Les difficultés à penser la production de connaissances

Nous souhaitons ici discuter de la façon dont les agronomes s’approprient ou pourraient s’approprier dans leur activité les questions issues du processus de travail avec les acteurs de l’évaluation variétale. Ces questions émergent en lien avec l’activité d’évaluation variétale : elles apparaissent dans la confrontation de l’expertise des acteurs de l’évaluation variétale et des modèles qu’ils ont élaborés à propos des variétés et de leur comportement au champ à ceux des agronomes. Les questions qui émergent de ce processus sont en conséquence sensiblement différentes de celles qui peuvent émerger entre agronomes, ou entre scientifiques, ou au sein d’instances de recherche plus académiques. Elles sont par nature liées à la situation de travail, l’activité des acteurs de l’évaluation et à l’objectif, ingénierique, de production d’un outil. Pourtant, nous pensons avoir montré qu’elles n’en constituent pas moins des questions scientifiques intéressantes pour les agronomes et qu’elles permettent aux agronomes simultanément de les traiter et de répondre aux attentes des acteurs.

1.1 Les inconforts

Deux difficultés sont à souligner par rapport au traitement des questions issues du processus. La première concerne le choix fait parmi les questions et notre difficulté à savoir, parfois, à qui adresser la question. Si nous posons l’hypothèse qu’une question scientifique est une question qui a une portée plus large ou plus « universelle » que celle d’un groupe d’acteurs, il faut arriver à différencier dans les questions renvoyées par les utilisateurs celles qui ont une portée générale dans la discipline agronomique et celles qui restent liées aux problèmes d’usage et d’utilisation. Le rôle de l’agronome est alors de savoir extraire des discours et débats des acteurs l’essence d’une interrogation scientifique. Or il nous a parfois été difficile de faire le tri entre les questions qui relevaient d’un changement des pratiques des acteurs et celles qui relevaient de la responsabilité des agronomes pour trouver des réponses. Nous avons présenté deux cas (parties II et III) où nous avions repéré la possibilité d’avoir une production scientifique à partir de questions des acteurs. Mais nous avons également fait apparaître nos interrogations sur les questions autour des notations maladies ou autour du mode d’emploi de DIAGVAR, en ce qui concerne les données manquantes par exemple, deux types de questions qui peuvent être renvoyées aux acteurs ou, au moins, être partiellement résolues en modifiant leurs pratiques. Ce genre d’hésitations a ponctué fréquemment les échanges de la phase 3 entre agronomes. Il s’agit là d’une vraie difficulté liée au type de démarche entreprise et qu’il est difficile de dépasser. Notre façon de choisir les quelques questions que nous avons analysées a finalement été pragmatique. Les questions choisies étaient celles qui paraissaient avoir un intérêt scientifique, qu’il était possible de traiter dans un temps court et pour lesquelles nous disposions de compétences et de ressources (données expérimentales par exemple) disponibles. Mais beaucoup de questions sont sorties du processus. Or à partir du moment où ces questions ont été identifiées comme ayant un intérêt scientifique, comment justifier de n’en traiter qu’une partie ? Comment les hiérarchiser ? Comment informer les acteurs de ces choix et leur faire partager ? Comment répondre à cette

Exploration de questions agronomiques à l’interface entre le modèle DIAGVAR et l’activité des utilisateurs

114 abondance de questions ? Un objectif de ce travail de thèse visait principalement à faire la démonstration de la richesse du processus d’interaction entre « chercheurs-concepteurs » et « acteurs-utilisateurs » pour l’activité des chercheurs agronomes. Cet objectif a été atteint, mais comment aller au-delà et travailler sur la façon de gérer l’équilibre entre évolution du modèle agronomique et évolution des pratiques des acteurs de l’évaluation variétale dans une démarche de conception pour des chercheurs agronomes ?

