L’utilisation de pesticides fait-elle partie des stratégies d’adaptation au changement climatique ? Analyse exploratoire dans le Fossé rhénan (France-Allemagne)
Bibliographic record
Abstract
Alors que les conséquences des changements climatiques sont de plus en plus visibles et ne peuvent plus être totalement évitées, l’usage des pesticides en agriculture fait l’objet d’une profonde remise en cause, du fait de ses conséquences environnementales, économiques et sanitaires. L’agriculture est donc soumise à un double défi : s’adapter au changement climatique, et évoluer vers un modèle moins dépendant des pesticides. Ces enjeux sont particulièrement prégnants dans le Fossé rhénan, un espace transfrontalier partagé entre la France et l'Allemagne. En effet, cet espace où les conséquences des changements climatiques pourraient être exacerbées voit se côtoyer modèles traditionnels à forte utilisation de pesticides (grandes cultures intensives et viticulture réputée) et productions issues de l’agriculture biologique et de la biodynamie, surtout en viticulture. Le contexte local pourrait donc constituer une injonction à l’écologisation des pratiques agricoles. Or la réduction des traitements phytosanitaires et l’adaptation aux changements climatiques sont des objectifs parfois contradictoires, même si de nombreuses stratégies permettent de concilier les deux. Pour éclairer ce paradoxe, et comprendre le rôle des frontières multiples dans cet espace, on s’est appuyé sur la comparaison entre les filières (grandes cultures et viticulture) d’une part, et entre les pays (France et Allemagne) d’autre part. Ceci nous a permis de mettre en évidence les accélérateurs et les freins techniques, réglementaires, voire culturels à la mise en œuvre de stratégies gagnant-gagnant d’une transition agricole hétérogène et plutôt complexe.Les agriculteurs cherchent en effet à concilier différents objectifs, l’adaptation au changement climatique et/ou son atténuation, la réduction de l’usage des pesticides et la préservation de la biodiversité. Certes, cela est parfois utilisé comme un argument commercial, mais relève aussi souvent d’une réelle conviction personnelle pour laquelle les interactions sociales jouent un rôle important : informations diffusées par les organismes agricoles, échanges entre agriculteurs, réflexions et expérimentations personnelles, et expériences à l’étranger. Le contexte transfrontalier du Fossé rhénan prend toute son importance et, malgré les frontières multiples, favorise la prise de décision face aux enjeux environnementaux.
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 | 0.001 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.001 | 0.000 |
| 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".