construire un nouvel ITK (
construire un nouvel ITK (Betha
Betha)
)
(
(C.
C. Loyce
Loyce, J.P.
, J.P. Rellier
Rellier, J.M.
, J.M. Meynard
Meynard)
)
Utiliser des modèles complexes
 Étude de leur comportement : mise en avant
des propriétés émergentes
 Analyses de sensibilité
 Plans d’expérience
 Étude de la sensibilité aux aléas (climatiques,
économiques ) : capacités de résilience
 Définition d’expérimentation systèmes
 Construction d’outils, de références, de règles
 Apprentissage (Saccadeau)
 Référentiels multicritères contextualisés (type
de système d’exploitation, de climat, de sols…)
Conclusions
 Le développement de l’étude des systèmes
complexes s’accompagne de modèles eux-
mêmes complexes
 Dynamique, spatialisation, décisions
 Limites de l’expérimentation classique
 La décision s’accommode mal de la complexité
tout en y étant très liée
 Les modèles complexes deviennent des objets
d’études
 Apprentissage sur les modèles
 Évaluations expérimentales ou descriptives des
combinaisons intéressantes
 Réduction de la complexité à des objets
manipulables par le décideur
 travailler sur la décision avec le décideur
Merci de votre attention

Contenu connexe

Similaire à 6_JourneeRMT_Faverdin_12jannvier2009.pdf

Le dispositif Inosys – Réseaux d’Elevage en Pays de la Loire : capitaliser su...
Le dispositif Inosys – Réseaux d’Elevage en Pays de la Loire : capitaliser su...Le dispositif Inosys – Réseaux d’Elevage en Pays de la Loire : capitaliser su...
Le dispositif Inosys – Réseaux d’Elevage en Pays de la Loire : capitaliser su...
Institut de l'Elevage - Idele
 
4.Journée UMT 2024_Session végétation_Jouven Dehays.pptx
4.Journée UMT 2024_Session végétation_Jouven Dehays.pptx4.Journée UMT 2024_Session végétation_Jouven Dehays.pptx
4.Journée UMT 2024_Session végétation_Jouven Dehays.pptx
Institut de l'Elevage - Idele
 
Séminaire RMT SPyCE - Diaporama de la journée - 20/06/2018
Séminaire RMT SPyCE - Diaporama de la journée - 20/06/2018Séminaire RMT SPyCE - Diaporama de la journée - 20/06/2018
Séminaire RMT SPyCE - Diaporama de la journée - 20/06/2018
Institut de l'Elevage - Idele
 
Séminaire de lancement Casdar RED Spyce - 22 janvier 2016
Séminaire de lancement Casdar RED Spyce - 22 janvier 2016Séminaire de lancement Casdar RED Spyce - 22 janvier 2016
Séminaire de lancement Casdar RED Spyce - 22 janvier 2016
Institut de l'Elevage - Idele
 
[Biennales 23] « Moin2Risq » : des outils collaboratifs pour aborder le chang...
[Biennales 23] « Moin2Risq » : des outils collaboratifs pour aborder le chang...[Biennales 23] « Moin2Risq » : des outils collaboratifs pour aborder le chang...
[Biennales 23] « Moin2Risq » : des outils collaboratifs pour aborder le chang...
Institut de l'Elevage - Idele
 
SOMMET 2023 Quoi de neuf en santé et bien-être animal des jeunes bovins
SOMMET 2023 Quoi de neuf en santé et bien-être animal des jeunes bovinsSOMMET 2023 Quoi de neuf en santé et bien-être animal des jeunes bovins
SOMMET 2023 Quoi de neuf en santé et bien-être animal des jeunes bovins
Institut de l'Elevage - Idele
 
[SOMMET] La durabilité des élevages ovins
[SOMMET] La durabilité des élevages ovins[SOMMET] La durabilité des élevages ovins
[SOMMET] La durabilité des élevages ovins
Institut de l'Elevage - Idele
 
