IGRAC (2026 - 2029)

Responsable du projet 

Marie Pégard (UR Pluridisciplinaire Prairies et Plantes Fourragères - P3F)

Partenariat

• UR Pluridisciplinaire Prairies et Plantes Fourragères - P3F
• Cérience
• RAGT 2n 
• UE PHénotypage Au Champ des Céréales - PHACC
• UE DIASCOPE

Résumé

Le changement climatique, caractérisé par l’élévation des températures due à l’augmentation des gaz à effet de serre, pose un défi majeur pour l’agriculture mondiale. En France, les températures devraient augmenter de 3,4 à 5,3 °C d’ici 2100, avec des impacts particulièrement marqués dans le Sud-Est. Bien que les précipitations puissent augmenter légèrement, l’évapotranspiration accrue entraînera un déficit hydrique, intensifiant les sécheresses. Cette évolution climatique nécessite le développement rapide de nouvelles variétés végétales capables de s’adapter à des conditions environnementales plus stressantes. D’autre part, le climat va devenir de plus en plus variable entre les années. Cette variabilité nécessite d’augmenter la diversité des espèces et variétés cultivées à un endroit donné afin de tamponner les effets des stress inconnus. Ceci ne permettra pas d’obtenir le meilleur rendement mais d’assurer un rendement moyen quelle que soit l’année.
Les études actuelles sur l’adaptation climatique se concentrent principalement sur les espèces sauvages, avec peu d’attention portée aux espèces cultivées pour lesquelles le milieu est relativement contrôlé. Les modèles de génomique du paysage, tels que le Gradient Forest (GF), sont couramment utilisés pour identifier les loci adaptatifs et prédire l’adaptation ou la mal-adaptation des populations, aussi appelé « genomic offset » (GO). Ces modèles et prédictions ont montré dans plusieurs études une corrélation entre un caractère proxy de la fitness et le GO, encourageant l’utilisation du GO pour la gestion des ressources génétiques.
Ce projet vise à valider les prédictions de GO dans différents environnements et à utiliser ces modèles sur des variétés cultivées. Le projet s’appuiera sur le ray-grass anglais, espèce majoritaire des prairies naturelles et semées, pour laquelle, des données de prédictions de GO ont été collectées et un potentiel d’adaptation trouvé. Ces approches pouvant être menées sur des populations sauvages ou des landraces et pourraient être transférées sur un grand nombre d’espèces. L’intégration de ces technologies dans les pratiques de sélection variétale permettra de mieux préparer les cultures aux défis environnementaux futurs tout en préservant leur potentiel de production.