|
|
|
|
|
La plupart de ces travaux de simulation de l'activité agricole sont basés sur l'approche séminale introduite par Sébillotte et Soler (1989) dans le « modèle d'action » du comportement décisionnel des agriculteurs face au risque et à l'incertain. Deux grands concepts sous-tendent ce modèle : planification et adaptation. Une première caractéristique forte du comportement des agriculteurs est en effet le caractère planifié de leurs interventions tout au long de l'année. Dans ce modèle, il existe une structure liant temporellement l'ensemble des actions de l'agriculteur, selon les notions importantes d'étapes ou de points de passage. Toutefois, une spécificité du travail agricole est son caractère nécessairement adaptatif à l'environnement changeant et incertain, dû pour une part essentielle à l'aléa climatique, mais aussi aux contraintes organisationnelles. C'est ainsi que le modèle d'action intègre l'idée de règles adaptatives temporellement structurées qui permettent à tout instant de déterminer l'action à effectuer ou à un niveau supérieur de reconsidérer la structure temporelle du plan en cours (replanification), en fonction « d'un champs d'événements futurs perçus comme possibles par l'agriculteur ». Dans ce modèle, le comportement de l'agriculteur est alors résumé par un plan adaptatif, corps de règles structurées temporellement, généralement nommé « stratégie » de l'agriculteur.
Ce modèle hybride incluant une vision planifiée de l'activité avec une approche située de l'action est original, et a conduit au développement de plusieurs modèles de simulation du travail agricole, depuis l'exemple simple de la conduite d'une culture sur une parcelle jusqu'à des systèmes de production agricole plus complexes tels le pâturage (Papy, 2000 ; Attonaty et al., 1999). Une conséquence naturelle de ce modèle hybride a été la nécessité d'un couplage entre un modèle des processus décisionnels, via la notion de stratégie, et un modèle des processus biophysiques qui définissent l'environnement, tels que la plante, l'animal, le sol et le climat. C'est en particulier à partir du développement de ce type de modèle de simulation qu'est apparue la nécessité de disposer de modèles de simulation de climat, afin de pouvoir faire varier de manière réaliste les conditions pédoclimatiques.
Le modèle d'action, en insistant sur l'importance du traitement de l'incertitude pour la décision, posait les questions de la représentation des événements futurs par l'acteur pouvant éventuellement peser sur les conséquences de ses décisions, et du choix d'une décision plutôt qu'une autre en fonction de ces représentations. Il s'avère que pour la plupart des modèles de décision, la détermination des modalités de l'action de l'agriculteur est encore réduite à l'application d'un corps de règles de décision du type SI - ALORS qui déterminent les actes techniques à effectuer en fonction d'observations sur l'état courant de l'environnement (indicateurs), selon une démarche purement réactive. La capacité de « projection dans le futur » de l'agriculteur reste largement absente de ces modèles. Il apparaît ainsi que le concept de règles de décision pour représenter le comportement de l'agriculteur s'est diffusé dans la recherche agronomique sous sa forme la plus simple, liant directement les observations sur l'état du système biophysique aux actions souvent supposées instantanées. Le plan, la stratégie, assure la cohérence temporelle des activités, mais chaque activité est gérée dans le présent, sans vision des futurs possibles.
Notre objectif au sein de ce projet est alors d'analyser et de modéliser les processus décisionnels où les capacités d'anticipations des différents futurs possibles avec leurs risques associés sont exploitées lors de la détermination de l'action à engager. Autrement dit, comment l'agriculteur peut-il faire usage des connaissances dont il dispose quant aux événements incertains à venir demain et au-delà pour décider aujourd'hui de ce qu'il doit faire ? En agriculture, ces événements incertains concernent essentiellement les aléas climatiques (température, pluie, vent, etc.), mais aussi les contraintes organisationnelles (concurrence entre chantiers, contrainte de calendrier) et techniques (disponibilité en matériel, en ressource). Cette question nous semble importante à double titre. D'une part, la définition de modèles décisionnels intégrant différents types de prévisions d'événements incertains permettrait de se rapprocher des pratiques existantes des agriculteurs, qui anticipent pour agir. D'où un enrichissement de la modélisation. D'autre part, ces anticipations, ces prévisions, doivent permettre de définir des outils opérationnels d'aide à la décision pour les agriculteurs plus efficaces que la plupart des outils actuels qui se présentent sous la forme d'une traduction directe de mesures sur l'état de l'environnement en modalités de l'action. Cela va dans le sens d'une meilleure exploitation de l'information toujours plus importante mise à disposition de l'agriculteur.
