Contexte

La production alimentaire durable est l'un des principaux défis auxquels notre monde est confronté aujourd'hui. Différents types d’experts à l'INRAE (Institut national de recherche pour l'agriculture, l'alimentation et l'environnement) étudient cette question. Ces experts peuvent être des biologistes et des agronomes (experts du domaine) ainsi que des statisticiens et des mathématiciens (modélisateurs) produisant des modèles qui simulent des processus biologiques et agricoles complexes.

Ce travail s’inscrit dans le cadre du projet de recherche ANR EVAGRAIN [1], dont l’objectif est de développer en collaboration avec des acteurs de la filière céréalière un outil permettant de prédire la qualité de blé à partir de données collectées chaque année afin de pouvoir mieux anticiper les difficultés dues aux événements climatiques. Pour ce faire, une base de connaissances structurée par une ontologie a été établie, permettant d’intégrer les nouvelles données générées pendant le projet. A partir de celle-ci, des modèles d’apprentissage explicatifs sont générés, appris en intégrant des connaissances expertes (ex., figure 1).

Actuellement, les modèles d'apprentissage sont développés hors ligne, puis présentés à des experts du domaine lors d'une réunion planifiée. Au cours de la discussion, les experts donnent leur avis sur les variables à prendre en compte, les dépendances pertinentes et celles qui doivent être modifiées. Bien que les experts trouvent très utile d'être impliqués dans le processus de modélisation, il existe actuellement un certain nombre de problèmes qui entravent la collaboration entre les modélisateurs et les experts du domaine : (a) la critique du résultat appris est manuelle et fastidieuse, et les indicateurs de qualité des modèles existants sont difficilement interprétables par les experts. Le modélisateur prend actuellement des notes, puis revient au code pour implémenter les modifications ; et (b) le processus prend du temps et est sujet aux erreurs.