En savoir plus

A propos des cookies

Qu’est-ce qu’un « cookie » ?

Un "cookie" est une suite d'informations, généralement de petite taille et identifié par un nom, qui peut être transmis à votre navigateur par un site web sur lequel vous vous connectez. Votre navigateur web le conservera pendant une certaine durée, et le renverra au serveur web chaque fois que vous vous y re-connecterez.

Différents types de cookies sont déposés sur les sites :

  • Cookies strictement nécessaires au bon fonctionnement du site
  • Cookies déposés par des sites tiers pour améliorer l’interactivité du site, pour collecter des statistiques

> En savoir plus sur les cookies et leur fonctionnement

Les différents types de cookies déposés sur ce site

Cookies strictement nécessaires au site pour fonctionner

Ces cookies permettent aux services principaux du site de fonctionner de manière optimale. Vous pouvez techniquement les bloquer en utilisant les paramètres de votre navigateur mais votre expérience sur le site risque d’être dégradée.

Par ailleurs, vous avez la possibilité de vous opposer à l’utilisation des traceurs de mesure d’audience strictement nécessaires au fonctionnement et aux opérations d’administration courante du site web dans la fenêtre de gestion des cookies accessible via le lien situé dans le pied de page du site.

Cookies techniques

Nom du cookie

Finalité

Durée de conservation

Cookies de sessions CAS et PHP

Identifiants de connexion, sécurisation de session

Session

Tarteaucitron

Sauvegarde vos choix en matière de consentement des cookies

12 mois

Cookies de mesure d’audience (AT Internet)

Nom du cookie

Finalité

Durée de conservation

atid

Tracer le parcours du visiteur afin d’établir les statistiques de visites.

13 mois

atuserid

Stocker l'ID anonyme du visiteur qui se lance dès la première visite du site

13 mois

atidvisitor

Recenser les numsites (identifiants unique d'un site) vus par le visiteur et stockage des identifiants du visiteur.

13 mois

À propos de l’outil de mesure d’audience AT Internet :

L’outil de mesure d’audience Analytics d’AT Internet est déployé sur ce site afin d’obtenir des informations sur la navigation des visiteurs et d’en améliorer l’usage.

L‘autorité française de protection des données (CNIL) a accordé une exemption au cookie Web Analytics d’AT Internet. Cet outil est ainsi dispensé du recueil du consentement de l’internaute en ce qui concerne le dépôt des cookies analytics. Cependant vous pouvez refuser le dépôt de ces cookies via le panneau de gestion des cookies.

À savoir :

  • Les données collectées ne sont pas recoupées avec d’autres traitements
  • Le cookie déposé sert uniquement à la production de statistiques anonymes
  • Le cookie ne permet pas de suivre la navigation de l’internaute sur d’autres sites.

Cookies tiers destinés à améliorer l’interactivité du site

Ce site s’appuie sur certains services fournis par des tiers qui permettent :

  • de proposer des contenus interactifs ;
  • d’améliorer la convivialité et de faciliter le partage de contenu sur les réseaux sociaux ;
  • de visionner directement sur notre site des vidéos et présentations animées ;
  • de protéger les entrées des formulaires contre les robots ;
  • de surveiller les performances du site.

Ces tiers collecteront et utiliseront vos données de navigation pour des finalités qui leur sont propres.

Accepter ou refuser les cookies : comment faire ?

Lorsque vous débutez votre navigation sur un site eZpublish, l’apparition du bandeau « cookies » vous permet d’accepter ou de refuser tous les cookies que nous utilisons. Ce bandeau s’affichera tant que vous n’aurez pas effectué de choix même si vous naviguez sur une autre page du site.

Vous pouvez modifier vos choix à tout moment en cliquant sur le lien « Gestion des cookies ».

