Ce travail s’inscrit de thèse dans le cadre d'une collaboration entre l’équipe Inria-EASE, et l’équipe Démécologie (Dynamique-Evolution-Modélisation-Ecologie) d’INRAE, qui mène notamment des travaux en épidémiologie végétale. L'objectif est de développer des solutions de suivi de précision pour leurs parcelles expérimentales.

La partie expérimentale des travaux s’appuiera sur une plate-forme de réseaux de capteurs développés et exploités conjointement par les deux équipes sur les sites expérimentaux de l’INRAE depuis 2019.

Les travaux seront encadrés par Prof. Jean-Marie Bonnin ( ) and Dr Frédéric Weis ( ), en collaboration avec Dr Melen Leclerc d'INRAE.

Dans le domaine agricole, l’utilisation de capteurs en réseau peut se révéler utile pour soutenir une production respectueuse de l’environnement : suivi du couvert végétal, détection des maladies, gestion fine des traitements. Néanmoins, les outils numériques attachés à ce type de déploiement peuvent rester difficile à maitriser par des non spécialistes et ne se sont pas encore imposés dans les communautés scientifiques et agricoles.

De plus, en agriculture comme dans de nombreux domaines, le développement du numérique s’est majoritairement fait sous le paradigme de la collecte massives des données : enregistrer le plus d’information possible, stocker les données et déployer ensuite des méthodes statistiques et informatiques pour en extraire une information. Ce paradigme pose des problèmes de stockage et de consommation d’énergie, augmentant l’empreinte environnementale du numérique et empêchant des déploiements opérationnels et pérennes.

 Il est maintenant possible d’embarquer du traitement logiciel sur de très petits objets connectés, capable de piloter des capteurs, de communiquer via des interfaces sans fil et d'appliquer un prétraitement aux données (agrégation). En agissant au plus près du nœud de capteurs et en introduisant une certaine intelligence dans la collecte des données, via des mécanismes logiciels génériques, il est possible d’optimiser le système de suivi des cultures du point de vue de la donnée et de l’énergie.

L'axe proposé est de caractériser la qualité des données produites par les nœuds de capteurs distribués dans l’environnement. Cette notion de qualité peut se décliner suivant différentes dimensions : précision, confiance, pérennité etc. Caractériser la qualité d’une donnée implique pour le développeur d’une application d’analyser et éventuellement de contrôler comment cette donnée est produite et collectée dans l’environnement. Le plus souvent, cette tâche est effectuée par le développeur de manière ad hoc, avec une forte dépendance aux objectifs de de la collecte et peu reproductible dès lors que l’environnement dans lequel les capteurs sont déployés évolue. L'enjeu est d'offrir des mécanismes qui s'adapteront, sans développement logiciel spécifique, aux nombreuses expérimentations menées en champs par INRAE.

Cette thèse s'intéressera à des mécanismes au niveau système et réseau permettant à une application d’agir dans l’environnement (i.e. sur l’infrastructure réseau et/ou sur les objets connectés directement) pour adapter la collecte des données, en fonction d’un niveau de qualité attendu/défini. Les mécanismes logiciels étudiés devront se confronter aux modèles expérimentaux développés par l’équipe INRAE Démécologie dans des différents domaines : suivi du couvert végétal, détection des conditions d'apparition des maladies, etc.

• Système embarqué
• Développement logiciel (Python, C, C++)
• Réseaux de capteurs
• Des bases en analyse statistique des données seraient appréciées