1Le mainstream de l’agronomie des chercheurs est focalisé sur l’écophysiologie des plantes cultivées en conditions normées (laboratoire, champ d’essais) et, de plus en plus, simulées. Certes, les questions d’environnement et de qualité des produits suscitent l’émergence d’espaces où l’agronome doit repérer l’identité et les intérêts d’interlocuteurs nouveaux. Mais les concepts et les méthodes restent massivement dans le cadre du végétal cultivé et des interventions qui affectent le cycle cultural d’une parcelle, à partir de quoi sont abordées les règles de décision de ces interventions et leurs conséquences sur le site.
2Les agronomes impliqués dans le projet ROSA opèrent doublement à l’écart de ce courant principal. Ils s’intéressent d’emblée à l’exploitation située dans un territoire, ce qui implique les pratiques des personnes qui l’organisent et la font fonctionner. Qui plus est, le présent chantier de recherche se situe en région d’élevage sur des prairies « naturelles », donc complexes et hétérogènes. L’agronomie aujourd’hui (Doré et al., 2006) – c’est le titre de l’ouvrage de synthèse, récent, sur ce que produisent les chercheurs agronomes – ne parle tout simplement pas de cette catégorie de terrains, qui constituent pourtant plus du tiers de l’espace agricole de la France…
- 1 Voir (Le Ber & Brassac, ce numéro), pour une présentation complète du projet ROSA.
3Le projet ROSA s’est constitué à l’origine dans une collaboration entre agronomes et informaticiens pour opérer une réflexion sur des méthodes formelles utiles à cette agronomie des territoires, qui s’intéresse à des systèmes complexes, non expérimentables et accessibles uniquement par des diagnostics de terrain (Deffontaines 1991). Ces diagnostics sont en effet en manque d’outils de modélisation, et de ce fait, pour ainsi dire privés d’existence scientifique. L’objet du projet ROSA était précisément de développer une approche de l’intelligence artifielle, le raisonnement à partir de cas, sur des problématiques de diagnostic des territoires agricoles. Le choix du raisonnement à partir de cas – modèle imaginé à l’origine par des psychologues (Riesbeck & Schank, 1989) – s’est fondé sur une adéquation a priori entre ce modèle informatique et les procédures d’enquêtes et d’analyses mises en œuvre par les agronomes. L’intervention ultérieure de psychologues et linguistes1 nous a confortés dans ce choix, en montrant, par le filmage et l’analyse de séances de travail entre agronomes et informaticiens, l’apport de l’interaction pour la modélisation des connaissances agronomiques. Ils ont montré que cet apport s’établit dans un processus collectif qui permet tant à l’agronome qu’à l’informaticien de remettre en question leurs modèles et de construire de nouvelles connaissances (Brassac et al., ce numéro). La conception du système ROSA ne se réduit donc pas à la mise au point d’un outil pour les agronomes, mais se constitue bien comme un processus collaboratif de construction de connaissances.
4L’article s’organise comme suit : dans un premier temps, nous situons parmi les recherches agronomiques celles des agronomes du projet, qui s’intéressent plus particulièrement à l’analyse des systèmes herbagers, et détaillons leur méthodologie ; dans un deuxième temps nous présentons le modèle informatique du raisonnement à partir de cas ; dans un troisième temps, nous situons le projet ROSA dans ce double cadre agronomique et informatique et détaillons la problématique de construction de connaissances mise en jeu, puis nous esquissons d’autres apports possibles des approches développées en intelligence artificielle aux problématiques agronomiques décrites dans la première partie de cet article. Nous concluons en revenant sur l’intérêt pour l’agronome d’une collaboration avec d’autres domaines disciplinaires et d’autres méthodes.
5L’agronomie, domaine de recherche et matière d’enseignement, se définit classiquement par un objet d’étude premier : le champ cultivé ; et par un concept‑clé : le système de culture. Il s’agit de comprendre le cycle de vie d’un végétal cultivé et l’impact des interventions culturales, prioritairement en lien avec les objectifs de production végétale. Et on attend aussi de l’agronome des conseils d’action, ce qui implique des capacités de diagnostic.
- 2 Pourtant, à l’INRA, le Département Environnement et Agronomie résulte de la réunification des force (...)
6Toutefois, la production académique actuelle concerne principalement l’écophysiologie des grandes cultures abordée au laboratoire ou dans le champ d’essai. L’objet type y est une plante cultivée annuelle, monospécifique, d’une variété améliorée, cultivée en conditions contrôlées, avec peu ou pas de contraintes pour les apports de nutriments. Son cycle de vie est balisé par l’écophysiologie, ce qui permet de concevoir une conduite de la parcelle selon un mode planifié, avec des arbitrages en cours de saison, pour parer aux aléas. Dans ce tableau, les sols vus par le pédologue et l’aménageur sont absents2 et, tant la biogéographie et l’écologie du paysage, que la géographie et l’économie, ne font l’objet que de mentions cursives. Pourtant, dès 1991, Jean‑Pierre Deffontaines publiait des propositions limpides pour faire du champ un lieu d’élargissement du domaine de l’agronome. En direction notamment de l’interdisciplinarité, bien loin de s’encombrer d’ambitions intégratrices à coup de modèles mécanistes, il s’agissait d’étoffer l’approche directe des processus à l’œuvre dans les territoires que gèrent les agriculteurs.
7En bref, la production biotechnique dominante en agronomie reste largement abstraite de l’espace où l’on attend sa mise en œuvre. Ainsi, l’agronomie se soustrait au vieux reproche d’être une science de « localités », mais on peut craindre que la quête du « générique » efface le souci de pertinence vis‑à‑vis des activités humaines.