Vous pouvez gérer ces cookies au niveau de votre navigateur. Voici les procédures à suivre :

Firefox ; Chrome ; Explorer ; Safari ; Opera

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

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

Dernière mise à jour : Mai 2021

Menu Logo Principal Unité de pathologie végétale - Inra Avignon

Pathologie végétale

Zone de texte éditable et éditée et rééditée

RIMBAUD Loup

Virologue & modélisateur en épidémiologie & évolution

Depuis le 1er septembre 2018, je suis Chargé de Recherche dans l’équipe Virologie de l’unité Pathologie Végétale (INRAE, Montfavet). Mes recherches visent à identifier des stratégies de gestion efficaces, durables et rentables des maladies végétales, en particulier celles causées par les virus sur les plantes cultivées.

 CONTACT/PROFIL

RIMBAUD Loup

Unité de Recherches de Pathologie Végétale
INRAE PACA

cm

Domaine St Maurice BP 94
67, allée des chênes
CS 60094
F84143 Montfavet cedex
France

Tel : 33 (0) 4.32.72.28.75

loup.rimbaud(a)inrae.fr

HAL INRAE

Mes publications dans HAL INRAE

Google Scholar

https://scholar.google.fr/citations?hl=fr&user=u-JfrNIAAAAJ&view_op=list_works

ORCID

http://orcid.org/0000-0002-8098-9984

ResearcherID

http://www.researcherid.com/rid/N-8909-2017

Portrait réalisé par le service de communication d'INRAE : Loup Rimbaud : des mathématiques à la biologie pour étudier les maladies des plantes

 ACTIVITES DE RECHERCHE

Je m’appuie sur des modèles de simulation spatiotemporels, complétés par des expérimentations en laboratoire ou sous serre, et l’analyse statistique de données épidémiologiques acquises sur le terrain. Ces expérimentations et données de terrain apportent des connaissances précieuses sur la biologie des interactions des agents pathogènes avec leurs plantes hôtes et éventuellement leurs agents vecteurs. En effet, outre la possibilité de calibrer certains paramètres des modèles de simulation ou de tester certaines prédictions, ces connaissances permettent également d’identifier les mesures de gestion les plus adaptées, ou des voies de lutte innovantes. Enfin, pour que de telles recherches aient un impact sur nos pratiques agricoles, il est essentiel pour moi d’identifier des stratégies qui répondent aux besoins de la profession agricole, et de les communiquer.

1. Modélisation de stratégies de lutte contre les épidémies

Les modèles de simulation sont particulièrement utiles pour optimiser les stratégies de gestion des épidémies, et s’affranchissent des contraintes éthiques, légales, logistiques ou financières associées aux expérimentations sur de grandes échelles spatio-temporelles. Mes modèles simulent la dynamique épidémique des agents pathogènes dans un paysage cultivé et soumis à une stratégie de lutte, en vue d’optimiser les modalités de cette stratégie. Les agents pathogènes ont cependant une extraordinaire capacité à s’adapter et contrecarrer les méthodes de lutte déployées sur le terrain, en particulier celles qui s’appuient sur l’emploi de variétés résistantes. En incluant l’évolution des agents pathogènes, les modèles épidémio-évolutifs que j’utilise permettent donc d’identifier des stratégies à la fois efficaces et durables pour la gestion des maladies des plantes.

Modélisation de stratégies de lutte contre les épidémies : stratégies de déploiement

En collaboration avec l’unité BioSP (INRAE Avignon) et le CSIRO (Canberra, Australie), j’ai contribué au développement du package R landsepi (Landscape Epidemiology and Evolution). Ce package permet d’étudier tout un panel de stratégies de déploiement de la résistance contre les agents phytopathogènes, et notamment de comparer les stratégies suivantes :

  • Pyramidage de gènes de résistances au sein d’une même variété
  • Rotation de plusieurs variétés résistantes sur une parcelle
  • Mélanges de plusieurs variétés résistantes au sein d’une même parcelle
  • Mosaïque de variétés résistantes à l’échelle du paysage.

