Une méthode accessible pour évaluer la pollinisation animale des cultures, déployable de la parcelle à la France entière
Auteurs
Emmanuelle PORCHER
Centre d’Ecologie et de Sciences de la Conservation (CESCO), Muséum national d’Histoire naturelle, Centre National de la Recherche Scientifique, Sorbonne Université, Paris 75005, France
Francesco ACCATINO
2 UMR SADAPT, INRAE, AgroParisTech, Université Paris-Saclay, Palaiseau 91120, France
James DESAEGHER
INRAE, UR406 Abeilles et environnement, Avignon 84914, France
Colin FONTAINE
Centre d’Ecologie et de Sciences de la Conservation (CESCO), Muséum national d’Histoire naturelle, Centre National de la Recherche Scientifique, Sorbonne Université, Paris 75005, France
Thibault GANDARA
Centre d’Ecologie et de Sciences de la Conservation (CESCO), Muséum national d’Histoire naturelle, Centre National de la Recherche Scientifique, Sorbonne Université, Paris 75005, France
Antoine GARDARIN
Agronomie, INRAE, AgroParisTech, Université Paris-Saclay, Palaiseau 91120, France
Gabrielle MARTIN
Centre de Recherche sur la Biodiversité et l'Environnement (CRBE) UMR 5300, Université de Toulouse, Toulouse INP, CNRS, IRD, CRBE, Toulouse 31077, France
Alice MICHELOT-ANTALIK
Université de Lorraine, INRAE, LAE, Nancy 54000, France
La pollinisation animale, centrale pour la majorité des espèces cultivées, est susceptible de devenir limitante du fait du déclin des pollinisateurs. Les outils existants pour mesurer la contribution des pollinisateurs au rendement des cultures sont difficilement transposables à de grandes surfaces, comme celle d’une exploitation agricole ou d’un territoire. Nous proposons un nouvel indicateur de la pollinisation animale. Cet indicateur est simple à produire car il ne nécessite que des données de dépendance des cultures aux pollinisateurs et de rendement des cultures sur un ensemble de parcelles. Nous montrons que, modulo quelques points de vigilance dans l’interprétation, cet indicateur permet de comparer des sites entre eux, d’identifier des zones de déficit de pollinisation animale, et de mettre en évidence les effets des pratiques agricoles et du paysage sur cette pollinisation.
PORCHER, E., ACCATINO, F., DESAEGHER, J., FONTAINE, C., GANDARA, T., GARDARIN, A., MARTIN, G., & MICHELOT-ANTALIK, A. (2026). Une méthode accessible pour évaluer la pollinisation animale des cultures, déployable de la parcelle à la France entière. Innovations Agronomiques, (111). Consulté à l’adresse https://ojs.ptl.ovh/index.php/iag/article/view/185
Une méthode accessible pour évaluer la pollinisation animale des cultures, déployable de la parcelle à la France entière
1. Introduction
Une majorité des plantes cultivées dépend au moins en partie des insectes ou d’autres animaux pour leur pollinisation (Ollerton et al., 2011), c’est-à-dire le transfert des grains de pollen des parties mâles vers les parties femelles des fleurs, permettant la production de graines et de fruits (Therond et al., 2017). Ceci rend les enjeux de pollinisation animale centraux dans le monde agricole, particulièrement dans un contexte où les pollinisateurs sont en déclin (Powney et al., 2019 ; Zattara & Aizen, 2021) et où les surfaces cultivées avec des espèces dépendantes des pollinisateurs sont en augmentation à l’échelle mondiale (Aizen et al., 2008). Plusieurs études démontrent des changements majeurs dans l’abondance et/ou la diversité des pollinisateurs sauvages (par exemple Koh et al., 2016 ; Powney et al., 2019), ainsi que des problèmes d’effondrement des colonies d’abeilles mellifères (Paudel et al., 2015), mais les conséquences en termes d’efficacité de la pollinisation des cultures comme des plantes sauvages, bien que déjà documentées (Artamendi et al., 2025), restent incertaines. En effet, la relation entre abondance ou diversité des pollinisateurs et pollinisation animale n’est pas univoque (Ricketts et al., 2008).
Les incertitudes autour d’une éventuelle érosion générale de l’efficacité de la pollinisation animale tiennent en partie au fait que la mesure de la contribution des pollinisateurs est fastidieuse et difficile à déployer sur des grandes surfaces, telles une exploitation agricole, un territoire, voire un pays entier, ou sur des durées de plusieurs années. Les méthodes expérimentales d’estimation de la pollinisation (par exemple en ensachant des fleurs pour exclure les pollinisateurs) sont très lourdes à mettre en œuvre et ne sont donc utilisées que sur des durées et des surfaces réduites. Ce type d’approche a par exemple permis de démontrer une limitation par les pollinisateurs pour le tournesol (Chabert et al., 2022) ou le colza en France (Perrot et al., 2018), ou encore d’évaluer le service de pollinisation sur un territoire dans le projet Sebioref (Ouin et al., 2022), mais uniquement sur des surfaces restreintes et au prix d’un très fort investissement humain.