[Biennales 23] Agro-Eco sol : Un diagnostic pour une gestion agroécologique d...
[Biennales 23] Agro-Eco sol : Un diagnostic pour une gestion agroécologique d...[Biennales 23] Agro-Eco sol : Un diagnostic pour une gestion agroécologique d...
[Biennales 23] Agro-Eco sol : Un diagnostic pour une gestion agroécologique d...
Institut de l'Elevage - Idele
 
7. 20190124 resultats_2018_action_3__suite_
7. 20190124 resultats_2018_action_3__suite_7. 20190124 resultats_2018_action_3__suite_
7. 20190124 resultats_2018_action_3__suite_
Institut de l'Elevage - Idele
 
Séminaire annuel 2020 UMT SC3D : demandez le programme
Séminaire annuel 2020 UMT SC3D : demandez le programmeSéminaire annuel 2020 UMT SC3D : demandez le programme
Séminaire annuel 2020 UMT SC3D : demandez le programme
Institut de l'Elevage - Idele
 
UMT SC3D - axe 3 : Introduction et projet 2020
UMT SC3D - axe 3 : Introduction et projet 2020UMT SC3D - axe 3 : Introduction et projet 2020
UMT SC3D - axe 3 : Introduction et projet 2020
Institut de l'Elevage - Idele
 
Cours 5e_Outils méthode de comparaison de Saaty.pdf
Cours 5e_Outils méthode de comparaison de Saaty.pdfCours 5e_Outils méthode de comparaison de Saaty.pdf
Cours 5e_Outils méthode de comparaison de Saaty.pdf
Abdel573388
 
Briefing de Bruxelles 54: Carin Smaller '' CERES2030: Des solutions durables ...
Briefing de Bruxelles 54: Carin Smaller '' CERES2030: Des solutions durables ...Briefing de Bruxelles 54: Carin Smaller '' CERES2030: Des solutions durables ...
Briefing de Bruxelles 54: Carin Smaller '' CERES2030: Des solutions durables ...
Brussels Briefings (brusselsbriefings.net)
 
SPACE 2023 Quoi de neuf en santé et bien-être animal des jeunes bovins ?
SPACE 2023 Quoi de neuf en santé et bien-être animal des jeunes bovins ?SPACE 2023 Quoi de neuf en santé et bien-être animal des jeunes bovins ?
SPACE 2023 Quoi de neuf en santé et bien-être animal des jeunes bovins ?
Institut de l'Elevage - Idele
 
Chevrettes
ChevrettesChevrettes
Veille environnement
Veille environnementVeille environnement
Veille environnement
Viedoc
 
Animation et synthèse Atelier 1
Animation et synthèse Atelier 1Animation et synthèse Atelier 1
Animation et synthèse Atelier 1
Qualiméditerranée
 
50.Evaluation_dun_systeme_de_surveillance_CAFETP_2018.pdf
50.Evaluation_dun_systeme_de_surveillance_CAFETP_2018.pdf50.Evaluation_dun_systeme_de_surveillance_CAFETP_2018.pdf
50.Evaluation_dun_systeme_de_surveillance_CAFETP_2018.pdf
abdelhabibadamou
 
Cap-Protéines : L’autonomie protéique mesurée dans les élevages laitiers (Res...
Cap-Protéines : L’autonomie protéique mesurée dans les élevages laitiers (Res...Cap-Protéines : L’autonomie protéique mesurée dans les élevages laitiers (Res...
Cap-Protéines : L’autonomie protéique mesurée dans les élevages laitiers (Res...
Institut de l'Elevage - Idele
 

Similaire à 6_JourneeRMT_Faverdin_12jannvier2009.pdf (20)

Le dispositif Inosys – Réseaux d’Elevage en Pays de la Loire : capitaliser su...
Le dispositif Inosys – Réseaux d’Elevage en Pays de la Loire : capitaliser su...Le dispositif Inosys – Réseaux d’Elevage en Pays de la Loire : capitaliser su...
Le dispositif Inosys – Réseaux d’Elevage en Pays de la Loire : capitaliser su...
 