L’une des premières conclusions de ces travaux est qu’il n’existe pas de stratégie universelle pour tous les agents pathogènes et toutes les situations : la meilleure stratégie va dépendre du contexte épidémique, du contexte local et de l’objectif poursuivi (efficacité épidémiologique, durabilité évolutive, rentabilité économique, …). Une interface shiny est en cours de développement à des fins pédagogiques.

→ Cliquer sur les images pour les agrandir

Modélisation de stratégies de lutte contre les épidémies : exemples de simulation de paysages en mosaïque de trois variétés

Exemples de simulation de paysages en mosaïque de 3 variétés. Un algorithme permet de contrôler les proportions et niveaux d’agrégation des différentes variétés.

(Extrait de : Rimbaud L, Papaïx J, Rey JF, Barrett LG and Thrall PH (2018). Assessing the durability and efficiency of landscape-based strategies to deploy plant resistance to pathogens. PLoS Comput. Biol. 14:e1006067 https://doi.org/10.1371/journal.pcbi.1006067)

Modélisation de stratégies de lutte contre les épidémies : architecture SEIR du modèle

Architecture SEIR du modèle. Les hôtes sains peuvent être infectés par des propagules. Après une période de latence, les hôtes infectés produiront de nouvelles propagules pendant toute la durée de la période infectieuse. Les propagules peuvent muter et se disperser dans le paysage.

(Adapté de : Rimbaud L, Papaïx J, Barrett LG, Burdon JJ and Thrall PH (2018). Mosaics, mixtures, rotations or pyramiding: What is the optimal strategy to deploy major gene resistance? Evol. Appl. 11(10):1791-1810. https://onlinelibrary.wiley.com/doi/full/10.1111/eva.12681)

2. Calibrage des modèles par l’expérimentation

Pour identifier des stratégies de lutte adéquates et performantes, il est essentiel de bien comprendre la biologie des interactions entre agents pathogènes, plantes hôte, et agents vecteurs. L’emploi de résistances variétales permet notamment d’inhiber ces interactions. La résistance des plantes se traduit en effet par une diminution (possiblement totale) de la capacité du parasite à infecter, coloniser, ou exploiter son hôte pour son propre développement. Cependant, si de nombreux mécanismes moléculaires d’immunité des plantes ont été élucidés, très peu de données précises existent quant à leur effet sur les principales étapes du cycle infectieux. Ces données sont précieuses pour calibrer les modèles de simulation (notamment les étapes 1 à 4 de l’architecture SEIR, voir plus haut) destinés à évaluer plusieurs types de résistance variétale. En m’appuyant sur le Potato virus Y (Potyviridae, potyvirus) et le Cucumber mosaic virus (Bromoviridae, cucumovirus), mes expérimentations visent donc à caractériser différentes sources de résistance chez le piment (Capsicum annuum).

Calibrage des modèles par l’expérimentation

Nos premiers résultats montrent que le taux d’infection (étape 1) du PVY par puceron est légèrement inférieur chez une accession résistante (Perennial) que chez une accession sensible (Yolo Wonder). Cependant cette différence est trop faible pour expliquer le niveau de résistance constaté au champ chez l’accession résistante, qui doit probablement également inhiber d’autre étapes du cycle infectieux.

3. Transfert des connaissances

  • Enseignement (niveau Master 2)
    • Université Paris-Saclay : De l’Agronomie à l’AgroEcologie (AAE).
    • Montpellier SupAgro : Protection des Plantes et Environnement (PPE). Amélioration des plantes et ingénierie des plantes tropicales et méditerranéennes (APIMET).
  • Encadrement de stagiaires Master 2
    • 2020 Pierre Mustin (encadrant principal) : Evaluation de la résistance des plantes à la transmission des virus
    • 2020 Clarisse Vincent (co-encadrant) : Assurer la durabilité des résistances à la cercosporiose noire de nouvelles variétés de bananiers
    • 2019 Jean-Loup Gaussen (co-encadrant) : Développement d’outils spatiaux pour le package R landsepi
    • 2014 Samuel Marchat (co-encadrant) : Développement d’un protocole de détection précoce du virus de la sharka dans des Prunus