8Cependant, parce que les conséquences des choix techniques doivent être prises en compte de façon plus large, l’élaboration de diagnostics et de prescriptions ne suffit pas. L’agronome doit en particulier considérer l’agriculteur qui observe, décide, intervient, et pas seulement au niveau de la parcelle. Dès les années 1980, des agronomes ont argumenté que ces pratiques soient un objet de recherche reconnu (Landais & Deffontaines, 1989).
9Par la suite, les évolutions de l’agriculture et plus encore celles de la société poussent l’agronome à ajouter le territoire sur son agenda. Telle est notamment la conviction d’un expert du domaine, Michel Sebillotte (2006), qui argumente pour la reconnaissance de « trois métiers correspondant à trois épistémologies du chercheur » – repérés par leur objet privilégié : 1) la parcelle, fruit de l’activité de l’agriculteur, 2) l’agriculteur cultivant ses parcelles, 3) le « territoire-projet », objet nouveau, nécessairement transdisciplinaire.
10C’est bien pour un territoire-projet, avec diverses parties prenantes, que nos recherches sont engagées. Les questions posées tournent autour de l’usage des terrains par l’élevage et des dynamiques que cette activité y provoque ou y contrarie. Le détail des pratiques – qu’on appellera globalement pastorales – importe au premier chef pour le futur des ressources environnementales. C’est pourquoi nous travaillons à décrire et comprendre ce que fait l’agriculteur dans son champ, en l’occurrence l’éleveur dans ses terrains à pâturage. Ces pratiques sont très peu référencées. Leur efficience et surtout leur opportunité doivent être considérées au niveau d’un système technique et pas seulement au niveau parcellaire.
11Nous avons proposé de considérer l’activité d’élevage – enjeu problématique dans le champ biotechnique – comme un système technique (Osty, 1978 ; Osty et al., 1998). Parler de système technique, c’est considérer comment sont assemblés terrains, cheptels, équipements et pratiques, de façon à avoir un ensemble cohérent, qui « marche » et qui dure. Nous avons montré, en particulier, le rôle structurant des pratiques de reproduction et d’allotement des animaux. Avec une base d’enquêtes exhaustives et répétées à plusieurs d’années d’intervalle, les conclusions sont fortement établies.
12La diversité inter et intra‑exploitations y est essentielle à prendre en compte, à l’opposé des démarches qui d’emblée éliminent les pratiques et leur contexte. En effet, les choix d’aménagement et d’organisation que font les éleveurs sont autant de réponses à des questions qu’explicitement ou non, ils se posent pour travailler autant que possible efficacement. Il nous importe d’identifier ces choix et leurs bonnes raisons. De ce gisement de questions peut surgir aussi des pistes d’innovations (Petit et al., 1975).
13Concrètement, l’identification des entités pertinentes est une question-clé, au départ comme à l’arrivée : d’une part, entités pertinentes pour l’analyse ; d’autre part, entités pertinentes pour agir, en tous cas pour les praticiens (Gras et al., 1989 ; Bellon et al., 2005 ; Benoît et al., 2005).
14Les Grands Causses, plateaux calcaires du sud du Massif Central, sont emblématiques d’une agriculture modernisée, marginale par sa production marchande, mais gestionnaire d’espaces à forts enjeux pour la société d’aujourd’hui : entretien d’un paysage patrimonial préservé mais vivant et accueillant. Parmi eux, le causse Méjan présente des caractéristiques exemplaires : plateau d’altitude, dépeuplé (1,4 hab./km²), couvert de maigres pâturages spectaculaires par leur aspect steppique, ou de bois de résineux médiocres. Depuis 1970, l’est du causse est inclus dans la zone centrale du Parc National des Cévennes, parc dont l’originalité est d’avoir des objectifs de développement, compte tenu de l’habitat permanent et des sites d’exploitations, massivement en élevage ovin, qu’il inclut.
15Parmi les questions, se pose celle de l’embroussaillement des parcours (Lardon et al., 2004). De la station au territoire du causse, le chantier est nécessairement interdisciplinaire tant se nouent différents processus de natures écologique, économique, technique et sociale (Cohen, 2003). Les ressources pastorales subissent l’impact des disséminations de ligneux. Les pratiques d’élevage, du moins les modernes, les ont‑elles déclenchées ? À quelles conditions pourraient-elles les freiner, à défaut de les contrôler ?
16La question des niveaux d’organisation a fait et fait problème pour le diagnostic et le suivi des dynamiques : terrains de parcours hétérogènes, avec une végétation particulière dont l’évolution n’est pas suivie précisément, parcellaires aux contours souvent flous et dont les usages pastoraux ne sont pas répertoriés ni « télédétectables » – comme peuvent l’être des cultures. La valorisation agricole des pâturages n’est chiffrable qu’à des niveaux agrégés, parce qu’elle mobilise au quotidien un éventail composite de ressources alimentaires.
Plus précisément, la cartographie de la végétation est une impasse : sur la base d’inventaires floristiques, la variabilité est beaucoup trop forte (quasiment décimétrique) aux échelles praticables (au moins celle du cadastre). La notion de climax est inopérante pour des formations « pseudo‑steppiques » dont la genèse est évidemment due à des modes d’utilisation révolus. Et on ne sait pas constituer des associations qui aient du sens vis‑à‑vis du pâturage. De plus, la distribution des prélèvements par les animaux, vus la dimension des parcelles et les effectifs des troupeaux, n’est en pratique pas raccordable aux contrôles de la végétation. De plus, on sait aujourd’hui que, selon les espèces, les dynamiques de dissémination sont très variables et imposent de considérer – cas du pin sylvestre et du pin noir – une topographie à l’échelle du kilomètre… Ainsi, aux temps long et espace large de l’exode rural et de la déprise territoriale, puis du redéploiement agricole, s’opposent les temps et espace réduits de l’installation des plantes envahissantes (buis, pin sylvestre, rosacées, etc.) et de la vulnérabilité des plantules au pâturage (Lardon et al., 2004).