4.Journée UMT 2024_Session végétation_Jouven Dehays.pptx
4.Journée UMT 2024_Session végétation_Jouven Dehays.pptx4.Journée UMT 2024_Session végétation_Jouven Dehays.pptx
4.Journée UMT 2024_Session végétation_Jouven Dehays.pptx
 
Séminaire RMT SPyCE - Diaporama de la journée - 20/06/2018
Séminaire RMT SPyCE - Diaporama de la journée - 20/06/2018Séminaire RMT SPyCE - Diaporama de la journée - 20/06/2018
Séminaire RMT SPyCE - Diaporama de la journée - 20/06/2018
 
Séminaire de lancement Casdar RED Spyce - 22 janvier 2016
Séminaire de lancement Casdar RED Spyce - 22 janvier 2016Séminaire de lancement Casdar RED Spyce - 22 janvier 2016
Séminaire de lancement Casdar RED Spyce - 22 janvier 2016
 
[Biennales 23] « Moin2Risq » : des outils collaboratifs pour aborder le chang...
[Biennales 23] « Moin2Risq » : des outils collaboratifs pour aborder le chang...[Biennales 23] « Moin2Risq » : des outils collaboratifs pour aborder le chang...
[Biennales 23] « Moin2Risq » : des outils collaboratifs pour aborder le chang...
 
SOMMET 2023 Quoi de neuf en santé et bien-être animal des jeunes bovins
SOMMET 2023 Quoi de neuf en santé et bien-être animal des jeunes bovinsSOMMET 2023 Quoi de neuf en santé et bien-être animal des jeunes bovins
SOMMET 2023 Quoi de neuf en santé et bien-être animal des jeunes bovins
 
[SOMMET] La durabilité des élevages ovins
[SOMMET] La durabilité des élevages ovins[SOMMET] La durabilité des élevages ovins
[SOMMET] La durabilité des élevages ovins
 
[Biennales 23] Agro-Eco sol : Un diagnostic pour une gestion agroécologique d...
[Biennales 23] Agro-Eco sol : Un diagnostic pour une gestion agroécologique d...[Biennales 23] Agro-Eco sol : Un diagnostic pour une gestion agroécologique d...
[Biennales 23] Agro-Eco sol : Un diagnostic pour une gestion agroécologique d...
 
7. 20190124 resultats_2018_action_3__suite_
7. 20190124 resultats_2018_action_3__suite_7. 20190124 resultats_2018_action_3__suite_
7. 20190124 resultats_2018_action_3__suite_
 
Séminaire annuel 2020 UMT SC3D : demandez le programme
Séminaire annuel 2020 UMT SC3D : demandez le programmeSéminaire annuel 2020 UMT SC3D : demandez le programme
Séminaire annuel 2020 UMT SC3D : demandez le programme
 
Le Rami Fourrager® pour ne plus ramer avec les systèmes fourragers
Le Rami Fourrager® pour ne plus ramer avec les systèmes fourragersLe Rami Fourrager® pour ne plus ramer avec les systèmes fourragers
Le Rami Fourrager® pour ne plus ramer avec les systèmes fourragers
 
UMT SC3D - axe 3 : Introduction et projet 2020
UMT SC3D - axe 3 : Introduction et projet 2020UMT SC3D - axe 3 : Introduction et projet 2020
UMT SC3D - axe 3 : Introduction et projet 2020
 
Cours 5e_Outils méthode de comparaison de Saaty.pdf
Cours 5e_Outils méthode de comparaison de Saaty.pdfCours 5e_Outils méthode de comparaison de Saaty.pdf
Cours 5e_Outils méthode de comparaison de Saaty.pdf
 
Briefing de Bruxelles 54: Carin Smaller '' CERES2030: Des solutions durables ...
Briefing de Bruxelles 54: Carin Smaller '' CERES2030: Des solutions durables ...Briefing de Bruxelles 54: Carin Smaller '' CERES2030: Des solutions durables ...
Briefing de Bruxelles 54: Carin Smaller '' CERES2030: Des solutions durables ...
 
SPACE 2023 Quoi de neuf en santé et bien-être animal des jeunes bovins ?
SPACE 2023 Quoi de neuf en santé et bien-être animal des jeunes bovins ?SPACE 2023 Quoi de neuf en santé et bien-être animal des jeunes bovins ?
SPACE 2023 Quoi de neuf en santé et bien-être animal des jeunes bovins ?
 