La seconde question concerne le niveau d’utilité des réponses apportées aux questions. Dans le cas du travail sur les liens INN/SPAD, cette utilité a été bien établie. Le travail a été présenté aux acteurs, au cours des réunions d’étape du projet FSOV, et des réunions d’avancement du front méthodologique 2 au GEVES. Tous ont été intéressés par la possibilité de remplacer les mesures d’INN et par la souplesse associée à l’utilisation des chlorophylle-mètres. Certains obtenteurs, ainsi que les responsables du GEVES, se sont engagés à collecter des données supplémentaires (mesures simultanées d’INN et de SPAD sur quelques essais) afin d’évaluer la relation de l’article, qui n’a été établie que sur un lieu, de tester sa qualité prédictive dans une plus large gamme de conditions environnementales. D’autre part, la responsable de l’évaluation variétale chez Arvalis-Institut du végétal a proposé de valoriser les nombreuses données dont ils disposent pour tester, voire améliorer la relation que nous avons établie : Arvalis est en effet un partenaire de longue date de l’entreprise Yara, conceptrice de l’outil N-tester. L’indicateur fourni par les chlorophylle-mètres est d’autre part celui qui a été retenu pour être testé par le GEVES dans le cadre du développement de DIAGVAR sur l’espèce maïs. D’autres expérimentations sont donc en cours autour de cette question qui continue à vivre chez les utilisateurs.

Un point mérite notamment d’être davantage creusé par rapport aux pratiques expérimentales des acteurs : l’intérêt d’utiliser un index des mesures de chlorophylle-mètres (index calculé par rapport à une culture surfertilisée). Dans une même situation expérimentale, les valeurs moyennes des chlorophylle-mètres varient entre variétés selon l’épaisseur de la feuille, la couleur des feuilles de la variété, etc. Il est donc difficile d’utiliser des mesures de chlorophylle-mètres dans l’absolu, la référence à la variété étant indispensable. Pour réduire ce problème, nous proposons d’utiliser un index SPAD, ratio de la valeur mesurée sur une variété donnée dans une parcelle sur la valeur mesurée sur la même variété dans une parcelle non limitée en azote. On obtient alors des valeurs comparables d’une variété à l’autre. Cette solution nous paraissait pouvoir être mise en pratique par les acteurs de l’évaluation variétale car tous disposent de modalités non limitantes en intrants, menées avec des stratégies d’assurance, dans leurs essais variétaux. Notre proposition était donc qu’ils utilisent ces modalités pour obtenir la référence variétale qui permet d’établir l’index. Cependant ces modalités « non limitantes » des essais variétaux ne sont pas toujours à l’abri de facteurs limitants pouvant perturber l’absorption de l’azote par la plante (par exemple en cas de sécheresse, voir le chapitre A). Dans ce cas, notre hypothèse d’utiliser les modalités non limitantes comme références de situations bien alimentées en azote peut être mise en défaut. De plus, si l’hypothèse ne posait pas de problèmes aux partenaires du GEVES ou d’Arvalis, les obtenteurs semblaient craindre qu’elle ne soit pas systématiquement vérifiée dans leurs essais. Il conviendrait donc de vérifier cette hypothèse pour s’assurer définitivement de la faisabilité d’utiliser un chlorophylle-mètre. Si l’hypothèse devait être infirmée, d’autres pistes devraient être explorées mais hors du champ des outils basés sur les propriétés optiques de la chlorophylle. En

effet, l’utilisation du GPN® ou du N-sensor, des outils de télédétection basés cette fois sur la réflectance des cultures, a parfois été évoquée, mais cela ne résoudrait pas le besoin d’avoir une modalité non limitante en azote (ou de disposer d’une bande surfertilisée…).

Dans le cas du travail sur les méthodes statistiques du diagnostic agronomique, les connaissances produites semblent être moins directement actionnables par les acteurs.