17C’est aussi dans un terme moyen à long, dans cette forme d’agriculture, que s’opèrent les évolutions des activités d’élevage. C’est l’effet de l’inertie des types de production liée aux filières et de la lourdeur des investissements en cheptels et bâtiments. Un diagnostic de la situation des ensembles famille‑exploitation est donc nécessaire, avec une attention particulière portée aux facteurs de stabilité ou d’incertitude relativement aux logiques d’action identifiées.
18Dans ces dynamiques, un domaine de savoir-faire est apparu crucial : celui de l’organisation spatiale des exploitations. En effet, les agrandissements d’exploitation, outre des travaux d’aménagement foncier (construction de bâtiments, dérochage, pose de clôtures), impliquent des remodelages conséquents du parcellaire et de son usage. Il s’agit de pratiques de configuration que nous avons identifiées en observant dans la durée la distribution spatio‑temporelle du pâturage. La configuration spatiale des exploitations et leurs possibles changements sont à considérer pour comprendre et évaluer les pratiques d’utilisation et leurs impacts (Lardon & Osty, 2000). Cette dimension-clé des systèmes pastoraux reste une question encore très peu référencée (Girard et al., 2001).
- 3 Dans le même esprit, réalisation probante, dans un cursus de formation, de Soulard et al. (2005).
19Nous avons cherché à identifier les contrastes entre exploitations. En observant des exploitations au cours du temps, alors même que les dimensions et les équipements peuvent évoluer, nous avons pu identifier et expliciter des principes organisateurs contrastés. C’est dans ce but qu’ont été réalisées des études de cas approfondies, avec une attention à la progression et la production de documents cartographiques élaborés3. Leur validation explicite par les éleveurs confirme l’intérêt de ce diagnostic, au-delà des approches classiques (flux physiques, résultats économiques). Ces logiques constituent un repère précieux pour un projet d’exploitation ou, comme c’est engagé désormais, d’un cursus de formation (Naïtlho et al., 2003).
En termes de conduite des troupeaux et d’organisation de l’espace, apparaissent des ensembles de pratiques assez cohérents et stables pour donner sens à l’utilisation du territoire de l’exploitation (Lardon et Osty, 2000). Ainsi le mode de conduite du troupeau est fortement structurant, d’abord par son calendrier : soit il s’ajuste aux ressources de pâturage pour les valoriser selon un mode « rustique », soit il suit un programme de production spécifié (dates et volume des livraisons de lait, d’agneaux de tel format) avec évidemment une position « intermédiaire ». Mais ces objectifs peuvent privilégier ou bien l’obtention et la valorisation d’herbe à pâturer, dans un mode « pastoral », ou bien la sécurisation de l’alimentation du troupeau par la constitution de réserves de nourriture, dans un mode « fourrager », ou encore les deux, dans un mode « complet ».
Ces contrastes de logique éclairent la distribution spatio‑temporelle de l’utilisation de l’espace, mais ne s’y apparient pas strictement. On ne peut préjuger de la gestion des parcours ni à partir du seul type de production et, notamment, de son degré d’intensification, ni à partir des seules dimensions et configurations de l’exploitation. Il existe donc des marges de choix et d’ajustement à explorer, à partir des réalisations des éleveurs et bien sûr avec leur concours.
20Cependant, ces études de cas impliquent une documentation coûteuse et certains détails peuvent gêner les transpositions. C’est précisément la fonction attendue des chorèmes – modèles graphiques de territoires – de donner à voir les caractéristiques des territoires tels qu’aménagés, et de permettre la discussion sur leurs principes organisateurs en regard des pratiques observées ou projetées (voir Lardon et Capitaine, dans ce numéro). C’est aussi une des raisons pour lesquelles nous nous sommes engagés dans une collaboration avec des informaticiens pour développer le système ROSA.
21Dans cette partie, nous présentons un modèle de raisonnement développé en intelligence artificielle et qui a été utilisé dans le cadre du projet ROSA. Le raisonnement à partir de cas (noté RàPC) est un mode de résolution de problèmes s’appuyant sur la réutilisation de solutions de problèmes déjà résolus (Riesbeck & Schank,1989). Nous en présentons les principes puis quelques éléments méthodologiques de conception d’un système de RàPC.
22Pour une application particulière du RàPC, on considère les notions de problème et de solution : résoudre un problème, c’est lui associer une solution. Par exemple, en planification à partir de cas, un problème de planification est la spécification d’un état initial et d’un but à atteindre, et une solution est un plan permettant d’atteindre le but en partant de l’état initial. Un cas est la représentation d’un épisode de résolution de problème : il encode un problème et une solution de ce problème (à laquelle sont généralement associées des informations sur les liens entre ce problème et cette solution). L’ensemble des cas dont un système de RàPC dispose, s’appelle base de cas, et un cas de cette base est appelé cas source (dont la partie problème est appelé problème source). Raisonner à partir de cas, c’est résoudre un problème, appelé problème cible, en s’appuyant sur une base de cas et, en général, sur des connaissances particulières au domaine d’application.
À titre d’exemple concret, si un cas représente la recette d’une tarte aux pommes, sa partie problème décrit la spécification de la tarte espérée (Tarte aux pommes) et sa partie solution décrit la recette en elle‑même (i.e., le mode opératoire de réalisation de cette tarte). Une base de cas sera ainsi une représentation informatique d’un livre de recettes.