Chevrettes
ChevrettesChevrettes
Chevrettes
 
Veille environnement
Veille environnementVeille environnement
Veille environnement
 
Animation et synthèse Atelier 1
Animation et synthèse Atelier 1Animation et synthèse Atelier 1
Animation et synthèse Atelier 1
 
50.Evaluation_dun_systeme_de_surveillance_CAFETP_2018.pdf
50.Evaluation_dun_systeme_de_surveillance_CAFETP_2018.pdf50.Evaluation_dun_systeme_de_surveillance_CAFETP_2018.pdf
50.Evaluation_dun_systeme_de_surveillance_CAFETP_2018.pdf
 
Cap-Protéines : L’autonomie protéique mesurée dans les élevages laitiers (Res...
Cap-Protéines : L’autonomie protéique mesurée dans les élevages laitiers (Res...Cap-Protéines : L’autonomie protéique mesurée dans les élevages laitiers (Res...
Cap-Protéines : L’autonomie protéique mesurée dans les élevages laitiers (Res...
 

Dernier

Webinaire Qui sont les jeunes installés avec un bac +5 ?
Webinaire Qui sont les jeunes installés avec un bac +5 ?Webinaire Qui sont les jeunes installés avec un bac +5 ?
Webinaire Qui sont les jeunes installés avec un bac +5 ?
Institut de l'Elevage - Idele
 
Comprendre le vote aux élections européennes du 9 juin 2024
Comprendre le vote aux élections européennes du 9 juin 2024Comprendre le vote aux élections européennes du 9 juin 2024
Comprendre le vote aux élections européennes du 9 juin 2024
contact Elabe
 
Actualisation estimation élections européennes 2024
Actualisation estimation élections européennes 2024Actualisation estimation élections européennes 2024
Actualisation estimation élections européennes 2024
contact Elabe
 
Deuxième actualisation estimation élections européennes 2024
Deuxième actualisation estimation élections européennes 2024Deuxième actualisation estimation élections européennes 2024
Deuxième actualisation estimation élections européennes 2024
contact Elabe
 
Estimations ELABE BFMTV ABSTENTION élections européennes 2024
Estimations ELABE BFMTV ABSTENTION élections européennes 2024Estimations ELABE BFMTV ABSTENTION élections européennes 2024
Estimations ELABE BFMTV ABSTENTION élections européennes 2024
contact Elabe
 
Barometre_de_l_Economie_S1_2024_-_BAT__1_.pdf
Barometre_de_l_Economie_S1_2024_-_BAT__1_.pdfBarometre_de_l_Economie_S1_2024_-_BAT__1_.pdf
Barometre_de_l_Economie_S1_2024_-_BAT__1_.pdf
Paperjam_redaction
 
Les Français et les élections européennes - 9ème vague
Les Français et les élections européennes - 9ème vagueLes Français et les élections européennes - 9ème vague
Les Français et les élections européennes - 9ème vague
contact Elabe
 
Estimation élections européennes 2024 ELABE
Estimation élections européennes 2024 ELABEEstimation élections européennes 2024 ELABE
Estimation élections européennes 2024 ELABE
contact Elabe
 

Dernier (8)

Webinaire Qui sont les jeunes installés avec un bac +5 ?
Webinaire Qui sont les jeunes installés avec un bac +5 ?Webinaire Qui sont les jeunes installés avec un bac +5 ?
Webinaire Qui sont les jeunes installés avec un bac +5 ?
 
Comprendre le vote aux élections européennes du 9 juin 2024
Comprendre le vote aux élections européennes du 9 juin 2024Comprendre le vote aux élections européennes du 9 juin 2024
Comprendre le vote aux élections européennes du 9 juin 2024
 
Actualisation estimation élections européennes 2024
Actualisation estimation élections européennes 2024Actualisation estimation élections européennes 2024
Actualisation estimation élections européennes 2024
 
Deuxième actualisation estimation élections européennes 2024
Deuxième actualisation estimation élections européennes 2024Deuxième actualisation estimation élections européennes 2024
Deuxième actualisation estimation élections européennes 2024
 
