Sujet de thèse
Titre : Décryptage des mécanismes de défenses collectives contre les maladies chez l’abeille mellifère, Apis mellifera.
Détails du sujet : Lien vers le fichier détaillé
Contexte scientifique
Les invasions biologiques, comme celle de l’acarien Varroa destructor, menacent la survie des colonies d’abeilles mellifères (Apis mellifera). Cet acarien, initialement associé à Apis cerana, a déséquilibré la relation hôte-parasite chez A. mellifera, entraînant des pertes économiques et écologiques majeures.
Pourtant, A. mellifera développe des défenses comportementales collectives, comme le comportement hygiénique, qui limitent la croissance parasitaire et confèrent une « immunité sociale » aux colonies. Cependant, les mécanismes sous-jacents à ces défenses, notamment la détection des couvains compromis par les abeilles ouvrières, restent mal compris.
Problématique et objectifs
Ce projet vise à décoder les mécanismes des comportements défensifs collectifs chez A. mellifera en combinant éthologie, vision numérique et deep learning pour analyser des séquences comportementales in situ.
Objectifs principaux :
- Caractériser les séquences comportementales et les traits des abeilles hygiéniques en réponse à différents types de couvains altérés.
- Développer des algorithmes automatisés (IA) pour :
- Identifier les séquences comportementales liées à la défense.
- Repérer les abeilles effectrices parmi des milliers d’individus dans leur environnement naturel.
- Évaluer l’influence du contexte social sur l’activité des ouvrières hygiéniques, notamment le rôle de la performance collective de la colonie.
Programme de recherche
Méthodologie innovante :
- Observations in situ dans des ruches vitrées pour filmer les interactions au sein des colonies.
- Ressources exceptionnelles :
- Accès à 300 colonies d’abeilles suivies annuellement (projet ERC Bee Healthy), avec des phénotypes variés et finement caractérisés.
- Matériel d’acquisition vidéo haute performance et cluster de calcul pour traiter des données de grande qualité.
- Outils existants :
- Pipeline de tracking multi-objets (TrichTrack, Pani et al., 2021).
- Environnement R (moveR, Petitjean et al., 2024) pour l’analyse automatisée des comportements.
Enjeux et résultats attendus
- Approche automatisée et scalable : Utilisation de la vision numérique et du deep learning pour surmonter les limites des protocoles éthologiques traditionnels (coûteux en temps, peu adaptés aux grands jeux de données).
- Compréhension des mécanismes de détection des couvains compromis.
- Renforcement de la résistance des colonies via des stratégies de sélection ciblée.
- Perspectives pour une gestion durable des maladies apicoles, un enjeu crucial pour la filière et les écosystèmes dépendant de la pollinisation.
Partenariats et environnement scientifique
- Collaborations :
- Unité INRAE Abeilles et Environnement (Avignon).
- Plateforme de vidéo-phénotypage de l’unité ISA.
- Inria Sophia Antipolis et 3IA Tech Pool (expertise en analyse comportementale et intelligence artificielle).
- Organisation du travail :
- Périodes expérimentales (terrain et laboratoire) pour collecter des données biologiques et des enregistrements vidéo.
- Périodes méthodologiques (développement d’algorithmes) principalement en saison hivernale.
Profil recherché
- Master 2 ou Ingénieur·e (Bac+5) en éthologie, écologie, biologie ou domaine connexe.
- Compétences requises :
- Éthologie ou biologie (connaissances solides).
- Expérience en entomologie ou apidologie (atout).
- Analyse de données et programmation (R/Python).
- Intérêt pour l’intelligence artificielle (deep learning, vision numérique).
- Qualités :
- Aisance rédactionnelle et maîtrise de l’anglais.
- Autonomie, rigueur, capacité à travailler en équipe pluridisciplinaire.
- Sens de l’organisation.
Modalités de candidature
- Dossier à envoyer (en un seul fichier PDF) :
- CV.
- Lettre de motivation.
- Relevés de notes (Licence et Master).
- Contacts :
- Fanny Mondet : fanny.mondet@inrae.fr
- Vincent Calcagno : vincent.calcagno@inrae.fr
- Date limite : 22 juillet 2026.
- Entretiens : 4–6 août 2026 (en présentiel à Avignon ou par visioconférence).
Votre qualité de vie à INRAE
En rejoignant INRAE, vous bénéficiez de :
- Jusqu’à 30 jours de congés + 15 RTT (pour un temps plein).
- Soutien à la parentalité : CESU garde d’enfants, prestations pour les loisirs.
- Développement des compétences : Formations, conseil en orientation professionnelle.
- Accompagnement social : Conseil, écoute, aides et prêts sociaux.
- Prestations vacances et loisirs : Chèques-vacances, hébergements à tarif préférentiel.
- Activités sportives et culturelles.
- Restauration collective.
Références clés
- Mondet et al. (2021). Chemical detection triggers honey bee defense against Varroa destructor*. Nature Chemical Biology.
- Mondet et al. (2020). Honey bee survival mechanisms against Varroa destructor*. Int. J. Parasitol.
- Petitjean et al. (2024). moveR: An R package for animal video-tracking data. SoftwareX.
- Pani et al. (2021). TrichTrack: Multi-Object Tracking of Small-Scale Trichogramma Wasps. IEEE AVSS.
Pourquoi postuler ?
- Projet interdisciplinaire à l’interface entre éthologie, biologie et sciences des données.
- Impact sociétal : Contribuer à la santé des abeilles et à la durabilité des écosystèmes pollinisés.
- Environnement technique riche : Accès à des plateformes de pointe (vidéo-phénotypage, IA, calcul haute performance).
#Thèse #Abeilles #Varroa #ComportementHygiénique #DeepLearning #Éthologie #INRAE #Avignon #ImmunitéSociale #IA #Pollinisation