23Une session de RàPC est généralement composée de deux étapes principales : la remémoration et l’adaptation. La remémoration consiste à sélectionner un cas source jugé « similaire » au problème cible. L’adaptation a alors pour objectif de s’appuyer sur le cas source remémoré pour résoudre le problème cible, souvent en modifiant la solution associée au cas source en s’appuyant sur la différence entre le problème source et le problème cible. De façon générale, l’adaptation consiste à résoudre un problème de raisonnement par analogie (cf. figure 1) : connaissant les problèmes source et cible, les liens entre ces deux problèmes (ressemblances, différences) et les liens entre le problème source et sa solution (résolution de problème), on cherche à établir une solution de cible. Parfois, une étape de mémorisation suit la résolution de problème et consiste à mémoriser, si c’est jugé opportun, le cas formé par le problème cible et sa solution.
Figure 1– Illustration de l’adaptation (processus qui à partir de source, Sol(source) et cible, construit Sol(cible))
24La remémoration s’appuie souvent sur une organisation de la base de cas par une hiérarchie d’index (un index étant une abstraction ou une généralisation d’un problème source) et/ou sur une mesure de (dis)similarité. Pour spécifier la remémoration, il faut spécifier la notion de similarité entre problèmes. Pour ce faire, le principe de la remémoration guidée par l’adaptation (Smyth & Keane, 1996) est utile. Ce principe dit que le cas source le plus proche est celui qui demandera le moins d’« effort d’adaptation ». Ainsi, la modélisation de la similarité entre problèmes se ramène à une modélisation de la similarité (au sens de « mesure de la transformation ») entre solutions. L’application de ce principe a des conséquences à la fois sur le choix d’une mesure de similarité et sur l’indexation. En particulier, l’indexation a en général pour objectif de généraliser (et/ou abstraire) le problème source en vue de la résolution de problème qui a conduit à la solution du cas source. Si, pour préparer une tarte aux pommes, l’expert-cuisinier explique (a) qu’il faut des pommes mais (b) que la cannelle est optionnelle et (c) que le type de pommes importe peu, l’indexation gardera du cas (a) mais omettra (b) et (c). De façon générale, l’explication de ce qui « joue un rôle » dans la résolution deproblème est utile à l’indexation. De nombreuses approches, parfois ad hoc, pour automatiser l’adaptation existent. On peut néanmoins mentionner l’approche très générale de l’adaptation transformationnelle (application au RàPC de l’analogie transformationnelle (Carbonell, 1983)) qui peut être reformulée en trois étapes. La première étape est l’appariement qui consiste à inférer des deux problèmes source et cible une représentation pb de la « variation » du premier au deuxième problème. La deuxième étape consiste à inférer sol, une « variation » entre deux solutions à partir de pb et de connaissances d’adaptation. Ces connaissances indiquent donc comment varie la solution quand varie le problème. La troisième étape consiste à inférer la solution du problème cible connaissant la solution du problème source et la variation sol.
Supposons qu’on cherche à préparer une Tarte aux poires et qu’on en ignore la recette. L’idée est alors de chercher la recette d’un plat similaire dans le livre de recettes (remémoration). Par exemple, on peut trouver ainsi la recette de la Tarte aux pommes. En effet, la pomme et la poire sont des fruits similaires, du point de vue culinaire. Toutefois, la poire est plus sucrée et plus juteuse que la pomme. Pour adapter la recette de la tarte aux pommes, il ne suffira donc pas de remplacer Pomme par Poire dans la recette, il faut aussi tenir compte de ces différences, si on ne veut pas obtenir une tarte trop sucrée à la pâte détrempée (par exemple, diminuer la quantité de sucre ajouté et précuire les poires).
25Pour certains systèmes de RàPC, plusieurs cas peuvent être remémorés afin de résoudre un seul problème cible. Cela peut se faire d’au moins deux façons. Soit le module de remémoration sélectionne plusieurs cas sources puis, un module de combinaison de ces cas sources permet de construire une solution du problème cible. Soit, le module de remémoration sélectionne un seul cas source qui va donner une solution partielle au problème cible, puis, la remémoration sélectionne un nouveau cas source qui va contribuer à compléter la solution, et ainsi de suite, jusqu’à avoir une solution complète.
Par exemple, si on cherche à préparer une Tarte Tatin aux poires, on peut s’inspirer des recettes de la Tarte Tatin aux pommes et de la Tarte aux poires.
26Pour effectuer un raisonnement à partir de cas, un système de RàPC doit disposer d’une base de cas. Il peut aussi avoir besoin de connaissances pour les différentes étapes du raisonnement, en particulier, de la similarité (ou connaissance de remémoration, qui ne se réduit pas nécessairement à une mesure de similarité), des connaissances d’adaptation, etc. De plus, les connaissances du domaine (c’est‑à-dire l’ensemble des connaissances disponibles du domaine d’application) sont souvent utilisées dans le raisonnement.
- 4 Voir par exemple (Leake et al., 1997 ; Cordier et al., 2007).
27Ce qui motive en général l’utilisation du RàPC est l’absence d’une théorie complète de la résolution de problème dans le domaine d’application. Une telle théorie indiquerait de façon systématique comment résoudre n’importe quel problème, là la réalisation d’une tarte aux pommes, ici la synthèse d’une molécule chimique (Lieber & Napoli, 1996) ou le choix d’un traitement médical (Lieber et al., 2007). Parfois il peut exister des théories (en médecine ou chimie, par exemple), mais elles ne sont pas suffisantes. Par ailleurs, on doit disposer d’expériences particulières de résolutions de problèmes, ce qui rend possible une application du RàPC. Finalement, une des raisons pour lesquelles on développe un système de RàPC est que ces systèmes sont capables « d’apprendre » continument de l’expérience (en mémorisant les problèmes résolus mais également en raffinant le modèle du domaine)4 et obligent les experts du domaine à décrire ces expériences de telle sorte qu’elles soient réutilisables.
