Stimulateurs des défenses naturelles des plantes : une nouvelle stratégie phytosanitaire dans un contexte d’écoproduction durable.
Bibliographic record
Abstract
Au cours des dernières décennies, les avancées spectaculaires de nos connaissances sur les mécanismes impliqués dans la résistance induite chez les plantes ont favorisé le développement d’initiatives visant à valoriser la stratégie de défense naturelle des plantes dans un contexte conjuguant la préservation de l’environnement et la production intensive de produits agricoles. Aujourd’hui, un nombre croissant de formulations contenant des stimulateurs des défenses naturelles (SDN) en tant que matière active arrive sur le marché et il est raisonnable de croire que de plus en plus de molécules inductrices de résistance seront disponibles dans un futur proche. Un SDN est une molécule biologique capable de déclencher les événements moléculaires, biochimiques et cytologiques menant à l’expression de la résistance chez une plante. Il s’agit donc d’une sorte de « vaccin » susceptible d’activer le « système immunitaire » de la plante de telle sorte qu’une plante initialement sensible à un agent pathogène devienne résistante. Si le chitosane est connu depuis plusieurs années, d’autres SDN d’origines variées ont récemment été découverts et certains d’entre eux ont été commercialisés. Tels sont les cas, par exemple, du Iodus40®, un polymère de β-1,3-glucanes isolé d’une algue brune, du Messenger®, dont la matière active est un peptide bactérien, ou du Stifénia® qui contient des extraits de fenugrec, une légumineuse africaine. L’exploitation de la résistance induite en agriculture biologique ou en agriculture raisonnée (alternance entre la lutte biologique et la lutte chimique) est une stratégie qui offre de grandes promesses d’avenir, car elle est essentiellement fondée sur la stimulation des mécanismes naturels de défense des plantes. Il est cependant évident que des recherches sont encore nécessaires pour démontrer que cette approche 1) n’engendre aucun risque pour le consommateur (allergies ou autres désordres); 2) ne cause pas de baisses de rendement; 3) ne présente pas une trop grande variabilité en termes de performance; et 4) n’est pas trop onéreuse en comparaison avec une approche de lutte chimique.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.000 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.002 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".