Résumé :

La prédiction génomique est efficace pour simuler les performances moyennes de variétés à partir d'informations de génotypage, mais prévoit mal les variations de rendement pour chaque variété en fonction des conditions environnementales locales (interactions génotype x environnement). Cette situation pourrait changer grâce à deux séries de progrès récents. (i) Le développement rapide de réseaux de capteurs et de grilles environnementales rend possible la caractérisation environnementale en toute parcelle agricole, et donc l'utilisation de modèles de simulation du rendement. (ii) La phénomique permet la caractérisation de centaines de variétés, en particulier la réponse de caractères physiologiques clés aux conditions environnementales, ce qui permet de nourrir les modèles de simulation avec des informations génotype-dépendantes.

La thèse a pour but de prévoir le comportement et simuler les rendements de variétés de maïs, caractérisées chacune par des combinaisons alléliques ; dans des centaines de lieux en France et en Europe, caractérisés par des conditions environnementales mesurées ou déduites de grilles environnementales. Pour cela, elle combinera (i) la mesure de caractères physiologiques génotype-dépendants par phénomique, (ii) la prédiction génomique de ces caractères, (iii) la caractérisation environnementale de parcelles, (iv) un modèle de culture paramétré à partir des données phénomiques. Les principaux domaines d’application pour ARVALIS sont l’enrichissement de la caractérisation annuelle des variétés de maïs en post-inscription, grâce à une évaluation in silico de leurs performances et stabilité dans des scénarios actuels ou futurs. Par ailleurs, cette approche permettrait d’identifier des variétés aux interactions complémentaires qui seraient préconisées en bouquets pour une meilleure stabilité.