Pour évaluer la pollinisation animale sur de plus grands territoires et avec des moyens financiers et humains limités, les seules approches disponibles actuellement reposent sur des indicateurs de pollinisation potentielle modélisant l’abondance des pollinisateurs (Rouabah et al., 2024) selon les caractéristiques paysagères. En particulier, des indicateurs utilisant le modèle de Lonsdorf (2009) sont de plus en plus disponibles et appliqués (Bockstaller et al., 2021 ; Sharp et al., 2018 ; Zulian et al., 2013). Leur principe est de mobiliser des données d’occupation du sol, et parfois de climat, pour identifier les zones favorables à certains pollinisateurs sauvages, souvent des abeilles, en termes de disponibilité de ressources alimentaires, sites de nidification et conditions climatiques. Le modèle associe également un modèle de déplacement des pollinisateurs pour identifier les zones susceptibles d’être visitées à partir des sites de reproduction. Cet indicateur potentiel a été utilisé par exemple pour optimiser la distribution des cultures à floraison massive et ainsi maximiser la pollinisation animale (Desaegher et al., 2021). Cependant, le modèle ne mesure pas la pollinisation effectivement réalisée, mais indique les endroits où des pollinisateurs sont susceptibles d’être présents en plus ou moins grand nombre. De plus, il se focalise sur un seul type de pollinisateurs, là où les cultures peuvent dépendre d’une grande diversité de pollinisateurs sauvages, comme les syrphes ou autres diptères (Rader et al., 2016), ou encore ne prend pas en compte l’effet de pratiques agricoles comme l’utilisation d’insecticides, aux effets démontrés sur la pollinisation (Stanley et al., 2015).
Dans cet article, nous présentons un nouvel indicateur de pollinisation animale, appelé “indicateur de pollinisation réalisée”, qui s’appuie sur les données de rendement des cultures afin d’inférer la contribution des pollinisateurs en comparant les cultures dépendantes des pollinisateurs à celles qui ne le sont pas. Cet indicateur nécessite peu de données, assez facilement accessibles ou récoltables, et peut être calculé à différentes échelles spatiales, de la parcelle agricole (Gandara et al., 2025) à la France entière (Martin et al., 2019). Il pourrait être déployé massivement pour identifier les zones avec un déficit de pollinisation animale, mettre en évidence les effets de certaines pratiques agricoles sur l’efficacité de cette pollinisation, et suivre les variations du succès de pollinisation des cultures au cours du temps. Dans la suite, nous présentons d’abord la méthode de calcul de l’indicateur, suivie de quelques résultats principaux et nous terminons par des recommandations importantes pour l’utilisation et l’interprétation de l’indicateur.
2. Données et principe du calcul de l’indicateur de pollinisation réalisée
2.1. Données nécessaires
Le calcul de l’indicateur de pollinisation réalisée nécessite deux types de données agronomiques élémentaires : d’une part des données de rendement des cultures, à une résolution spatiale la plus fine possible, d’autre part, une information sur la dépendance du rendement de ces cultures à la pollinisation animale. Ces données élémentaires sont souvent déjà disponibles sur beaucoup de territoires.
2.1.1. Rendement des cultures
Comme nous sommes intéressés par une mesure de la pollinisation, nous travaillons préférentiellement avec des cultures dont le rendement dépend de la production de graines ou de fruits, résultant de la pollinisation des fleurs. Pour les premiers tests de l’indicateur, à deux échelles spatiales différentes, nous avons utilisé des données de rendement issues de deux sources : (1) celles fournies par le ministère de l’Agriculture et de la Souveraineté Alimentaire dans le cadre de la Statistique Agricole Annuelle, qui recense chaque année le rendement moyen des cultures dans chaque département français (= un site). Pour cette approche nationale nous avons sélectionné 55 espèces cultivées dont les rendements dépendent de la production de graines ou de fruits, et nous avons extrait les rendements pour la période 2000-2010 ; (2) les données collectées sur la plateforme d’observation paysagère de Fénay, composée de 140 parcelles commerciales de grandes cultures contiguës (environ 1 000 ha) dans la plaine de Dijon. Chaque parcelle (= un site) est suivie chaque année depuis 2007 par l’unité de recherche Agroécologie (INRAE-Institut Agro-Université de Bourgogne), avec notamment une collecte des données de rendement et de pratiques. Pour cette deuxième zone d’étude nous avons sélectionné 14 espèces cultivées et les données de rendement sur la période 2007-2019.
