Moteur de recherche Veille sanitaire internationale

Cette revue porte sur la mise en œuvre des réseaux neuronaux convolutifs (CNN) par apprentissage profond pour la détection des maladies chez les plantes.

Le réchauffement climatique favorise l’extension de Lasiodiplodia theobromae, un champignon pathogène dont l’aire de répartition et la gamme d’hôtes ne cessent de croître, menaçant agriculture, foresterie et écosystèmes. Cette revue synthétise ses caractéristiques biologiques, les maladies qu’il provoque (chez les plantes et l’humain), ainsi que les méthodes de détection et les mécanismes de pathogénicité et de résistance des plantes. L’article propose aussi des stratégies de gestion durable et alerte sur les risques futurs pour les cultures, les forêts et la santé publique.

Cette revue d’opinion porte sur l’épidémiologie moderne des maladies des plantes, née en 1963 avec le traité de Vanderplank et qui s’est transformée en 60 ans grâce aux mathématiques, aux statistiques et à l’informatique, tout en conservant ses principes fondateurs. L’épidémiologie quantitative se divise aujourd’hui entre la modélisation théorique des dynamiques épidémiques et la prédiction en temps réel des épidémies, améliorées grâce à l’IA, l’apprentissage automatique et les progrès technologiques.

Une étude sur plus de 1 700 semis issus de 51 pommiers infectés a révélé que deux virus – le virus associé à la gomme concave des agrumes (4 %) et le virus de la rainure du pédoncule pommier (0,3 %) – peuvent se transmettre par les graines. Aucun autre des six virus/viroïde testés n’a montré de transmission. Cette découverte met en évidence un mode de propagation inédit chez le pommier, avec des conséquences pour les programmes de sélection, la certification de matériel sain et l’échange de ressources génétiques.

Chez la vigne, la combinaison de sécheresse et d’esca (maladie) complique fortement l’évaluation de leurs impacts sur la santé et la productivité des plants. L’étude montre que les vignes symptomatiques (esca) présentent une réduction de surface foliaire et de transpiration due à l’occlusion des vaisseaux du xylème, ce qui atténue paradoxalement les effets de la sécheresse et favorise une meilleure récupération après stress. Ces résultats révèlent une interaction antagoniste entre stress biotique et abiotique, soulignant la nécessité d’analyser conjointement leurs effets dans un contexte de changement climatique.

L’agrile du frêne responsable de la mort de millions de frênes en Amérique du Nord, a élargi sa gamme d’hôtes en s’attaquant depuis 2014 à Chionanthus virginicus (arbre de neige), menaçant désormais cette espèce indigène dans plusieurs États. Des études en laboratoire et sur le terrain ont montré que sur ce nouvel hôte le développement larvaire d’Agrilus planipennis est bien plus lent et que sa survie bien moindre : aucune larve n’a atteint le stade mature en 14 semaines en laboratoire, et seulement une sur 158 l’a fait en deux saisons sur le terrain. De même, aucune réponse associée à des parasitoïdes n’a été observé, probablement lié au faible nombre de larves d’A. planipennis ayant atteint le stade propice au parasitisme. Cependant, des recherches complémentaires sur des arbres plus matures sont nécessaires pour confirmer ces résultats.

Xylella fastidiosa, menace les cultures économiques et la flore ornementale. Cette étude utilise les SIG et la modélisation Maxent pour prédire sa dissémination mondiale actuelle et future sous différents scénarios climatiques. Les variables climatiques clés incluent précipitations et températures extrêmes. Le modèle (AUC = 0,91, TSS = 0,66) identifie des zones à haut risque en régions subtropicales et méditerranéennes, avec une expansion probable d’ici 2050-2070, surtout sous scénarios d’émissions élevées. Les résultats soulignent l’importance de mesures de gestion proactives pour protéger l’agriculture et la biodiversité.

Cette étude a utilisé un modèle de distribution des espèces (SDM) pour prédire l’activité saisonnière de Spodoptera frugiperda dans le centre et l’est des États-Unis d’Amérique du Nord. Les résultats montrent que son aire propice s’étend largement en été, avant de se réduire à partir de septembre, et que les variables environnementales influençant sa distribution varient selon les saisons. La température minimale joue un rôle déterminant en hiver et en automne, tandis qu’au printemps et en été, la superficie en maïs pluvial, l’indice de végétation par différence normalisée, les précipitations et l’évapotranspiration deviennent des facteurs clés. L’étude conclue que des infestations estivales massives nécessitent une lutte rapide et que l’utilisation de modèles saisonniers distincts améliore la précision des prédictions.

La pourriture noire de la vigne, causée par Phyllosticta ampelicida, réémerge comme une menace importante, en particulier pour Vitis vinifera très sensible à la maladie. L’évaluation sur trois ans d’une collection d’espèces de Vitis a confirmé certaines résistances connues et révélé de nouvelles sources de résistance, principalement chez des espèces américaines, tandis que les espèces asiatiques se sont avérées majoritairement sensibles. Ces résultats offrent des perspectives prometteuses pour intégrer des résistances durables dans les futurs programmes de sélection variétale

Voivi une nouvelle proposition d'architecture CNN pour le diagnostic de maladies des plantes. Pour répondre aux limites des méthodes traditionnelles de diagnostic des maladies des cultures, l’architecture Mob-Res — légère (3,51 M de paramètres) et optimisée pour mobile — combine apprentissage résiduel et MobileNetV2, offrant une précision record (99,47 % sur PlantVillage et 97,73 % sur Plant Disease Expert). Ce modèle surpasse des architectures comme ViT-L32 en efficacité, avec des temps d’inférence réduits et une meilleure adaptabilité inter-domaines, validée par le CDVR. Son interprétabilité, renforcée par des outils comme Grad-CAM++ et LIME, en fait une solution prometteuse pour une détection automatisée et scalable, au service de la sécurité alimentaire.

Pour une identification rapide des maladies des plantes, cette étude propose une nouvelle architecture des réseaux de neurones convolutifs sui soit robuste et capable d'identifier les maladies des plantes à partir d'images foliaires, à la fois en laboratoire et en conditions réelles. Cette approche 'IEViT' (Inception-Enhanced Vision Transformer), combine des réseaux Inception et des Vision Transformers pour extraire des caractéristiques locales et globales, optimisant ainsi l’efficacité sans alourdir les calculs. Testée sur cinq jeux de données (pommier, riz, haricots, manioc, et villages végétaux), cette approche surpasserait les modèles existants avec des précisions allant jusqu’à 99,70 %, tout en utilisant moins de paramètres.

Voici la proposition d'un nouveau modèle de classification de maladie foliaires des plantes HPDC-Net (Hybrid Plant Disease Classification Network) : cas d'étude sur pomme de terre et de la tomate. Pour Notre bulletin scientifique? (nouveau format)