28De façon générale, la communauté du raisonnement par analogie en intelligence artificielle, précurseur de celle du RàPC, a introduit les notions d’analogies heuristique et recours pour distinguer deux grandes classes de raisons pour lesquelles utiliser ce mode de raisonnement (Coulon et al., 1990). Ces distinctions s’appliquent au RàPC : un système de RàPC selon le mode de l’analogie heuristique a pour objectif de résoudre une classe de problème que l’on sait résoudre de façon déductive, mais cela, de façon plus efficace (c’est‑à‑dire, en général, demandant moins de temps de calcul). Typiquement, la planification à partir de cas, quand la théorie du domaine est supposée complète, entre dans ce cadre (Veloso, 1994). À l’inverse, la conception d’un système de RàPC selon le mode de l’analogie recours est motivée par l’absence de théorie complète du domaine qui permette une résolution déductive. Elle suppose néanmoins la connaissance d’épisodes particuliers de résolutions de problèmes (les cas source). De plus, la théorie du domaine, même quand elle est très incomplète, est utile à la fois pour la représentation des cas et le processus de RàPC. Le système ROSA entre dans ce cadre et suit donc le principe de l’analogie recours.
29Pour concevoir et spécifier un système de RàPC, on peut suivre les différentes étapes suivantes dans cet ordre, en s’autorisant des retours en arrière (Lieber 2008).
30La première étape est la collecte et la représentation des cas et (donc) des problèmes et des solutions. Cette représentation nécessite l’acquisition et la représentation d’un « vocabulaire » de représentation des cas, c’est‑à‑dire des concepts et des relations entre ces concepts, dont l’ensemble constitue une première version de la théorie du domaine. Celle-ci pourra être enrichie lors des étapes de conception ultérieures. Cette première étape correspond au premier corpus enregistré dans le projet ROSA (Le Ber & Brassac, dans ce numéro).
31La deuxième étape est la conception de l’adaptation. Si on adopte le schéma de l’adaptation transformationnelle, cela conduit à la question de la nature des variations entre problèmes (pb) et entre solutions (sol), et de leurs représentations. Cela entraîne la question de l’acquisition et de la représentation des connaissances d’adaptation, c’est-à-dire, des liens entre les variations pb et sol. Ces deux questions se présentent souvent de manière interdépendante et nécessitent alors un traitement global. Cette deuxième étape correspond au deuxième corpus enregistré dans le projet ROSA (Brassac et al., ce numéro).
32Si on adhère au principe de la remémoration guidée par l’adaptation, cela entraîne que l’étude de la remémoration – troisième étape dans notre schéma de conception – ne saurait précéder celle de l’adaptation. Cette étape a pour objectif de modéliser la similarité entre un cas source et un problème cible, ce qui peut se faire à l’aide d’une mesure de similarité et/ou d’index de cas. Il importe alors de tenir compte de la pertinence des descripteurs de problèmes du point de vue de l’adaptabilité des solutions. Cette relation entre remémoration et adaptation était au cœur de la troisième séance de travail filmée du projet ROSA.
33Le projet ROSA, que présente cet ensemble d’articles, s’inscrit dans une suite de travaux liant agronomie et intelligence artificielle. Partis des organisations spatiales agricoles, d’une problématique de caractérisation et de reconnaissance de ces organisations sur des images satellitaires (Le Ber & Mangelinck, 1998 ; Bachacou et al., 2004), les informaticiens se sont ensuite intéressés à modéliser leurs aspects fonctionnels. Nous avons choisi pour cela d’utiliser le modèle du RàPC, qui permet, à nos yeux, d’interroger en profondeur certaines connaissances des agronomes au travers des études de cas sur lesquelles elles se fondent. Le choix du RàPC se fonde, comme nous l’avons dit en introduction, sur une adéquation a priori entre ce modèle informatique et les procédures d’enquêtes et d’analyses utilisées par les agronomes – ou plus largement, les « études de cas » (Crosthwaite, 1997). De plus nous voulions tirer profit de la capacité des systèmes de RàPC à capitaliser les expériences et, au‑delà d’une démarche de gestion de connaissances, nous recherchions un moyen de formaliser un raisonnement – le diagnostic des territoires d’exploitations – qui reste relativement empirique, même s’il dispose de certains outils (Naïtlho et al., 2003 ; Soulard et al. 2002).
- 5 Voir par exemple le numéro spécial du journal Computers and Electronics in Agriculture sur ce thème (...)
34Nous défendrons ce point de vue ici tout d’abord dans le cadre du projet ROSA et plus bas pour envisager d’autres questionnements agronomiques. Soulignons par ailleurs qu’il existe de nombreux travaux liant intelligence artificielle et agronomie5, le plus souvent sur des problématiques de planification des assolements (Buick et al., 1992), de diagnostic de maladies des plantes (Blancard et al., 1985 ; Yialouris et Sideridis, 1996) ou d’aide à la décision dans le domaine agro-environnemental (Perini & Susi, 2004 ; Kaster et al., 2005), avec des approches diversifiées. Plus proches de nos problématiques, les systèmes incorporant explicitement des expériences des acteurs afin de les partager (par exemple (Bosch et al., 1997) sur les rangeland neo-zélandais)) sont plus rares. Dans tous ces travaux, il est peu fait mention du processus même de modélisation et de construction des connaissances mises en jeu, comme nous avons entrepris de le faire dans ce dossier (Brassac et al., ce numéro).
35Dans le cadre du projet ROSA (Le Ber et al., 2005 ; Metzger, 2005), nous nous sommes intéressés à la mise en œuvre du modèle du raisonnement à partir de cas dans le domaine agronomique ou, plus précisément, pour l’analyse des modes d’organisation des exploitations agricoles, envisagés sous leurs aspects spatiaux et fonctionnels, en rapport avec des problématiques environnementales. Ici, comme on l’a vu, il s’agit de comprendre la contribution des exploitations à la transformation des paysages, principalement dans le cas des exploitations d’élevage ovin de la région des Grands Causses, soumises à des dynamiques d’embroussaillement.