Nous avons choisi d'aborder cette question méthodologique autour du problème de l'irrigation du maïs dans le Sud-Ouest. Le développement des services d'agrométéorologie est en effet de première importance pour le problème du pilotage de l'irrigation, même si l'on assiste à un déséquilibre entre la multiplication des services météo proposés, et un public d'irrigants encore peu enclin à exploiter ces prévisions.
Dans le cadre d'une agriculture respectueuse de l'environnement et économe des ressources de la biosphère, l'utilisation d'outils permettant une aide à la décision opérationnelle des techniques culturales est incontournable. De plus, l'adhésion des exploitations agricoles dans une démarche de CTE impose le plus souvent dans le cahier des charges l'utilisation d'outils de raisonnement des pratiques. Dans le domaine de l'irrigation, un certain nombre d'outils et de service sont proposés (mais peu utilisés). Pour la région Midi-Pyrénées, deux exemples majeurs sont IRRINOV-Maïs (Deumier, 2002), qui est une méthode de gestion de l'irrigation basée sur la tensiométrie (développée par l'AGPM-Technique, l'ITCF, la CRAMP et les CA départementales de Midi-Pyrénées) et le BHYP, qui est un outil graphique basé sur un bilan hydrique dynamique reprenant les principes du Bilaneaumètre développé par Peyremorte (1986). Le fonctionnement de ces deux outils est relativement similaire, même si les indicateurs de l'état du milieu utilisés pour la prise de décision diffèrent. Dans le premier cas il s'agit de la tension en eau du sol mesurée, dans le second cas il s'agit de la quantité d'eau dans le sol calculée.
Comme la plupart des outils d'aide à l'irrigation, IRRINOV-Maïs et BHYP n'intègrent pas dans la prise de décision de prévisions météorologiques. Nous proposons au sein de ce projet d'enrichir en ce sens ces deux outils opérationnels, en y intégrant la prise en compte de prévisions météorologiques à court terme.
Attonaty, J.M., Chatelin, M.H., Poussin, J.C. and Soler, L.G. Advice and decision support systems in agriculture : new issues. Farm level information systems, pp. 89-101. Woudschoten, Zeist, The Netherlands, 1993.
Attonaty, J.M., Chatelin, M.H. and Garcia, F. Interactive simulation modeling in farm decision making. Journal of Computers and Electronics in Agriculture, 22(2-3), pp. 157-170, 1999.
Bergez J-E., Debaeke P., Deumier J-M., Lacroix B., Leenhardt D., Leroy P., Wallach D.. MODERATO: an object-oriented decision tool for designing maize irrigation schedules. Journal of Ecological Modelling 137, pp. 43-60, 2001a.
Cros, M.J., Duru, M., Garcia, F. and Martin-Clouaire, R. Simulating rotational grazing management. Journal of Environment International, 27, 2001.
J.M. Deumier, A. Bouthier, J.P. Bonnifet, M. Mangin, B. Lacroix et J.P. Renoux, IRRINOV® maïs, une méthode pour bien irriguer le maïs, Perspectives Agricoles N°278, 7 pages à paraître, avril 2002.
Leroy, P., Balas, B., Deumier, J.M., Jacquin, C. and Plauborg, F. Water management at farm level. The management of limited resources in water. Their agro-economical consequences. J. Masset (Ed.). CEE CAMAR Final Reprot, pp. 89-151, 1996.
Meynard, J.M. Which crop models for decision support in crop management ? Example of the DECIBLE system. Proceeding of the INRA-KCW workshop on DSS, Laon, 1997.
Papy, F. Farm models and decision support : a summary review. Research on Agricultural Systems : accomplishments, perspectives and issues, pp. 89-107. Nova Science Pub., Inc, New-York, 2000.
P. Peyremorte, Simplification de l'estimation approximative des besoins d'arrosage: le Bilaneaumètre, Eau et aménagement de la région provençale, N°43, 1986.
M. Sebillote et L.G. Soler. Les processus de décision des agriculteurs. Acquis et questions vives, pp. 93-101. Actes du séminaire SAD : Modélisation systémique et système agraire - Décision et organisation. INRA, Paris, 1989.
