Le projet OroFit vise à identifier les facteurs environnementaux (abiotiques et biotiques) influençant la parasitisme du colza par Phelipanche ramosa (aka orobanche rameuse)en vue de développer des stratégies de gestion durable. Les principaux enjeux sont les suivants :

– Comprendre l’effet des conditions pédoclimatiques (structure du sol, humidité, température) sur la dynamique de l’orobanche ;
– Identifier les microorganismes du sol jouant un rôle favorable ou défavorable dans le cycle du parasite, en vue d’une potentielle approche de biocontrôle ;
– Intégrer la diversité variétale du colza pour mieux adapter les pratiques de lutte aux contextes agricoles réels ;
– Construire une base de données environnementale pour modéliser les zones à risque et accompagner les décisions des agriculteurs et acteurs techniques.

Le projet de thèse OroFit s’intéresse à Phelipanche ramosa une plante parasite responsable de pertes de rendement importantes sur diverses cultures, notamment le colza dans l’ouest de la France. L’infestation par cette espèce est très hétérogène, variant fortement d’une année et d’une parcelle à l’autre, ce qui rend les stratégies de lutte difficiles à mettre en œuvre. Le changement climatique accroît encore cette imprévisibilité, en modifiant les dynamiques écologiques de l’orobanche. Des travaux récents suggèrent que des facteurs environnementaux, en particulier le microbiote du sol, pourraient jouer un rôle clé dans sa capacité à parasiter les cultures.

Dans ce contexte, OroFit vise à identifier les facteurs, à la fois abiotiques et biotiques, qui déterminent la présence et la prolifération de l’orobanche en milieu agricole.

Le dispositif expérimental repose sur l’étude de vingt parcelles contrastées, avec ou sans historique d’infestation.
Deux niveaux d’analyse sont prévus : une échelle inter-parcellaire (comparaison entre les 20 parcelles) et une échelle intra-parcellaire (analyse fine de micro-régions de 1 m² sur deux sites) à deux temps clés : au stade rosette du colza, avant l’hiver ; et au moment de la floraison du colza et de l’orobanche, au printemps. Chaque parcelle fera l’objet d’une caractérisation approfondie : niveaux d’infestation, vigueur du colza par drone, structure génétique des populations de P. ramosa, propriétés physico-chimiques et hydriques du sol (grâce à des capteurs connectés et stations météorologiques), ainsi que diversité et structure des microbiotes associés. Les données climatiques seront collectées à la fois sur le terrain et à partir de bases publiques. En parallèle, un criblage des activités des sols en conditions contrôlées permettra d’étudier l’activité biologique et leur potentiel de suppression ou de stimulation de l’orobanche.

L’ensemble des données issues du terrain, des bases publiques et des expérimentations sera intégré dans une base de données qui servira à entraîner un modèle prédictif du risque d’infestation par P. ramosa, fondé sur des techniques de deep learning.

OroFit permettra ainsi de mieux comprendre les mécanismes régissant la dynamique des populations d’orobanche dans les agrosystèmes, et contribuera à terme au développement de stratégies préventives plus ciblées et efficaces pour protéger les cultures.

– Permis de conduire (fortement souhaité)
– Formation solide en écologie microbienne, agroécologie, biologie des interactions et/ou biologie végétale
– Maîtrise des techniques de microbiologie moléculaire (extraction d’ADN, PCR, métabarcoding …)
– Maîtrise des outils de bioinformatique et de biostatistique (R, Python, Bash, analyses multivariées, modélisation)
– Autonomie, esprit d’équipe et aptitude à collaborer avec des partenaires agricoles
– Des compétences en imagerie agricole (drone, analyse d’images) et/ou en cartographie SIG et/ou en analyses pédoclimatiques seront un atout majeur

Postuler ici : https://amethis.doctorat.org/amethis-client/prd/consulter/offre/2322