En savoir plus

Notre utilisation de cookies

« Cookies » désigne un ensemble d’informations déposées dans le terminal de l’utilisateur lorsque celui-ci navigue sur un site web. Il s’agit d’un fichier contenant notamment un identifiant sous forme de numéro, le nom du serveur qui l’a déposé et éventuellement une date d’expiration. Grâce aux cookies, des informations sur votre visite, notamment votre langue de prédilection et d'autres paramètres, sont enregistrées sur le site web. Cela peut faciliter votre visite suivante sur ce site et renforcer l'utilité de ce dernier pour vous.

Afin d’améliorer votre expérience, nous utilisons des cookies pour conserver certaines informations de connexion et fournir une navigation sûre, collecter des statistiques en vue d’optimiser les fonctionnalités du site. Afin de voir précisément tous les cookies que nous utilisons, nous vous invitons à télécharger « Ghostery », une extension gratuite pour navigateurs permettant de les détecter et, dans certains cas, de les bloquer.

Ghostery est disponible gratuitement à cette adresse : https://www.ghostery.com/fr/products/

Vous pouvez également consulter le site de la CNIL afin d’apprendre à paramétrer votre navigateur pour contrôler les dépôts de cookies sur votre terminal.

S’agissant des cookies publicitaires déposés par des tiers, vous pouvez également vous connecter au site http://www.youronlinechoices.com/fr/controler-ses-cookies/, proposé par les professionnels de la publicité digitale regroupés au sein de l’association européenne EDAA (European Digital Advertising Alliance). Vous pourrez ainsi refuser ou accepter les cookies utilisés par les adhérents de l'EDAA.

Il est par ailleurs possible de s’opposer à certains cookies tiers directement auprès des éditeurs :

Catégorie de cookie

Moyens de désactivation

Cookies analytiques et de performance

Realytics
Google Analytics
Spoteffects
Optimizely

Cookies de ciblage ou publicitaires

DoubleClick
Mediarithmics

Les différents types de cookies pouvant être utilisés sur nos sites internet sont les suivants :

Cookies obligatoires

Cookies fonctionnels

Cookies sociaux et publicitaires

Ces cookies sont nécessaires au bon fonctionnement du site, ils ne peuvent pas être désactivés. Ils nous sont utiles pour vous fournir une connexion sécuritaire et assurer la disponibilité a minima de notre site internet.

Ces cookies nous permettent d’analyser l’utilisation du site afin de pouvoir en mesurer et en améliorer la performance. Ils nous permettent par exemple de conserver vos informations de connexion et d’afficher de façon plus cohérente les différents modules de notre site.

Ces cookies sont utilisés par des agences de publicité (par exemple Google) et par des réseaux sociaux (par exemple LinkedIn et Facebook) et autorisent notamment le partage des pages sur les réseaux sociaux, la publication de commentaires, la diffusion (sur notre site ou non) de publicités adaptées à vos centres d’intérêt.

Sur nos CMS EZPublish, il s’agit des cookies sessions CAS et PHP et du cookie New Relic pour le monitoring (IP, délais de réponse).

Ces cookies sont supprimés à la fin de la session (déconnexion ou fermeture du navigateur)

Sur nos CMS EZPublish, il s’agit du cookie XiTi pour la mesure d’audience. La société AT Internet est notre sous-traitant et conserve les informations (IP, date et heure de connexion, durée de connexion, pages consultées) 6 mois.

Sur nos CMS EZPublish, il n’y a pas de cookie de ce type.

Pour obtenir plus d’informations concernant les cookies que nous utilisons, vous pouvez vous adresser au Déléguée Informatique et Libertés de l’INRA par email à cil-dpo@inra.fr ou par courrier à :

INRA
24, chemin de Borde Rouge –Auzeville – CS52627
31326 Castanet Tolosan cedex - France

Dernière mise à jour : Mai 2018

Menu Logo Principal Institut Agro Montpellier LEPSE membre de Montpellier Université d'Excellence Labex AGRO Institut Carnot DigitAg

Site pour l\'UMR LEPSE

Bouidghaghen Jugurta

Bouidghaghen Jugurta
Chercheur doctorant avec ARVALIS et l’UMR LEPSE

Sujet : "Simulation des rendements de maïs à l'échelle européenne par combinaison de phénomique, prédiction génomique et modélisation"

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.

Encadrement :

UMR LEPSE – INRAE : François Tardieu (directeur de thèse) et Claude Welcker (co-encadrant)

ARVALIS – Institut du Végétal : Matthieu Bogard et Delphine Hourcade (Ingénieurs R&D)