La grande majorité des plantes à fleurs se reproduisent grâce à leurs pollinisateurs. L’évolution chez les plantes est pourtant souvent étudiée sans prendre en compte ces interactions, et cette thèse vise à mieux comprendre leur impact sur l’évolution des plantes. Dans un premier chapitre, je présenterai les effets connus des pollinisateurs sur le taux d’autofécondation des plantes et sur son évolution. Dans un second chapitre, j’ai modélisé l’évolution du taux d’autofécondation des plantes lorsque celui-ci affecte la démographie des plantes et des pollinisateurs, et l’investissement des plantes dans la pollinisation. Cette étude montre que l’évolution vers l’autofécondation peut mener à l’extinction des plantes. Dans un troisième chapitre, je m’intéresserai à l’évolution des caractéristiques florales pour des espèces qui dépendent obligatoirement du transfert de pollen entre individus : les espèces dioïques. Cette étude montre que l’attractivité des plantes peut évoluer différemment chez les individus mâles et femelles, surtout dans les grandes populations qui subissent peu de limitation en pollen. Ce résultat suggère que le dimorphisme sexuel ne menacerait pas le maintien des populations dioïques. Enfin, même si elles prennent en compte les pollinisateurs de manière sommaire, les études précédentes ont montré leur importance pour la démographie et l’évolution chez les plantes. La dernière étude de cette thèse a donc pour but de mieux décrire et quantifier les mécanismes sous-jacents au comportement du pollinisateur, en particulier concernant l’impact des traits floraux. Elle permettra une meilleure intégration des interactions plantes-pollinisateurs dans les modèles. / The mode of pollination is often neglected regarding the evolution of plant traits, although the reproduction of most flowering plants is based on their interactions with pollinators. This thesis aims at a better understanding of the interplay between animal-pollination and the evolution of plant traits. First, I will present a detailed review on the interplay between plant mating system and pollinator behavior, which highlights the impact of pollinators on the immediate ecological selfing rate and on its evolution. Second, I modeled the evolution of plant selfing rate when it affects both the demography of plants and pollinators and the investment of plants in pollination. This study provides new theoretical evidence that evolution towards selfing can lead to an evolutionary suicide in some conditions. Third, I will present a modeling analysis of the impact of animal-pollination for species that compulsorily rely on outcross pollination: entomophilous dioecious species. This study revealed that under pollinator-mediated selection, attractiveness of males and females should evolve in large populations that do not suffer from pollen limitation. This result suggests that dimorphism may not be a threat for dioecious populations. Finally, although the previous models integrated pollinators in a basic way, they highlighted strong interplays between pollinators, plant demography, and the evolution of plant traits. The last study of this thesis, aims at defining and quantifying the mechanisms underlying pollinator foraging behavior, and especially the impact of plants floral traits on pollen transfer. This would allow for a better modeling of plant-pollinators interactions.

En basant l'analyse des modèles épidémiologiques sur leur représentation graphique plutôt que sur leurs équations différentielles, il est possible de mettre en évidence plusieurs concepts importants à l'aide des composantes d'un hypergraphe. On décrit une manière formelle de créer automatiquement un système d'équations différentielles à partir de ces composantes et on adapte ensuite la définition du produit cartésien pour les hypergraphes décrits, ce qui permet la fusion de modèles. À l'aide d'un algorithme qui ajoute automatiquement de nouvelles composantes à l'hypergraphe, il est possible d'isoler virtuellement certains individus, afin d'expliciter le calcul de nombres de reproduction. On montre ensuite que la forme des équations différentielles créées admettent une solution unique et que l'algorithme d'ajout aux hypergraphes est stable au niveau de la structure et de la dynamique des hypergraphes. On trouve que la méthode décrite pour le calcul des nombres de reproduction permet une meilleure prédiction de la croissance de l'épidémie que le calcul standard \(\mathcal{R}_t = \mathcal{R}_0 \cdot S / N\) et que le calcul de \(\mathcal{R}_0\) est très similaire aux résultats trouvés à l'aide de la matrice de prochaine génération, en plus d'être plus simple à mettre en place et d'offrir une justification plus robuste. On conclue ce mémoire en décrivant sommairement un processus d'apprentissage automatique des paramètres dans les modèles à compartiments, afin de permettre une calibration de modèles plus rapide. L'apprentissage machine peut être intégré en faisant appel à la librarie torchdiffeq, qui implémente les équations différentielles ordinaires neuronales en utilisant Pytorch. / By basing the analysis of epidemiological models on their graphical representation rather than on their differential equations, it is possible to highlight a few key concepts by using the components of a hypergraph. We give a formal way to automatically create a system of differential equations by using these components and we then adapt the definition of the cartesian product for the defined hypergraphs, which permits the merging of models. Using an algorithm which automatically adds new components to the graph, we can virtually isolate a few individuals to explicitly compute the reproduction numbers. We then show that the resulting differential equations allow for a unique solution and that the modification algorithm is stable for the structure and dynamics of the hypergraphs. We find that the described method for the computation of reproduction numbers gives a more accurate prediction of the growth of the epidemic than the standard computation \(\mathcal{R}_t = \mathcal{R}_0 \cdot S/N\) and that the computation of \(\mathcal{R}_0\) is very similar to the results found using the next generation matrix method, as well as being simpler to integrate into models and offering a more robust justification. We conclude this thesis with a brief outline of an automatic learning process for the parameters in compartmental models, which allows a faster calibration of epidemiological models. The implementation of machine learning can be done through the torchdiffeq library, which applies the theory of neural ordinary differential equations using Pytorch.