Le travail, réalisé en collaboration avec un chercheur statisticien, était ambitieux et nécessitait un travail de programmation conséquent. Initialement, un grand nombre de bases de données différentes devaient être explorées pour pouvoir décrire aux utilisateurs les exigences minimales sur les réseaux pour garantir un résultat fiable de cette étape d’analyse des données. Nous pensions explorer différentes configurations en termes de nombres d’années, nombres de milieux, nombre de conduites…pour parvenir à caractériser les réseaux. Le travail s’est en fait réorienté vers des aspects de méthodologie statistique car cet objectif initial était trop lourd. En effet, il était nécessaire d’explorer la stabilité des méthodes statistiques en réponse à de petites variations des données sans chercher à structurer ces variations dans un premier temps. Ce travail était déjà conséquent en termes de programmation et en termes de résultats. En conséquence, l’article présenté ci-dessus constitue une réponse à une première question « quelle est la méthode la plus stable ? » et non à la question plus large « faut-il adapter la méthode à la base de données ? ». Nous avons pu mettre en évidence les différences de stabilité des méthodes de sélection dans la discrimination des facteurs ayant limité le rendement mais nous n’avons pas été en mesure d’établir des prescriptions très précises quant au choix de la méthode à utiliser. Nous n’avons pas pu investiguer comment les méthodes statistiques réagissaient de manière différenciée et spécifique à des critères qui nous auraient permis de comprendre ce qui caractérise un réseau.

D’autre part, pour les besoins de l’étude, le modèle de DIAGVAR a dû être simplifié pour répondre aux exigences d’un article scientifique orienté sur des éléments statistiques. Dans l’article, la méthode la plus proche de celle de DIAGVAR est en fait la méthode stepwise forward basée sur le critère AIC (et non plus sur le critère d’un test de Fisher à 15% comme dans la méthode utilisée par C. Lecomte) et ne bénéficiant plus des corrections qui avaient été introduites par C. Lecomte pour garantir la validité agronomique des facteurs limitants sélectionnés. Les indicateurs de facteurs limitants, variables explicatives de la stepwise, ne sont plus convertis sur une échelle commune mais sont laissés à leurs valeurs brutes car la détermination des valeurs aux bornes de cette échelle était, elle aussi, sujette à discussion. Via ces quelques simplifications, nous avons réduit l’expertise agronomique introduite dans la méthode, allant ainsi à l’encontre de ce que nous encourageons dans l’article (voir le paragraphe II.2). Nous avons également réduit le nombre de facteurs limitants introduits dans le modèle. Nous avons pour cela regroupé certaines phases de développement (par exemple en proposant des indicateurs sur une période remplissage et non plus sur des périodes floraison/stade laiteux, stade laiteux/maturité) et nous avons supprimé des facteurs limitants redondants (par exemple, les indicateurs nj25fl et st25fl qui décrivent le même problème de températures maximales journalières supérieures à 25°C, le premier en nombre de jours et le second en somme des températures journalières). Nous avons ainsi réduit le nombre de facteurs limitants à 22 au lieu des 82 initialement étudiés. Le travail n’est donc pas directement utilisable par les acteurs de l’évaluation variétale. Il amène néanmoins des

Exploration de questions agronomiques à l’interface entre le modèle DIAGVAR et l’activité des utilisateurs

