La structure globale de l’outil d’aide à la décision

Cet outil d’aide à la décision est destiné à apporter une aide aux personnes en charge de la maîtrise de la qualité de l’eau sur un bassin versant. Il ne vise pas forcément à proposer directement des actions à l’utilisateur mais il vise à apporter, d’une part, un support médiatique sur quelques configurations et cas précis et, d’autre part, des préconisations générales.

Plus particulièrement, deux fonctionnalités sont attendues de cet outil :

• dans un premier temps, tester différents scénarii par simulation afin d’évaluer l’impact sur la contamination des eaux ;

− de stratégies de désherbage choisies par les agriculteurs,

− de configurations spatiales des applications de désherbants sur le bassin versant,

− de structures d’aménagement de l’espace rural (haies, bandes enherbées, …),

− de conditions climatiques ;

• dans un second temps, déterminer les variables explicatives et établir les relations entre elles et les variables de sortie sur la qualité de l’eau par des techniques d’apprentissage symbolique afin d’avoir une meilleure compréhension de leur rôle et de leur importance respective dans les phénomènes de contamination des eaux.

Les résultats présentés sous forme cartographique, visualisant par exemple, les parcelles ayant produit du ruissellement en fonction des précipitations et des activités agricoles, constituent des représentations médiatiques adaptées à la décision. Cette forme de représentation est plus démonstrative que des cartes de risque établies une fois pour toutes à partir d’approches par indicateur (Aurousseau et al., 1998b). L’analyse des simulations par apprentissage symbolique, sera à la base de recommandations générales d’actions portant sur les pratiques agricoles et les aménagements en vue d’une maîtrise de la contamination des eaux par les herbicides.

Cet outil d’aide à la décision s’appuie sur un modèle permettant de visualiser les transferts d’herbicides des parcelles traitées jusqu’à l’exutoire du bassin versant par ruissellement et écoulement de subsurface à partir de scénarii. Ces scénarii comportent un nombre important de données d’entrées. Ces données peuvent être regroupées dans trois thématiques :

• les caractéristiques du bassin versant : la topographie, les dynamiques de nappe, la configuration du parcellaire et les aménagements. Les deux premières sont liées au milieu et ne peuvent être modifiées contrairement aux deux dernières qui peuvent faire l’objet d’actions anthropiques ;

• les différentes actions des agriculteurs en terme de travail du sol et de désherbage comprenant des chroniques (dates de semis, d’applications, …) et de pratiques agricoles (mode de travail du sol, molécules actives, doses appliquées). Á ce stade, la modélisation n’intègre pas les arrières effets (types de rotation) et une approche systémique des cultures et des adventices ;

• les conditions climatiques : la pluie horaire et la température moyenne journalière.

Cette classification des données nous a amenés à concevoir une architecture modulaire pour ce modèle constitué de quatre modules (figure 5.1) :

• un modèle climatique. Il doit permettre de générer des fichiers climatiques vérifiant des critères donnés en entrée. Il est en cours de définition ;

• un modèle spatial. Il doit pouvoir fournir des paysages virtuels comportant une topographie et un parcellaire avec des renseignements sur l’occupation du sol, les aménagements effectuées et l’appartenance à une exploitation. Il est aussi en cours de définition ;

• un modèle décisionnel. Son rôle est de simuler les actions des exploitants agricoles vis à vis du désherbage des cultures. Il est alimenté par les modèles climatique et spatial. Un premier modèle est en phase de test. Il fonctionne actuellement pour les cultures de maïs et sa description est présentée dans la section suivante (cf. Chap. 5-2) ;

• un modèle de transfert. Il doit permettre d’obtenir des flux journaliers d’herbicides à l’exutoire du bassin versant. Il est alimenté par les trois précédents modèles. Le modèle utilisé est celui décrit dans les chapitres précédents.

Cette architecture permet d’avoir plusieurs niveaux de détail allant d’un scénario global jusqu’aux jeux de données d’entrée du modèle de transfert. Ces différents niveaux d’abstraction nécessitent des langages adaptés. Il faut donc pouvoir passer d’une description numérique (jeu de données du modèle) à une description qualitative (scénario explicitant les relations à faire émerger). Cette description qualitative est plus adaptée à l’expression de scénarii de simulation ayant un sens et une utilité pour le gestionnaire. Ceci permet aussi une description des scénarii et de leurs résultats sous forme agrégée, plus facile à interpréter.

Une méthodologie a été définie pour situer le rôle des scénarii vis-à-vis du modèle de simulation (figure 5.2) en s’appuyant sur une collecte de scénarii pertinents pour la problématique traitée. Un exemple de scénario est le suivant : « Quel est l’impact du désherbage mixte (mécanique et chimique) ? Sa mise en place peut-elle être recommandée dans certaines parcelles ? Est-il efficace dans n’importe quelles conditions climatiques ? ».

Une étape importante consiste à élaborer un « langage de scénario » permettant de traduire les descriptions conceptuelles des scénarii en contraintes quantitatives sur les données numériques utilisées en entrée du modèle, tels que les doses appliquées, les précipitations journalières, les caractéristiques des parcelles. Ce langage permet aussi de décrire de manière qualitative les sorties quantitatives de la simulation que sont les concentrations et les flux de pesticides journaliers. Ceci permet de passer du langage utilisé dans les modèles de simulation, dans lesquels les entrées et les sorties sont en majorité numériques, à un langage qualitatif, plus adapté à l’expression de scénarios de simulation ayant un sens et une utilité pour le gestionnaire, et à l’expression des résultats sous forme agrégée et plus facile à interpréter. Un travail est actuellement mené sur la formalisation du langage de scénario par l’établissement de la correspondance entre vocabulaire des scénarios et entrées du modèle.

L’analyse des résultats de la simulation des scénarii peut être entreprise manuellement par les utilisateurs de l’outil tant que le nombre de simulations reste faible. Cela rend toutefois difficile la mise en évidence de relations d’influence entre les choix des agriculteurs (caractéristiques et localisations spatiales et temporelles des applications), la configuration du bassin versant, les chroniques climatiques et la qualité de l’eau, tant les paramètres et leurs gammes sont étendues et difficiles à catégoriser. Cette analyse ne peut se faire en effet que sur la base de l’analyse d’un grand nombre de résultats de simulation. C’est pourquoi les techniques d’apprentissage symbolique ont été choisies afin de faire émerger des résultats avec un certain niveau de généralité.

Le travail d’apprentissage symbolique a fait l’objet d’un mémoire de DEA informatique de l’Institut de Formation Supérieure en Informatique et Communication (IFSIC) (Sannier, 2003) et se poursuit par la thèse de Ronan Trépos, actuellement en cours à l’Institut de Recherche en Informatique et Systèmes Aléatoires (IRISA) (démarrage en novembre 2004). Des premiers résultats, à partir d’un modèle de transfert simplifié et des données historiques principalement acquises sur le bassin du Frémeur, sont présentés dans Cordier et al. (2004) (annexe 1).

Dans le cadre de cette thèse, notre travail a porté, outre le modèle de transfert et la participation à la conception de la structure globale du modèle, sur l’élaboration du modèle décisionnel et de l’interface graphique que nous décrivons ci-après.