Estimations ELABE BFMTV ABSTENTION élections européennes 2024
Estimations ELABE BFMTV ABSTENTION élections européennes 2024Estimations ELABE BFMTV ABSTENTION élections européennes 2024
Estimations ELABE BFMTV ABSTENTION élections européennes 2024
 
Barometre_de_l_Economie_S1_2024_-_BAT__1_.pdf
Barometre_de_l_Economie_S1_2024_-_BAT__1_.pdfBarometre_de_l_Economie_S1_2024_-_BAT__1_.pdf
Barometre_de_l_Economie_S1_2024_-_BAT__1_.pdf
 
Les Français et les élections européennes - 9ème vague
Les Français et les élections européennes - 9ème vagueLes Français et les élections européennes - 9ème vague
Les Français et les élections européennes - 9ème vague
 
Estimation élections européennes 2024 ELABE
Estimation élections européennes 2024 ELABEEstimation élections européennes 2024 ELABE
Estimation élections européennes 2024 ELABE
 

6_JourneeRMT_Faverdin_12jannvier2009.pdf

  • 1. Modèles dynamiques et outils d'aide à la décision, liens avec l'expérimentation P. Faverdin INRA, UMR 1080 Production du lait
  • 2. Un contexte à la recherche d’outils pour aider à piloter les systèmes agricoles Gérer la complexité liée à des objectifs multicritères de conduite des systèmes Simplifier le travail (détection, indicateurs) Anticiper, prévoir Concevoir de nouveaux outils d’aide à la décision capables de gérer ces nouveaux enjeux
  • 3. Plan de l’exposé Modèles et outils d’aide à la décision Modèles dynamiques et AOD Modèles dynamiques et expérimentation
  • 4. Modèles et outils d’aide à la décision Les modèles ont souvent pour enjeux de construire des outils Faut-il un bon modèle pour faire un bon outil ? Faut-il concevoir le modèle spécifiquement pour un outil ?
  • 5. Aide à la Décision Définition : «...activité de celui qui s’appuyant sur des modèles clairement explicite mais non nécessairement complètement formalisé, aide à obtenir des éléments de réponses aux questions que se posent un acteur inclus dans le processus de décision...» B. Roy (1985)
  • 6. Les 2 types de Validation (Finley et Wilson 1991) Validation analytique • validation de chaque partie du modèle Validation synoptique • Validation par l’usage Les différents types d’OAD et leur validation
  • 7. Validation analytique : définitions Vérification • le formalisme du modèle est correct • mécanique (bugs programmation) • logique Calibration • estimation des paramètres du modèle • limites Validation • le modèle possède, dans son domaine d’acceptabilité, une précision suffisante par rapport aux objectifs du modèle Rykiel, 1996; Sinclair et Séligman, 2000
  • 8. La validation synoptique Pas de méthodes standardisées A faire en fonction de l’utilisateur final Recherche d’indicateurs pertinents Validation (composante prédictive du modèle)vs évaluation (le modélisateur s’assure que le modèle est une représentation adaptée au propos de l’étude; Hodges, 1991)
  • 9. Qualité de l’outil Adéquation de l’outil aux objectifs Utilisation Qualité des prédictions / objectifs Qualité du modèle / objectifs Conception / Mise au point Est-il utilisé (utilisable)? A-t-il bonne réputation? (M.O. Cordier, EC OAD)
  • 10. Développement d’outils Phase 2 : Élaboration de référentiels Simulations à partir des logiciels et outils existants Phase 3 : Test et validation des outils Transfert des outils Communication, Formations Phase 1 : Recensement des indicateurs et outils existants Analyse de la demande Acquisition de références sur la densité et la croissance de l’herbe, nécessaires à l’élaboration des outils Bibliographie Entretiens Suivi d’élevages Valorisation de données acquises au sein des Chambres et de l’INRA Co-construire l’outil avec les utilisateurs : outils pâturage agrotransfert Bretagne
  • 11. Modèles dynamiques et OAD Études des systèmes complexes : besoin croissant de vision dynamique Importance du climat et de l’aléa Interactions dynamiques entre entités des systèmes : adaptation, résilience La dynamique, une dimension difficile à gérer dans les OAD Besoin continu d’informations La dynamique : une notion difficile à matérialiser dans la décision Gérer la temporalité du processus : informations – simulation – décision – actions
