En savoir plus

Notre utilisation de cookies

« Cookies » désigne un ensemble d’informations déposées dans le terminal de l’utilisateur lorsque celui-ci navigue sur un site web. Il s’agit d’un fichier contenant notamment un identifiant sous forme de numéro, le nom du serveur qui l’a déposé et éventuellement une date d’expiration. Grâce aux cookies, des informations sur votre visite, notamment votre langue de prédilection et d'autres paramètres, sont enregistrées sur le site web. Cela peut faciliter votre visite suivante sur ce site et renforcer l'utilité de ce dernier pour vous.

Afin d’améliorer votre expérience, nous utilisons des cookies pour conserver certaines informations de connexion et fournir une navigation sûre, collecter des statistiques en vue d’optimiser les fonctionnalités du site. Afin de voir précisément tous les cookies que nous utilisons, nous vous invitons à télécharger « Ghostery », une extension gratuite pour navigateurs permettant de les détecter et, dans certains cas, de les bloquer.

Ghostery est disponible gratuitement à cette adresse : https://www.ghostery.com/fr/products/

Vous pouvez également consulter le site de la CNIL afin d’apprendre à paramétrer votre navigateur pour contrôler les dépôts de cookies sur votre terminal.

S’agissant des cookies publicitaires déposés par des tiers, vous pouvez également vous connecter au site http://www.youronlinechoices.com/fr/controler-ses-cookies/, proposé par les professionnels de la publicité digitale regroupés au sein de l’association européenne EDAA (European Digital Advertising Alliance). Vous pourrez ainsi refuser ou accepter les cookies utilisés par les adhérents de l'EDAA.

Il est par ailleurs possible de s’opposer à certains cookies tiers directement auprès des éditeurs :

Catégorie de cookie

Moyens de désactivation

Cookies analytiques et de performance

Realytics
Google Analytics
Spoteffects
Optimizely

Cookies de ciblage ou publicitaires

DoubleClick
Mediarithmics

Les différents types de cookies pouvant être utilisés sur nos sites internet sont les suivants :

Cookies obligatoires

Cookies fonctionnels

Cookies sociaux et publicitaires

Ces cookies sont nécessaires au bon fonctionnement du site, ils ne peuvent pas être désactivés. Ils nous sont utiles pour vous fournir une connexion sécuritaire et assurer la disponibilité a minima de notre site internet.

Ces cookies nous permettent d’analyser l’utilisation du site afin de pouvoir en mesurer et en améliorer la performance. Ils nous permettent par exemple de conserver vos informations de connexion et d’afficher de façon plus cohérente les différents modules de notre site.

Ces cookies sont utilisés par des agences de publicité (par exemple Google) et par des réseaux sociaux (par exemple LinkedIn et Facebook) et autorisent notamment le partage des pages sur les réseaux sociaux, la publication de commentaires, la diffusion (sur notre site ou non) de publicités adaptées à vos centres d’intérêt.

Sur nos CMS EZPublish, il s’agit des cookies sessions CAS et PHP et du cookie New Relic pour le monitoring (IP, délais de réponse).

Ces cookies sont supprimés à la fin de la session (déconnexion ou fermeture du navigateur)

Sur nos CMS EZPublish, il s’agit du cookie XiTi pour la mesure d’audience. La société AT Internet est notre sous-traitant et conserve les informations (IP, date et heure de connexion, durée de connexion, pages consultées) 6 mois.

Sur nos CMS EZPublish, il n’y a pas de cookie de ce type.

Pour obtenir plus d’informations concernant les cookies que nous utilisons, vous pouvez vous adresser au Déléguée Informatique et Libertés de l’INRA par email à cil-dpo@inra.fr ou par courrier à :

INRA
24, chemin de Borde Rouge –Auzeville – CS52627
31326 Castanet Tolosan cedex - France

Dernière mise à jour : Mai 2018

Menu INRA logo Inra FN3PT Fédération Nationale des Producteurs de Plant de Pomme de Terre

UMT Innoplant

Structuration et analyse de données massives (big data) en plant de pomme de terre

Objectifs

Une quantité et une diversité croissantes de données sont générées par les activités de recherche et d’expérimentation en plants de pomme de terre ainsi que par le suivi de parcelles agricoles et les données agro-météorologiques qui y sont associées.

Toutefois, ces sources de données massives sont hétérogènes en termes de contenu et d’échelle spatio-temporelle et peuvent difficilement être mises en relation. La synthèse et l’analyse de telles sources de données hétérogènes et massives représentent un défi important pour l’acquisition de nouvelles connaissances et pour évaluer ou simuler les performances de pratiques culturales ou itinéraires techniques.

 Il est donc nécessaire de :

  • travailler à la structuration de ces données au sein de larges bases de données
  • rechercher de nouvelles méthodes pour exploiter ces gisements de données

Travaux envisagés

Cette action du  programme InnoPlant² est envisagée en plusieurs étapes :                        

  • inventaire des données et cahier des charges pour la structuration d’une base de données : recensement des données disponibles dans le domaine des plants de pomme de terre, en interne (notations en parcelles, enquêtes en production, notations d’essais, analyses, travaux de recherche..) et en externe (données météorologiques, de sol et d’environnement, notamment via des plateformes comme API-AGRO) puis étude de la possibilité de structuration des informations dans une base de données unique   
  • base de données massives (selon faisabilité) : selon les résultats de l’étude de faisabilité,  une base de données sera établie avec les données retenues et structurées, en vue d’exploration de ces données (data mining), dans le cadre de travaux de recherche et d’études avec ou sans a-priori
  • étude-pilote avec l’analyse d’un jeu de données visant à mettre en évidence les associations (corrélation ou enchainement de variables). L’analyse et l’exploitation statistique de cette base de données est envisagée sur un ou deux cas-modèles, par exemple pour rechercher des associations préférentielles (clustering) afin d’identifier /quantifier les facteurs associés à l’expression de certains problèmes sanitaires comme la jambe noire ou les maladies à virus ou pour analyser les données d’un réseau expérimental  et étudier la faisabilité d’un modèle de détection prédictif de la jambe noire ou des maladies à virus.
Un gisement de données multiples et hétérogènes

Un gisement de données multiples et hétérogènes © FN3PT

Partenaires

Ce travail sera conduit par la FN3PT (Service informatique et chercheurs), en partenariat avec des acteurs de la certification, de la recherche et de l’analyse de données et si possible dans le cadre d’un projet collaboratif