36L’hypothèse qui a présidé à ces travaux de recherche est la suivante. Pour construire des connaissances sur les organisations des exploitations agricoles, les agronomes effectuent des enquêtes auprès des exploitants. Ces enquêtes s’appuient sur un ensemble de documents écrits, cartes, schémas, notes, qui sont partiellement exploités – de manière qualitative, ou par des méthodes statistiques pour les données chiffrées – par les agronomes pour en tirer des enseignements scientifiques généraux. Mais, ces enquêtes constituent aussi, de manière sous-jacente et souvent implicite, autant de « cas », mémorisés par les agronomes, et qui leur servent à mieux appréhender et analyser les exploitations qu’ils enquêtent ultérieurement.
37Sur cette hypothèse, notre proposition a été de développer un système de RàPC avec deux objectifs principaux :
-
mémoriser et structurer les enquêtes effectuées sous forme d’une base de cas ;
-
fournir une aide à l’exploitation et la réutilisation de ces informations, en particulier en adaptant ces informations à l’analyse de nouvelles exploitations.
38Dans le cadre proposé, un cas pourrait être, de manière naturelle, une exploitation, ou une enquête en exploitation. Toutefois, puisque la question des agronomes est d’étudier la gestion des contraintes spatiales dans le fonctionnement des exploitations agricoles, et puisque le modèle du RàPC s’appuie en général sur un découpage d’un cas en un problème et une solution, nous avons choisi de définir des cas d’organisations spatio-fonctionnelles agricoles comme des couples (structure spatiale d’une EA, organisation fonctionnelle) ou plus précisément comme des couples (fragment de structure spatiale d’une EA, fonctionnement associé). Le « problème » est donc ici un morceau d’espace, muni d’une structure particulière, qu’il faut lire et interpréter en termes de fonctionnement de l’exploitation agricole. La « solution » est cette interprétation. Ainsi plusieurs cas sont définis pour une exploitation enquêtée et ces différents cas peuvent s’envisager comme autant d’entrées spatiales pour accéder à l’ensemble des informations associées à une exploitation. On aurait pu, de manière duale, constituer des cas (fonctionnement, structure spatiale) et bâtir ainsi des entrées fonctionnelles aux informations constituées lors des enquêtes. Toutefois l’entrée spatiale a été préférée dans un premier temps car elle se prêtait mieux à la modélisation, tant du fait de modèles agronomiques préexistants – les chorèmes d’exploitations (Lardon et al., 2000), comme nous verrons ci‑dessous – que du fait des outils informatiques disponibles en matière de représentation qualitative de l’espace (Vieu, 1997).
39La réutilisation est envisagée de la manière suivante, sur la base des travaux réalisés dans le domaine du raisonnement à partir d’explications (Schank et al., 1994). L’objectif est d’aider à l’analyse d’une exploitation nouvellement enquêtée (Nea). L’entrée principale est spatiale. La structure spatiale de la nouvelle exploitation est décrite et « expliquée » automatiquement à partir d’un ensemble de cas (fragment de structure spatiale d’une EA ; fonctionnement associé). Ces cas sont remémorés à l’aide d’une mesure de similarité entre structures spatiales. Chacun est accompagné d’un contexte, c’est-à-dire des documents sur l’exploitation correspondante. Au final l’agronome dispose, à partir de la description spatiale d’une exploitation Nea, d’un ensemble de documents décrivant des exploitations dont tout ou partie de l’organisation spatiale est similaire à celle de Nea. Il obtient également une proposition d’analyse sur cette nouvelle exploitation.
40Concrètement, le projet s’est appuyé sur un des produits des enquêtes effectuées par les agronomes, à savoir les chorèmes d’exploitations (Lardon et al., 2000). Ces chorèmes donnent à voir de manière graphique l’organisation spatiale et fonctionnelle des exploitations. Ils sont des formes symboliques représentant les exploitations, synthétisant les informations collectées durant les enquêtes, et constituent ainsi une sorte d’indexation de ces enquêtes. Ils sont aussi des objets intermédiaires – au sens de Vinck et Jeantet (1995) – entre les agronomes et les informaticiens, car écrits par les agronomes et rapidement lisibles, interrogeables et même modifiables par les informaticiens, et donc supports possibles d’un processus d’acquisition et de modélisation des connaissances.
41À partir de ces supports sont construits des graphes d’exploitations, dont nous donnons un exemple en figure 2 : l’organisation spatiale d’une exploitation est formalisée par un ensemble de sommets nommés (entités spatiales et relations) liés par des arêtes, sur la base de sa représentation chorématique. Des sous-graphes de ces graphes d’exploitations forment la partie structure des cas. La partie fonctionnement est un énoncé textuel (Le Ber & Brassac, dans ce numéro). Les connaissances du domaine sont modélisées par une hiérarchie de concepts et des règles d’inférence spatiale permettant de transformer les graphes, l’ensemble formant une théorie du domaine. Ainsi un « bloc nougat » et un « pacage » sont tous les deux des types de prairies menées de façon relativement intensive (dans les systèmes d’élevage du causse Méjan) et sont donc considérés comme plutôt similaires (voir figure 3). La modélisation mise en œuvre s’appuie sur des outils informatiques existants qui évoluent par confrontation aux besoins exprimés par les agronomes, tout au long du processus de conception du système ROSA (Metzger et al., 2003).
Figure 2 – Un graphe d’organisation spatiale construit à partir d’un chorème d’exploitation
La partie haute du graphe se lit ainsi : « la route d’accès sépare le champ 1 du siège d’exploitation, qui est proche du pacage 2 et loin du parcours 1 ».
