Modéliser les algorithmes de décision du développement racinaire en milieu hétérogène

Contexte et enjeux

Pour minimiser les dépenses en ressources, tout en maximisant l'acquisition de nutriments, les décisions quant à la zone à explorer et au moment de la recherche doivent probablement être optimisées. Comment les plantes gèrent-elles alors ce compromis ? 

Une façon d'étudier cette question est de présenter des choix aux plantes et d'examiner leur comportement. Pour cela, le problème dit du bandit à deux bras (ou problème du bandit-manchot) constitue un cadre mathématiques intéressant car il permet de déterminer les algorithmes de décision sous-jacent à une prise de décision face à deux choix concurrents avec des récompenses différentes (mais inconnues). Pour les plantes, le dilemme se situera entre l'exploitation de ressources de faible ou moyenne qualité, mais immédiatement disponibles, ou l'exploration de nouvelles parties du sol où peuvent résider (ou non) des ressources de meilleure qualité. Le problème général d’optimisation entre exploitation et exploration a déjà été étudié dans divers domaines, dont la psychologie et l'économie, où des cadres quantitatifs ont été bien décrits pour évaluer les avantages et les inconvénients de différentes méthodes de recherche. Cependant, ce cadre d’étude n’a pas encore été utilisé pour comprendre et prédire le comportement de plantes. 

L’objectif du projet ALGOROOT est de découvrir les algorithmes (reflétant une succession de décisions) que les racines des plantes utilisent pour rechercher des nutriments dans des environnements hétérogènes.

Objectifs

Le projet propose un travail en 4 étapes :

1. Identifier les bases algorithmiques de la ramification utilisée par les systèmes racinaires des plantes pour explorer le sol ; 
2. Développer des modèles mathématiques pour prédire comment les racines « décident » entre l'exploitation d'une ressource disponible ou l'exploration d'un nouveau territoire dans l'espoir de trouver une meilleure ressource ; 
3. Évaluer comment les stratégies de recherche et les algorithmes de prise de décision sont génétiquement codés ; 
4. Comparer et contraster les algorithmes de recherche racinaire avec ceux utilisés dans d'autres domaines (par exemple, la chimiotaxie, l'infotaxis, les marches aléatoires) et tester si les leçons de la biologie végétale peuvent être traduites pour améliorer l'information.

Contact :

Acteurs du projet

Unités INRAE impliquées

Partenaires extérieurs