L’objectif principal de cette thèse est de développer des procédures d’inférence statistique
valides après sélection de variables dans des modèles à effets mixtes en grande dimension.
Il s’agit notamment de construire des intervalles de confiance et de prédiction dont les propriétés de couverture tiennent compte de l’étape de sélection. Une première approche consistera à étudier un estimateur de type Lasso débiaisé et à caractériser sa distribution asymptotique afin de construire des intervalles de confiance et de prédiction présentant les taux de couverture
attendus. Les propriétés théoriques de cet estimateur devront être établies et les outils computationnels
correspondants seront développés et optimisés. Des approches alternatives, valides
conditionnellement au modèle sélectionné, pourront également être envisagées. Ces méthodes
seront appliquées en sciences du végétal à la prédiction du processus de vieillissement des
feuilles, appelé sénescence, à l’aide d’un modèle mixte non linéaire dans lequel seront intégrés
des biomarqueurs de très grande dimension, c’est-à-dire plusieurs dizaines de milliers de SNP
répartis sur l’ensemble du génome. Ce travail applicatif sera mené en collaboration étroite avec
Renaud Rincent, collègue généticien de l’unité INRAE GQE Le Moulon de l’Université Paris
Saclay.

Les pollinisateurs sauvages assurent une fonction essentielle au sein des agroécosystèmes : la pollinisation des plantes à fleurs et des cultures. Pourtant leur déclin actuel est imputé à différents facteurs anthropiques, dont l’utilisation de pesticides. Les connaissances sur l’exposition des pollinisateurs sauvages aux pesticides et les effets de cette exposition en conditions naturelles restent cependant éparses. Cette thèse vise à renforcer les connaissances sur les effets des pesticides en fonction de leurs modalités d’application et en tenant compte des facteurs pouvant les accentuer (usage d’herbicides, rémanence) ou les atténuer (habitats semi-naturels, agriculture biologique dans le voisinage). Elle reposera sur l'analyse des bases de données de suivis à long terme et à grande échelle, de pollinisateurs sauvages, de pratiques agricoles et de résidus de néonicotinoïdes dans les nectars de colza et tournesol et dans les sols d’une centaine de parcelles échantillonnées chaque année depuis 2013 dans un paysage dont l’usage des sols est connu, la Zone Atelier Plaine & Val de Sèvre (450 km²). Le premier objectif de la thèse est d'analyser les effets sur l'ensemble des pollinisateurs sauvages des traitements insecticides et de leurs interactions avec les variables locales (présence d’herbicides, de résidus de néonicotinoïdes) et des variables du paysage. Cette analyse nécessitera le développement d'une méthode d'analyse de données multivariées géolocalisées permettant d'estimer les effets des variables locales et les effets du paysage (i.e. permettant d'estimer l'intensité et l'échelle spatiale de ces effets). Le développement de cette méthode reposera sur les approches de régression d'analyses multivariées bayésiennes développées actuellement par Olivier David (dynenvie, MaIAGE) et s'appuiera sur le cadre de modélisation des effets du paysage proposé par la méthode siland (Carpentier & Martin, 2021), i.e. modéliser les effets du paysage comme la convolution d'une fonction d'influence spatiale (appartenant à une famille de fonction de densité spatiale paramétrique choisie) avec la distribution spatiale des polygones et segments représentant les éléments du paysage. Le second obejctif de la thèse est de proposer un indicateur de risque pour les pollinisateurs sauvages calculés à partir des pratiques et des paysages. Le calcul de cet indicateur de risque reposera sur une minimisation des risques pour l'ensemble des pollinisateurs. Le développement de ce critère s'intègre dans une des nouvelles perspectives de recherche de l'équipe dynenvie concernant l'optimisation multicritère intégrant la variabilité d'estimation associée au modèle utilisé pour calculer ce critère. Cette thèse sera dirigée par Ivan Sache (Pr. AgroParisTech, UFR EAI, Ecologie Adaptation Interaction) et co-encadrée par Florence Carpentier (MCF APT, acceuillie pour sa recherche à l'unité MaIAGE). Sabrina Gaba (INRAE) collaborera à cette thèse en tant que porteuse du projet Pollihealth, lors des discussions et des séjours de la doctorante au CEBC, où la doctorante présentera ces résultats et participera à la collecte de nouvelles données. Un comité de suivi de thèse avec des chercheurs expérimentés sera organisé chaque année pour obtenir un avis extérieur sur le travail de thèse. Il sera constitué de chercheurs représentant les différentes disciplines impliquées dans cette thèse interdisciplinaire : agroécologie, statistiques et écotoxicologie.

This project aims to develop a biomechanical model of the colon that captures the fluid-structure interaction (FSI) between the colonic wall and its contents. The objective is to simulate peristaltic motion and assess how muscular contractions influence transport and mixing.

Using realistic geometry and physiological parameters, we are building a numerical model that couples elastic wall deformation with fluid dynamics. This work contributes to integrating biomechanical features into the gut digital twin developed in the PhD project of Eleonora Pastremoli.