116 conclusions intéressantes pour eux. Il les alerte quant à l’instabilité de la méthode en lien aux variations de la base de données, qui pourrait s’avérer redoutable au regard de la diversité des bases de données des acteurs et des sous-ensembles qu’ils pourraient vouloir explorer. Au cours de la phase 2 par exemple, nombreux sont ceux qui ont exploré l’outil en découpant leurs données et en testant de très petites combinaisons de milieux, ce qui repose immédiatement le problème du ratio évoqué dans l’article entre le nombre de variables à estimer et le nombre de données disponibles. Ce travail a également été l’occasion d’explorer une nouvelle gamme de facteurs limitants, réduite par rapport à celle proposée initialement dans DIAGVAR. Or, les trois groupes d’acteurs avaient tous critiqué l’abondance des facteurs limitants et leur redondance. Le fait que nous ayons dû étudier les possibilités de supprimer certains indicateurs, tester leurs corrélations, faire des choix parmi les facteurs redondants, reformuler certains indicateurs en regroupant certaines phases du développement proposées à l’origine, constitue donc un travail utile aux acteurs. Nous avons d’ailleurs présenté cette nouvelle gamme de facteurs limitants aux trois groupes d’acteurs, et notamment aux acteurs du GEVES que nous avons consultés au cours de ce travail et qui ont débattu de la pertinence des ajustements faits. Les réactions ont été très positives, même si certains indicateurs de facteurs limitants sont parfois apparus trop globaux. Par exemple, nous avions proposé de n’avoir qu’un seul indicateur « maladies du pied de la plante » au lieu d’avoir des indicateurs séparés « piétin verse », « fusariose des tiges » et « rhizoctone ». Mais les acteurs nous ont demandé de conserver la distinction car ils souhaitaient pouvoir évaluer la résistance de leurs variétés au piétin verse spécifiquement. Il s’agit d’un exemple simple mais il y a fort à parier que nous trouverons d’autres cas de ce genre dans notre gamme de facteurs limitants. Ainsi, la réduction de facteurs limitants que nous avons proposée découlait principalement des exigences scientifiques et statistiques permettant de publier nos résultats. Il convient désormais de l’adapter aux exigences et aux attentes des acteurs, ce qui nous conduira très certainement à trouver un compromis entre la gamme utilisée à l’origine et celle utilisée dans l’article ci-dessus. Dernier point qu’il nous semble intéressant de souligner, le travail sur la stabilité des méthodes nous a amenée à recommander d’effectuer un premier tri des facteurs limitants ayant pu joué dans le réseau par expertise. Ce faisant, il va dans le sens de notre travail avec les utilisateurs potentiels de DIAGVAR et nous encourage à laisser davantage de prises à l’expertise dans l’outil.

1.2 Un cadre pour les résoudre

Ces difficultés nous ont amenée à chercher un cadre dans lequel situer notre réflexion, afin de mieux visualiser dans quel espace nous circulons lorsque nous produisons des connaissances, les voies qu’on explore et celles qui restent en suspens.

Nos difficultés tiennent au fait que nous nous situons dans le cadre d’un projet à dominante ingénierique, orienté vers la production d’un outil mais aussi vers le développement des activités des acteurs de l’évaluation. Notre travail est donc marqué par l’opérationnalité et la situation des acteurs qui pourraient utiliser l’outil. Pour autant, nous avons l’ambition de montrer que ce cadre permet la production de connaissances scientifiques. Cela nous a amenée à nous interroger sur la manière dont nous avons navigué entre production de connaissances et situation d’usage de ces connaissances, deux espaces qui nous préoccupent tout autant.

Figure C-9 : exemple de représentation de la théorie C-K (Le Masson et al., 2006)

A l’issue d’un premier cycle de recherche sur un moteur pour les missions martiennes, il apparaît que le nouveau moteur imaginé est moins bon qu’un carburant classique pour tous les scénarios de mission envisagés par les concepteurs. En replaçant toutes les recherches effectuées sur ce moteur en cours de conception avec le formalisme C-K, les chercheurs ont permis de rendre apparentes les connaissances supplémentaires crées jusque là. Ces connaissances ont invité à structurer différemment les missions. Ce faisant, le concept initial a été partitionné en « utilisé uniquement sur Mars » et « utilisé ailleurs ». Cela a permis de mettre en évidence l’ouverture d’un nouvel espace de connaissances à explorer, connaissances qui ont conduit, une fois produites, à de nouveau spécifier le concept. Le jeu des expansions successives permet de réviser profondément l’identité de l’objet en cours de conception, et de revoir les critères de son évaluation. La conséquence de cet effort de conception n’a pas été négligeable puisqu’il a dégagé un espace de valeur pour le moteur imaginé, qui est redevenu finançable par les bailleurs de fond.

