Ce travail de thèse s’inscrit dans une démarche de compréhension des mécanismes liés à la productivité primaire et secondaire des systèmes agro-sylvo-pastoraux. Il s’articule autour de trois disciplines : l’écologique, l’agronomie et les mathématiques appliquées.
Des questions plus épistémologiques se posent par rapport à l’approche utilisée pendant cette thèse. Qu’apportent nos modèles à l’état des connaissances actuelles ? À quoi servent- ils ? Que permettent-ils de mieux comprendre ? Quelles sont les différences majeures entre ces modèles théoriques et les modèles prédictifs agronomiques (hypothèses, construction) ? Quelles sont les perspectives d’utilisation de ces travaux ?
4.3.1
Modèle agronomique ou modèle écologique ?
Les agro-écosystèmes sont des systèmes complexes ce qui explique le développement des mo-
dèles en sciences agronomiques (Jones et al., 2017). L’agronomie est une discipline où les
scientifiques cherchent le plus souvent à établir des modèles prédictifs. Les modèles les plus
connus (par exemple le modèle STICS, voir Brisson et al., 1998) sont des modèles prenant en
compte un grand nombre de variables climatiques (température, rayonnement, précipitations, etc.), pédologiques (réserve d’eau utile, teneur en matières organiques), et un grand nombre de pratiques culturales (semis, variétés, fertilisation, irrigation, rotations, modes de récolte). Les modèles en agronomie cherchent à allier la précision (prédictif) et le réalisme (nombre de variables).
Mon objectif n’était pas de construire des modèles purement agronomiques qui se voulaient le plus précis et prédictif possible. Une approche plus agronomique aurait probablement pris en compte les changements des populations humaines, les adaptations et changements du sol et du climat ainsi que leur impact sur la végétation. Nous avons proposé ici de représenter un agro- écosystème en utilisant des concepts écologiques qui nous permettent de mettre en évidence les déterminants de la productivité des systèmes agro-sylvo-pastoraux. Nous avons choisi une approche de modélisation qui nous permet de comprendre les processus à expliquer et de pré- voir des comportements. Cette approche est courante en écologie, mais moins en agronomie. La construction des modèles a reposé sur des compromis entre simplicité pour une bonne com- préhension des mécanismes d’intérêt et complexité pour représenter tous les mécanismes d’in- térêt. Chaque nouvelle hypothèse à tester (par exemple : l’exploration du rôle d’autres sources d’azote) demande souvent une extension du modèle, c’est-à-dire une augmentation du nombre de variables. Bien que ces hypothèses soient pertinentes à tester, l’augmentation de la com- plexité du modèle risque d’entraver notre capacité d’interpréter mécaniquement les résultats du modèle.
Selon les travaux sur la stratégie de construction de modèles en biologie des populations de
Levins (1966), il est impossible pour un modèle de maximiser la généralité, le réalisme et la
précision du système représenté (voir Figure 4.2). Nos modèles ici sont guidés par la théorie.
Ils sont mécanistes par la façon dont les processus sont représentés (fonctions mathématiques), théoriques par leur généralité (et le fait qu’ils ne soient pas guidés par des données comme peuvent l’être les modèles statistiques). Chacun des modèles de ce manuscrit a été développé dans le but de maintenir un équilibre entre le réalisme et la généralité et c’est pourquoi, pour chacune des questions de recherche de cette thèse, nous avons développé un modèle mathéma-
tique minimal (sensuMooij et al.,2010).
4.3.2
Modèle pour prédire ou modèle pour comprendre ?
Rastetter (2017) établit une distinction entre deux types de modèles : les modèles pour com- prendre, mécanistes, qui répondent aux questions « comment, pourquoi » et les modèles pour prédire, majoritairement empiristes, qui répondent aux questions « combien, quand et où ». Pour cet auteur, les meilleurs des modèles « pour comprendre » sont des modèles extrêmement simples qui prennent en compte uniquement les processus étudiés. Je pense que le développe- ment de ces modèles ne devrait pas être fait de manière déconnectée, mais plutôt dans un cadre interdisciplinaire. Bien qu’ils cherchent à répondre à des questions différentes, je pense qu’il existe une réelle complémentarité entre ces approches de modélisation. Comme d’autres au- teurs, je pense qu’une approche interdisciplinaire de l’étude des agro-écosystèmes contribuera
4.3.3
Autres études portant sur les SASP-AO
À ma connaissance, ce type d’approche de modélisation n’a pas été utilisé pour les systèmes agro-sylvo-pastoraux d’Afrique de l’Ouest. Les études sur la gestion de la fertilité des sols se font principalement à l’échelle de la parcelle par évaluation ou expérimentation. Ces études sur les SASP-AO sont d’ailleurs nombreuses. Or, les agro-écosystèmes sont des systèmes com- plexes où se produisent de multiples interactions à de multiples échelles : la productivité et la stabilité de systèmes aussi complexes dépendent de ces interactions. D’autres travaux ont porté
sur la durabilité des agro-écosystèmes d’Afrique de l’Ouest. RécemmentGrillot(2018) a étudié
les conséquences décisions des agriculteurs concernant le type d’élevage (« traditionnelle », « transhumance » et « embouche ») sur les flux d’azote à différentes échelles (famille, parcelle, terroir) avec comme modèle d’étude le cas du bassin arachidier.
De l’autre côté du continent africain, au Kenya, la redistribution des nutriments par le bétail a aussi des effets majeurs sur les cycles biogéochimiques de l’azote et du phosphore. Dans ces écosystèmes, les pasteurs traditionnels accroissent l’hétérogénéité des paysages en créant des structures temporaires (bomas) permettant de protéger le bétail pendant la nuit. Lorsque ces
bomassont abandonnées, ils deviennent et persistent pendant de nombreuses années (30-40 ans
min), des surfaces riches en nutriments et avec une végétation unique (Augustine,2003,2010).
Une approche générale permettrait t-elle de détecter des mécanismes généraux à ces systèmes ?