42L’étape de remémoration met en œuvre un mécanisme d’appariement entre un graphe cible (graphe d’une exploitation à « expliquer ») et des graphes sources, en s’appuyant sur la théorie du domaine (Le Ber et al., 2003) : les sommets sont identifiés deux à deux, en respectant la structure des graphes et en calculant une similarité globale. Cette étape de remémoration a été implantée dans un prototype, avec une base de cas et une première version de la théorie du domaine. Les étapes d’adaptation et de mémorisation, quant à elles, sont restées manuelles à l’issue du projet (2005). C’est‑à‑dire que l’agronome utilisant le système ROSA fournit un graphe d’organisation spatiale et obtient en retour un ensemble de cas, dont les explications correspondent plus ou moins à la situation étudiée. Par exemple, sur la figure 3, un appariement entre une partie du graphe de la figure 2 et un graphe source, opéré par ROSA, permet de proposer une interprétation de la relation de proximité entre le pacage et le siège de l’exploitation considérée. L’agronome a pour charge de valider, modifier ou invalider ces explications, ce qui le conduit à interroger le modèle construit en commun, et constitue donc un nouveau processus d’acquisition-modélisation de connaissances. Dans cette étape, ce ne sont plus uniquement les chorèmes et les graphes (au format papier), mais les productions du système ROSA, l’écran sur lequel elles s’affichent, qui constituent les supports de la modélisation conjointe (Mondada, dans ce numéro).
43Actuellement, le système construit ne permet pas de proposer une analyse synthétique d’une nouvelle exploitation. Il fournit des fragments d’explication à des morceaux d’espace de l’exploitation, fragments qui sont donc à adapter et à valider par les utilisateurs agronomes. Néanmoins, ce système permet de répondre à notre premier objectif, c’est-à-dire mémoriser et structurer les enquêtes effectuées sous forme d’une base de cas, pour permettre un accès adapté aux informations multiples résultant du mode d’enquête en exploitations. Il fournit une méthode de remémoration et de comparaison des exploitations agricoles sur la base de leur structure spatiale, qui est prise en compte de manière qualitative. Il devrait s’enrichir à l’usage, d’une part parce que la confrontation des cas source et problèmes cible conduit à un raffinement des cas et de la base de connaissances (Metzger et al., 2006), d’autre part parce que les problèmes-cible une fois analysés peuvent être enregistrés dans la base de cas et ainsi la compléter.
Figure 3 – Le graphe Cible 4 est apparié avec une similarité élevée (proche de 1) au graphe Source dont l’explication est : « la proximité du bloc nougat à la bergerie le rend utilisable par les animaux à forts besoins, ici, le troupeau laitier » (les trois sommets pacage / proche / siège d’exploitation sont identifiés dans l’ordre aux trois sommets bloc nougat / proche / bergerie)
44Finalement, il nous semble que l’approche choisie, même inaboutie, s’est révélée utile et pertinente, car elle permet d’une part d’interroger les modes de raisonnement des agronomes et de révéler des connaissances implicites, tout au long du processus de construction du système, d’autre part de rendre les agronomes détenteurs d’un outil pour structurer et manipuler les documents, informations et connaissances, issus des enquêtes en exploitations agricoles.
- 6 Notons néanmoins que les approches que nous défendons ne sont pas forcément antinomiques des approc (...)
45Parmi les questions soulevées par l’agronomie de terrain présentée en première partie de cet article, nombreuses sont celles où le modèle du RàPC – et plus généralement les approches relevant de la représentation connaissances en intelligence artificielle – peut être intéressant. En effet ces questions partagent un certain nombre de caractéristiques, qui les rendent difficilement traitables par les méthodes classiques de l’agronomie6 : complexité, incertitude, variabilité spatiale, variabilité temporelle. Ainsi le traitement par expertise des quatre questions listées ci-dessous n’a pas trouvé jusqu’à présent d’outils de modélisation reconnus.
46Traitements et chiffrages. Dans des exploitations pastorales, il y a peu ou pas d’homologues des totalisations classiques par nature des cultures, des successions‑types, par catégories d’animaux ; celles-ci évoluent en cours d’année de même que leur assemblage en troupeaux mis au pâturage. Pour piloter le pâturage, surtout si le troupeau est gardé selon un circuit journalier, il est peu opératoire de se référer à une planification au niveau de la parcelle, ainsi que l’implique l’itinéraire technique « suite logique et ordonnée des opérations culturales appliquées à un couvert végétal cultivé en vue d’une production » (Sebillotte, 2006). On parle plutôt de « mode d’exploitation parcellaire ». Le calendrier de pâturage doit en effet s’ajuster aux ressources présentes et anticiper sur les suivantes. C’est dans une portion de territoire mis à contribution pour l’apport alimentaire attendu, un « secteur », que chaque parcelle prend place. Sa contribution est à évaluer en tenant compte du fait que le moment et l’intensité du prélèvement peuvent avoir des conséquences marquées pour la production ultérieure, voire la longévité du couvert végétal.
47Catégories d’usage des parcelles. À dire d’expert, pour répondre – dans l’urgence ! – à la mise en place des mesures agri-environnementales, les pastoralistes de l’Institut de l’Élevage ont proposé des saisons-pratiques, notion ensuite travaillée à l’INRA (Guérin & Bellon, 1990 ; Girard et al., 2001). Cette catégorisation de l’affectation des parcelles est fondamentalement référée, comme son nom l’indique, à la saisonnalité. Les fonctions à assurer répondent aux objectifs de production au cours de la campagne, mais aussi, c’est leur originalité, à une gestion durable des ressources et de dispositifs de sécurité. Par exemple, pour faire face aux inévitables décalages dans la pousse de l’herbe, on prévoit des surfaces à même d’assurer une fonction de tampon. La stratégie, chiffrée en jours de pâturage, est un cadrage pour une gamme d’ajustements à réaliser le moment venu.
