Prévision du risque de maladie à l’aide de réseaux d’apprentissage bayésiens : application à l’oïdium de la vigne (Erysiphe necator) dans les vignobles

© 2020, les auteurs. L’oïdium de la vigne (Erysiphe necator) est une maladie fongique qui cause d’importantes pertes de rendement dans les vignobles commerciaux. Le taux de développement de cette maladie varie chaque année et est déterminé par des interactions complexes entre l’agent pathogène, son hôte et les conditions environnementales. Les effets à long terme de la variabilité des conditions météorologiques et du climat sur le développement de la maladie sont mal compris, ce qui complique l’élaboration de stratégies efficaces et durables de lutte contre celle-ci, particulièrement dans les conditions nordiques. Nous présentons un modèle probabiliste de réseaux d’apprentissage bayésiens pour examiner les interactions causales complexes entre l’environnement, l’agent pathogène et l’hôte pour trois différents cultivars de raisins nordiques sensibles au Québec (Canada). Cette approche combine des facteurs liés à l’environnement (conditions météorologiques, climat), à l’agent pathogène (stades de développement) et à l’hôte (sensibilité propre au cultivar). Le modèle est évalué en mode de prévision opérationnelle avec un apprentissage supervisé et algorithmique et l’intégration de reprévisions d’ensemble du Global Forecast System (GFS). Une stratégie de pulvérisation de fongicide guidée par modèle est validée afin d’orienter les décisions de pulvérisation pour une période allant jusqu’à 6 jours avec une prévision de l’efficacité potentielle de pulvérisation sur 10 jours dans des conditions de lessivage par la pluie. La stratégie guidée par modèle améliore les décisions de pulvérisation de fongicide, car elle permet de diminuer le nombre de pulvérisations et de déterminer le moment optimal pour la pulvérisation afin d’accroître l’efficacité de la pulvérisation.