  • 12. Comment simplifier la gestion du temps dans les OAD ? En entrée Simplifier les entrées Automatiser la prise d’informations (capteurs, saisie automatique, acquisition internet…) Discrétiser le temps En sortie Discrétiser le temps S’insérer dans une représentation du monde du décideur Simplifier l’espace de la décision
  • 13. 13 Mettre au point, à destination des éleveurs laitiers bretons, des outils simples et efficaces d’aide à la gestion du pâturage Les modèles utilisés (parcelles, troupeaux, conduite) sont à la base identiques Utilisateurs ciblés : - Éleveurs laitiers - Conseillers de terrain (Contrôles Laitiers notamment ) - Ingénieurs d’étude des Chambres, EDE et Instituts - Enseignement agricole Exemples dans le cadre des outils d’aide à la gestion du pâturage
  • 14. 0 10 20 30 40 50 60 70 80 90 1 3 2 1 3 2 1 3 2 1 3 2 1 3 2 1 3 2 1 3 2 1 3 2 3 1 Mars Avril Mai Juin Juillet Août Sept. Oct. Fév. Nov. Croissance de l’herbe (kg MS / ha / jour) Acquisition de références sur densité et croissance de l’herbe Analyse de l’offre et de la demande Besoins d’outils précis et efficaces mais simples et d’utilisation rapide 14 Simplifier les entrées : herbe Adaptation du modèle à ce référentiel modèle de croissance herbe fonction de données climatique et pédologique modèle standard contextualisé de croissance Ou ?
  • 15. 1) Biomasse + surface hauteurs entrée (HE) + sortie (HS) kg cm Synthèse données expérimentales équation passage (UMRPL Méjusseaume + Le Pin-au-Haras) Simplifier les entrées : ingestion 8 10 12 14 16 18 20 Hauteur entrée (cm) 8 4 5 6 7 8 14 15 16 17 18 Hauteur sortie (cm) kg MS / j : 2) Milliers de simulations sur le modèle complet Biomasse résiduelle hauteur sortie 3) Développement de régressions multiples Ingestion herbe + Substitution + Surface à offrir
  • 16. 16 Enregistrement des événements concernant les prairies S’adresse à des éleveurs motivés par le pâturage Utiliser une représentation de la dynamique familière au décideur Entrées et sorties se font au travers du calendrier de pâturage familier à l’éleveur : dimension spatiale et temporelle Vision globale Simulation du calendrier de pâturage prévisionnel
  • 17.
  • 18. Parcellaire État Surface Type de prairie Hauteur des parcelles JAt + Croissance (3 scénarios : optimiste, normal, pessimiste) - Consommation Nombre de vaches * ingestion / vache Apports de fourrages et concentrés JAt+1 Pendant x jours… Zone pédo-climatique +/- (fauche) Discrétiser le temps de saisie des informations et de la décision (demande CL) 1. Calcul du nombre de jours d’avance 2. Projection du nombre de jours d’avance selon la gestion du pâturage
  • 19. Discrétiser le temps de saisie des informations et de la décision
  • 20. A partir de 4 indicateurs très simples : • Indique le nombre de jours d’avance • Prévoit l’évolution de ce nombre sous des conditions fixes 20 Permet une utilisation par des éleveurs non informatisés, non adhérents au Contrôle Laitier… Simplification de l’espace du problème et de la décision Apprentissage sur le modèle, traduction en relations simple, matérialisation par jeu de disques
  • 21. Gérer la temporalité du processus : informations – simulation – décision Modélisation des évènements par apprentissage (santé – reproduction) Acquisition automatique des informations Filtrage et Traitement de signal Identification de chroniques signifiantes Signalisation d’évènements Détection spécifique et sensible tout en signalant les évènements avec un délai compatible avec l’action
  • 22. Modèles et expérimentation Interactions expérimentation-modèle : une relation étroite et complexe pour les systèmes biologiques Etude des systèmes agronomiques complexes : Expérimentations virtuelles et réelles