48Prototypes d’exploitations pastorales et configuration des terrains. Les prototypes d’exploitations proposés par Nathalie Girard et al. (2001) résultent d’un assemblage cohérent d’attributs ayant trait à l’utilisation de l’espace, assemblage dégagé d’une grille par laquelle chaque exploitation a été décrite. Ces attributs concernent le séjour nocturne, le gardiennage, le pâturage à distance et le clivage en lots ; mais aussi la granularité et la spécialisation saisonnière des usages de l’espace, à quoi s’ajoute l’arbitrage entre stocks et pâturage sur les surfaces qui peuvent avoir les deux usages. Ces prototypes font contraster de façon convaincante non seulement les utilisations de l’espace, mais aussi les stratégies de conduite des animaux et suggèrent des connections avec l’organisation spatiale (Naïtlho et al., 2003). Les situations étudiées ont ainsi permis de confirmer la distinction majeure entre pratiques d’utilisation et pratiques de configuration.
49Fonctionnalités et cohérences. L’approche globale de l’exploitation, désormais classique dans la formation des praticiens, se réfère à des fonctions qui agrègent des ensembles d’opérations considérées comme majeures. Dans le cas d’exploitations pastorales, la vie du troupeau est en priorité affaire d’alimentation et de reproduction. L’identification de modules fonctionnels à base temporelle est nécessaire et possible du fait de la saisonnalité des ressources en herbe et du fonctionnement de troupeau relativement cyclé. Cependant, en regard des moments forts de la vie du troupeau, il faut ajuster des ressources souvent hétérogènes et affectées de contraintes et d’aléas. De la force de travail et de l’équipement de l’exploitation jusqu’aux modes d’exploitation parcellaire, de multiples cohérences sont à prendre en compte.
50Ces questionnements suscités par l’étude des systèmes pastoraux sont, en reprenant le terme de Chevassus-au-Louis (2006, p. 64), des points orphelins des approches classiques de la recherche agronomique. À notre sens, ils peuvent pourtant faire l’objet d’une approche d’ingénierie des connaissances, couplant intelligence artificielle et agronomie. Le RàPC reste pour nous un bon modèle pour représenter et exploiter les connaissances acquises lors des enquêtes en exploitations, en permettant de comparer des configurations tout en offrant la possibilité d’une généralisation. Il faut y adjoindre les outils nécessaires pour prendre en compte les objets et leurs caractéristiques : modèles qualitatifs du temps et de l’espace (Stock, 1997 ; Aiello et al., 2007 ; Le Ber et al., 2007), modèles de points de vue (d’Aquin et al., 2005), hiérarchies et classification qualitative (Ducournau et al., 1998) ont certainement leur mot à dire. Mais il s’agira le plus souvent d’un travail au long cours, impliquant agronomes et informaticiens, mettant en jeu les connaissances et les outils des uns et des autres, comme dans le projet ROSA (voir Mondada ; Brassac et al., dans ce numéro).
51Cet article avait pour objet de mettre en regard une problématique agronomique, l’étude des systèmes pastoraux, et un modèle informatique, le raisonnement à partir de cas. Notre hypothèse, mise en œuvre dans le projet ROSA, est que le modèle du RàPC peut aider les agronomes à formaliser les systèmes complexes qui les intéressent. Plus largement, nous pensons que les modèles de représentation de connaissances issus de l’intelligence artificielle – dont le raisonnement à partir de cas – peuvent s’appliquer utilement à différentes questions agronomiques, relativement délaissées aujourd’hui car démunies d’outils de formalisation. Ces modèles sont également un moyen de faire progresser l’agronome de terrain, confronté à nombre difficultés quand il veut aborder la complexité du territoire agricole et de ses acteurs. Parallèlement les modèles informatiques ont matière à avancées dans les questionnements des agronomes, comme l’ont montré le projet ROSA et d’autres travaux antérieurs (Le Ber, 2003). Cette mise en relation des questionnements agronomiques et des modèles informatiques n’est à nos yeux pas un simple outillage, mais bien un apprentissage réciproque, qui implique les deux parties dans un processus de co-construction de connaissances, comme nous le montrons dans les articles (Le Ber et Brassac, Brassac et al.) de ce dossier.
- 7 Qui a été notamment directeur de l’INRA (1992-1996) et président du Muséum National d’Histoire Natu (...)
52Nous nous référons pour conclure à Bernard Chevassus‑au‑Louis7, qui pour « refonder la recherche agronomie » (2006), propose d’une part d’intégrer sciences agronomiques, sociales et écologiques, et d’autre part de donner leur place à d’autres approches que l’expérimentation en milieu contrôlé, autres approches potentiellement fécondes, telles que la recherche-observation, l’approche comparative ou la recherche-action.
53C’est bien ce dont il s’agit ici. Le chercheur ne renonce en rien à son appartenance en privilégiant « la pratique du terrain » et en s’ouvrant aux autres disciplines. Pour mieux comprendre et mieux se faire comprendre, l’agronome doit travailler sur ses observations de terrain, ses évaluations, ses diagnostics. Sur le projet ROSA, en collaborant simultanément avec sciences informatiques d’une part, sciences humaines d’autre part, l’agronome fait le pari optimiste de mieux comprendre – et de mieux se faire comprendre – quand il essaie d’aborder les connaissances en jeu dans des pratiques mal référencées mais devenant stratégiques pour des territoires que gèrent les activités d’élevage.
Le projet ROSA a pu être mené grâce au soutien du programme GETM – Société de l’Information, CNRS, IGN, Cemagref (2002-2005).
Nous remercions également les relecteurs anonymes de la RAC qui nous ont permis d’améliorer ce texte.
Flux RSS
