Quels enseignements tirer du retrait de l’atrazine dans le cadre de l’interdiction prévue du glyphosate ?
Bibliographic record
Abstract
Au cours de ces 70 dernières années, certaines substances actives herbicides ont acquis le statut de molécules « pilier » dans la gestion des communautés adventices. En France, jusqu’en 2003, l’atrazine a joué un rôle central dans le désherbage du maïs. Depuis 1974, le glyphosate est devenu la molécule la plus utilisée dans la gestion de l’interculture, au point d’être considéré comme indispensable en agriculture de conservation. Une excellente efficacité et un faible coût ont placé ces deux molécules parmi celles les plus utilisées au monde. Mais dans les deux cas, une utilisation trop importante a conduit à la contamination des eaux et à l’émergence de questionnements sur de possibles effets négatifs sur l’environnement. Une comparaison de l’interdiction de l’atrazine et du glyphosate, d’un point de vue agronomique, économique et social, montre des inquiétudes similaires sur la gestion de la flore adventice de la part de la profession agricole. Si le retrait de l’atrazine a pu engendrer une augmentation des coûts de désherbage du maïs, la flore adventice a su être correctement maîtrisée via la mobilisation d’autres leviers, principalement chimiques. L’interdiction potentielle du glyphosate, prévue en France dans un futur proche, pourrait avoir des conséquences fortes sur la gestion de la flore adventice et plus globalement sur les exploitations agricoles. Le principal levier disponible pour se passer de glyphosate est le recours au travail du sol, mais d’autres leviers agronomiques doivent venir en complément pour assurer une gestion efficace. Bien que séparé de 15 années, le retrait de ces deux substances actives est l’occasion de prendre conscience des conséquences que peut avoir l’utilisation prédominante d’une unique substance active sur l’environnement, mais aussi sur la capacité d’adaptation des systèmes agricoles.
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 | 0.007 | 0.014 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.002 | 0.004 |
| Scholarly communication | 0.005 | 0.006 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.003 | 0.003 |
| Insufficient payload (model declined to judge) | 0.009 | 0.002 |
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".