  • 23. Diversité des interactions modèles-expérimentation Expérimentation mécaniste Modèle de recherche Concepts Modèle finalisé Outils d’aide à la décision Accord? Expérimentation finalisée N O intégration simulation  partenariat (interactions) Interactions « expérimentations - modèles - outils » à différents niveaux d’organisation (mamelle, animal, système de production) systémique analytique
  • 24. Modèle conceptuel lactation Potential milk yield of the mammary gland Pool Proteins / energy Milk synthesis in the mammary gland Energy balance and Body reserves Milk Regulation of intake Maintenance
  • 25. Réponse simultanée de la production laitière à l ’énergie et aux protéines Mise en place d’une expérimentation spécifique et originale pour pouvoir prédire la variation de lait en fonction de pratique alimentaires
  • 26. Modélisation la réponse de la vache à la conduite d’élevage Jours 46 23 700 0 600 0 300 mammite Période de sous-alimentation brutale et prolongée 100 200 Lait (kg/j) Poids vif (kg)
  • 27. Étude des interactions, lois de réponse : intérêt des Méta-analyses Influence de la durée des essais en la réponse de MSI -2 -1 0 1 2 3 4 5 0 5 1 0 1 5 20 25 30 35 40 45 50 Variation PDIE/UFL Variation MSI (Kg/j) Durée 1 m Durée 1 m
  • 28. Étude des systèmes agronomiques complexes Études des systèmes agronomiques de plus en plus complexe Multifactoriels (nombreux leviers d’actions) Multicritères (évaluation sur des indicateurs nombreux et divers : économie, environnement, qualité des produits,…) Besoin de représentation des décisions L’expérimentation a-t-elle encore une place ? La modélisation a-t-elle les moyens de relever ces défis ?
  • 29. Complémentarités modélisation, expérimentations, observations de systèmes Approche expérimentale - Essais “mini fermes” - Expérimentation système Approche modélisation - Modèle de l’exploitation Approche réseau - Diversité d’exploitations - Methodologie d’acquisition infos + faisabilité + observationsréelle - coûts - peu de systèmes - definition des systèmes ? + Diversité des fermes + observations réelles - Coûts - difficulté de comparer - pas d’expérimentation - variables difficiles à mesurer + Diversité + Coûts + Comparer + Nombreuses variables - Fermes virtuelles - Dimension sociale ? - Validité ?
  • 30. Modélisation de la décision Exemple de Mélodie
  • 31. Intérêts de l’expérimentation virtuelle Rendre observable en dynamique de nombreuses variables, souvent difficiles à mesurer Possibilité de construire des plans d’expérience multifactoriels difficilement réalisables expérimentalement Possibilité d’étudier l’aléa Optimisation mono ou multicritère
  • 32. Simulation du bilan N d’exploitations laitières La variabilité inter- annuelle simulée dépasse la variabilité inter-système
  • 34. Optimisation multicrit Optimisation multicritè ère : re : construire un nouvel ITK ( construire un nouvel ITK (Betha Betha) ) ( (C. C. Loyce Loyce, J.P. , J.P. Rellier Rellier, J.M. , J.M. Meynard Meynard) )
  • 35. Utiliser des modèles complexes Étude de leur comportement : mise en avant des propriétés émergentes Analyses de sensibilité Plans d’expérience Étude de la sensibilité aux aléas (climatiques, économiques ) : capacités de résilience Définition d’expérimentation systèmes Construction d’outils, de références, de règles Apprentissage (Saccadeau) Référentiels multicritères contextualisés (type de système d’exploitation, de climat, de sols…)
  • 36. Conclusions Le développement de l’étude des systèmes complexes s’accompagne de modèles eux- mêmes complexes Dynamique, spatialisation, décisions Limites de l’expérimentation classique La décision s’accommode mal de la complexité tout en y étant très liée Les modèles complexes deviennent des objets d’études Apprentissage sur les modèles Évaluations expérimentales ou descriptives des combinaisons intéressantes Réduction de la complexité à des objets manipulables par le décideur travailler sur la décision avec le décideur
  • 37. Merci de votre attention