Lutter contre les insectes nuisibles en agriculture biologique : intervenir en harmonie face à la complexité
Notice bibliographique
Résumé
Les systèmes agricoles en gestion biologique se caractérisent par une grande biodiversité et une forte complexité. La biodiversité est associée à une faune entomophage variée et abondante qui permet une meilleure lutte naturelle contre les insectes ravageurs qu’en agriculture intensive. Cette contribution ne se limite pas à la ferme. Certaines études à l’échelle du paysage démontrent que les zones non cultivées servent de réservoirs à la faune auxiliaire (prédateurs et parasitoïdes). Cependant, la biodiversité ne permet pas de réprimer certains ravageurs en dessous du seuil économique. Par conséquent, la prévention joue un rôle important en visant l’aménagement du système agricole pour qu’il soit favorable aux ennemis naturels et défavorable aux ravageurs. Ainsi, les pratiques culturales telles que la rotation et le choix de cultivars sont au premier plan dans une stratégie de lutte intégrée en production biologique. À un parcours technique qui mise sur le principe de prévention s’ajoutent, en dernier recours, des outils comme les bâches, les biopesticides et les agents de lutte biologique. Malgré ces outils, le défi reste entier. La complexité de « l’agroécosystème biologique » exige un effort de recherche pour mieux comprendre certains mécanismes qui permettraient d’accroître la lutte naturelle aux insectes ravageurs.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».