Cette thèse s'inscrit dans le cadre du projet Digiplante au laboratoire MAS de l'École Centrale Paris, en collaboration avec l'unité de recherche G-eau au sein de l'IRSTEA. Dans un contexte de raréfaction de la ressource en eau, il est important de mieux valoriser l'usage de l'eau dans la production agricole. Pour la conception d'outils d'aide à la décision pour les agriculteurs ou les gestionnaires agricoles, il est nécessaire de développer une démarche quantitative permettant de décrire l'interaction de la ressource en eau avec la production végétale. Dans ce contexte, l'objectif de cette thèse multidisciplinaire est de proposer une méthodologie basée sur la modélisation de l'interaction plante-sol-atmosphère par couplage de modèles et sur le contrôle optimal pour gérer les stratégies d'irrigation. La première contribution de cette thèse consiste en le développement et l'étude de modèles couplés plante-sol, à différentes échelles. A titre de comparaison avec le modèle Pilote qui simule le rendement en se basant sur l'indice de récolte et la description empirique de l'indice foliaire LAI, on a proposé deux autres niveaux de modélisation pour la partie plante, ainsi que leur couplages avec le module sol de Pilote. D'une part, on a introduit un modèle par compartiments qui permet à la fois une gestion plus fine de l'allocation et une meilleure adaptation aux données expérimentales. D'autre part, le couplage a aussi été effectué avec le modèle GreenLab qui décrit la croissance architecturale de la plante. Ceci a nécessité le développement d'une version continue de GreenLab qui facilite en particulier l'intégration de l'effet du stress hydrique. Un jeu de données expérimentales a permis la paramétrisation de ces modèles, sous différents régimes d'irrigation et donc différents niveaux de stress hydrique. La deuxième contribution majeure a été le développement d'un cadre méthodologique pour le contrôle optimal des apports d'eau, dans le cas déterministe et le cas stochastique. La résolution proposée est basée sur la programmation dynamique qui permet de traiter différentes formulations du critère à optimiser, sans contraintes ou avec contraintes (par exemple logistiques ou réglementaires, comme les quotas d'irrigation). Une version itérative de l'algorithme a également été proposée afin d'améliorer la performance de la résolution numérique, mais également afin de pouvoir gérer les systèmes dynamiques à retards (qui peuvent apparaître pour certaines formulations du processus de sénescence dans les modèles de croissance). Notre méthodologie générique a pu être appliquée pour des problématiques concrètes, et permet d'envisager l'élaboration d'outils d'aide à la décision en agriculture afin de gérer les ressources en eau de façon plus efficace.

Cette thèse s'inscrit dans le cadre du projet Digiplante au laboratoire MAS de l’École Centrale Paris, en collaboration avec l'unité de recherche G-eau au sein de l'IRSTEA. Dans un contexte de raréfaction de la ressource en eau, il est important de mieux valoriser l'usage de l'eau dans la production agricole. Pour la conception d'outils d'aide à la décision pour les agriculteurs ou les gestionnaires agricoles, il est nécessaire de développer une démarche quantitative permettant de décrire l'interaction de la ressource en eau avec la production végétale. Dans ce contexte, l'objectif de cette thèse multidisciplinaire est de proposer une méthodologie basée sur la modélisation de l'interaction plante-sol-atmosphère par couplage de modèles et sur le contrôle optimal pour gérer les stratégies d'irrigation. La première contribution de cette thèse consiste en le développement et l'étude de modèles couplés plante-sol, à différentes échelles. A titre de comparaison avec le modèle Pilote qui simule le rendement en se basant sur l'indice de récolte et la description empirique de l'indice foliaire LAI, on a proposé deux autres niveaux de modélisation pour la partie plante, ainsi que leur couplages avec le module sol de Pilote. D'une part, on a introduit un modèle par compartiments qui permet à la fois une gestion plus fine de l'allocation et une meilleure adaptation aux données expérimentales. D'autre part, le couplage a aussi été effectué avec le modèle GreenLab qui décrit la croissance architecturale de la plante. Ceci a nécessité le développement d'une version continue de GreenLab qui facilite en particulier l'intégration de l'effet du stress hydrique. Un jeu de données expérimentales a permis la paramétrisation de ces modèles, sous différents régimes d'irrigation et donc différents niveaux de stress hydrique. La deuxième contribution majeure a été le développement d'un cadre méthodologique pour le contrôle optimal des apports d'eau, dans le cas déterministe et le cas stochastique. La résolution proposée est basée sur la programmation dynamique qui permet de traiter différentes formulations du critère à optimiser, sans contraintes ou avec contraintes (par exemple logistiques ou réglementaires, comme les quotas d'irrigation). Une version itérative de l'algorithme a également été proposée afin d'améliorer la performance de la résolution numérique, mais également afin de pouvoir gérer les systèmes dynamiques à retards (qui peuvent apparaître pour certaines formulations du processus de sénescence dans les modèles de croissance). Notre méthodologie générique a pu être appliquée pour des problématiques concrètes, et permet d'envisager l'élaboration d'outils d'aide à la décision en agriculture afin de gérer les ressources en eau de façon plus efficace. / This thesis is part of the project Digiplante in the MAS laboratory of Ecole Centrale Paris, in collaboration with the research unit G-water in the IRSTEA. In a context of scarcity of water resources, it is important to better promote the use of water in agricultural production. When designing decision support tools for farmers or farm managers, it is necessary to develop a quantitative approach to describe the interaction of water resources with crop production. In this context, the objective of this thesis is to propose a multidisciplinary methodology based on modeling the soilplant- atmosphere interaction with coupled models and on the strategy optimization for managing irrigation. The first contribution of this thesis is the development and study of plant-soil coupled models at different scales. In comparison with the Pilote model that simulates the crop yield based on the harvest index and the empirical description of the leaf area index LAI, we proposed two other levels of modeling for the plant part and their coupling with the soil module of Pilote. On the one hand, we have introduced a compartment model which allows both a finer management of the allocation and better adaptation to the experimental data. On the other hand, the coupling was also carried out with the GreenLab model which describes the architectural growth of the plant. This has necessitated the development of a continuous version of GreenLab which facilitates in particular the integration of the effect of water stress. A set of experimental data has allowed the parametrization of these models under different irrigation regimes and thus different levels of water stress. The second major contribution was the development of a methodological framework for the optimal control of water supplies in both deterministic and stochastic case. The proposed resolution is based on dynamic programming that can handle different optimization criterion either without or under constraints (for example regulatory or logistical constraints, such as irrigation quotas). An iterative version of the dynamic programming algorithm has also been proposed to improve the performance of the numerical solution, but also in order to deal with dynamical systems with delay (which can occur in some formulations of senescence in growth models). Our generic methodology could be applied to concrete problems, and allows the development of decision support tools in agriculture for a more efficient water resources management.