Cadre C-4 : illustration du cadre C-K : un nouveau moteur pour les missions martiennes (Le Masson et al., 2006, pp.284-288

Exploration de questions agronomiques à l’interface entre le modèle DIAGVAR et l’activité des utilisateurs

117 La théorie C-K développée par Hatchuel et Weil (2002, 2003), Hatchuel et al. (2004), Le Masson et al. (2006, chapitre 10) nous a éclairée par rapport à cette question. Dans cette théorie portant sur une proposition d’organisation du raisonnement de la conception innovante, les auteurs identifient des espaces dans lesquels circulent les concepteurs : l’espace des concepts (C) (la notion de concept étant prise ici comme relative à l’idée de conception : « la pile à combustible », « internet dans la voiture », « la voiture féminine ») et l’espace des connaissances (K). La conception, d’après les auteurs, cherche à étendre les concepts avec la connaissance existante et étendre les connaissances avec les concepts existants. Les concepteurs travaillent alors du champ K au champ C, du champ C au champ K mais aussi à l’intérieur du champ C et à l’intérieur du champ K. Le champ des concepts et celui des connaissances peuvent donc évoluer, être spécifiés, retravaillés et le sont l’un en rapport avec l’autre. Nous avons reproduit dans la figure C-9 un schéma de synthèse sur le processus C-K. A gauche, nous trouvons la situation initiale : le concept est encore peu spécifié et on ne trouve dans le champ des connaissances que quelques connaissances de référence. Plus bas et à droite, se trouve la situation après quelques étapes de conception : le concept est davantage spécifié et de nouvelles connaissances sont apparues. Le fait de présenter ainsi le processus de conception permet aux auteurs de formaliser des allers- retours et de procéder de façon rigoureuse dans l’exploration des possibilités. Les auteurs développent par exemple l’exemple d’un projet de conception d’un moteur pour les missions martiennes en montrant que la structuration du projet dans ces espaces a permis de débloquer ce projet qui n’avançait plus. Nous en donnons quelques détails dans le cadre C-4. En traçant le raisonnement qui avait déjà été mené dans les espaces C-K, les concepteurs ont été amenés à préciser concepts et connaissances : ils ont utilisé les connaissances produites dans le projet bloqué pour partitionner leur concept. Ils ont donc précisé le concept qu’ils prétendaient réellement étudier, ce qui leur a permis de justifier de nouveaux financements et de relancer leur projet.

La conceptualisation de la théorie C-K va bien au-delà de ces quelques éléments. Ce qui nous intéresse dans cette théorie, c’est la vision de deux espaces distincts qui se spécifient l’un et l’autre dans la conception. Mais il nous semble décisif de rajouter un troisième espace à ces deux premiers : celui de la situation singulière d’action, c'est-à-dire l’espace dans lequel le concept va être mis en action, que nous appellerons « espace A ». Les inconforts cités dans le paragraphe précédent semblent en effet pouvoir être dépassés en comprenant mieux comme se fait la circulation entre l’espace de l’action, celui des connaissances et celui des concepts, dans le cadre d’un projet de production ingénierique. Ce que nous ajoutons au cadre proposé par la théorie C- K réside dans l’étude de la façon dont la singularité des situations est intégrée dans la production ingénierique.

Nous proposons donc dans la partie suivante de formaliser notre production dans ce cadre C-K- A en spécifiant les situations singulières d’action des acteurs concernés, les différents champs de connaissance explorés et comment les situations d’usage mettent en mouvement les connaissances et le concept du projet. Il ne s’agit pas de mobiliser cette théorie comme une aide au pilotage du processus de conception, ainsi que cela est envisagé par Le Masson et al. (2006) mais de s’en servir pour revenir sur le processus sous l’angle des connaissances qu’il permet de développer dans une dynamique entre l’espace des concepts et l’espace des situations singulières.

Ce faisant, nous serons aussi conduite à préciser la dynamique des concepts et la façon dont elle