2.1.2. Dépendance du rendement de la pollinisation animale
Pour chaque culture, la dépendance à la pollinisation animale est définie comme la diminution du rendement (exprimée en pourcentage du rendement maximum) qui serait observée en l’absence de tout pollinisateur. Cet indice varie de 0, pour les cultures non-dépendantes des pollinisateurs comme les céréales, à presque 100 % pour des cultures qui ne sont pas du tout productives en l’absence de pollinisateurs comme les kiwis ou certaines courges. Ces valeurs ont été estimées par diverses études expérimentales, et synthétisées dans l’article de Klein et al. (2007), qui propose 5 classes : aucune dépendance (0 %), et dépendances faible (5 %), modeste (25 %), forte (65 %) et essentielle (95 %). Cette synthèse mondiale fournit une seule valeur par espèce, et ignore l’existence de différences entre variétés pour la dépendance aux pollinisateurs, mais en première approche elle fournit une information utile pour la majorité des espèces cultivées en France. Récemment, Siopa et al. (2024) se sont affranchis des classes en proposant des valeurs continues de dépendance aux pollinisateurs.
2.2. Le calcul de l’indicateur
2.2.1. Standardisation des données de rendement
Comme nous allons le voir ci-dessous, l’indicateur de pollinisation réalisée met en relation les rendements des cultures avec leur dépendance aux pollinisateurs. Cependant, les rendements bruts des cultures sont par nature très différents d’une espèce à l’autre, dépendants notamment de la quantité d’eau dans la partie récoltée (exemple des concombres avec des rendements très élevés). Pour pouvoir comparer les rendements entre cultures, la première étape consiste donc en une standardisation, afin que toutes les cultures aient le même rendement moyen (= 0) et la même variabilité du rendement (= 1). Cette standardisation se fait au sein de chaque culture, à l’échelle de l’ensemble de la zone d’étude (Figures 1 A et B). Dans ce cas, des valeurs standardisées négatives dans un site donné indiquent que les rendements y sont inférieurs aux rendements moyens de cette culture dans la zone d’étude. À l’inverse, des valeurs standardisées positives dans un site indiquent que les rendements y sont supérieurs aux rendements moyens de cette culture dans la zone d’étude.
2.2.2. Mise en relation des données de rendement avec la dépendance des cultures aux pollinisateurs
La philosophie générale de calcul de l’indicateur est simple : elle repose sur l’hypothèse que, toutes choses égales par ailleurs, dans un site avec un déficit de pollinisateurs, le rendement standardisé des cultures dépendantes des pollinisateurs devrait être inférieur, en moyenne, au rendement standardisé des cultures non-dépendantes des pollinisateurs. La première partie de la phrase « toutes choses égales par ailleurs » est importante, et implique notamment l’hypothèse suivante sur les nombreux autres facteurs qui influencent le rendement des cultures (par exemple, caractéristiques des sols, conditions météorologiques, pratiques agricoles dans les parcelles, etc.) : ces facteurs sont considérés comme ayant un rôle équivalent, en moyenne, pour les cultures dépendantes et non-dépendantes des pollinisateurs, dans une zone donnée. C’est une hypothèse acceptable sous réserve que l’analyse soit faite sur un nombre suffisant d’espèces cultivées dans chaque catégorie de dépendance aux pollinisateurs (voir Discussion).
Cela étant posé, l’indicateur de pollinisation réalisée correspond à la pente de la régression linéaire entre les rendements standardisés des cultures et la dépendance des cultures aux pollinisateurs dans un site (Figure 1 C). Dans le site 7, les rendements des cultures non-dépendantes des pollinisateurs sont autour de la moyenne (i.e., 0) pour l’ensemble de la zone d’étude, ce qui indique que les conditions de culture sont relativement favorables. Cependant, les cultures dépendantes des pollinisateurs (dépendances de 0,65 et 0,95) ont des rendements inférieurs à la moyenne de la zone d’étude (rendements standardisés négatifs), malgré ces bonnes conditions de culture, ce qui suggère un déficit de pollinisation animale. Au contraire, dans le site 1, les rendements sont légèrement au-dessus de la moyenne de la zone d’étude pour toutes les cultures, quelle que soit leur dépendance aux pollinisateurs, ce qui suggère que la pollinisation animale est moins limitante dans ce site.
La figure 1 contient trois parties. En (A), une représentation schématique de la zone d’étude, qui est divisée en 7 sites. Les sites 1 et 7 sont colorés chacun avec une couleur distincte des autres sites car ils sont utilisés comme exemples dans la partie (C). En (B), la figure illustre l’étape de standardisation des rendements bruts de quatre cultures (kiwi, colza, concombre, blé tendre) : elle montre la distribution des rendements bruts de ces 4 cultures, très contrastés (par exemple moins de 100 quintaux/ha pour le colza, et jusqu’à plus de 5000 quintaux/ha pour le concombre) ; les rendements standardisés de chaque culture varient tous entre –4 et 4. En (C) le graphique montre la relation linéaire entre les rendements standardisés en ordonnée et la dépendance du rendement des cultures aux pollinisateurs en abscisse, qui permet le calcul de l’indicateur de pollinisation réalisée pour chaque site. Pour le site 1 la relation est positive ce qui indique un indicateur de pollinisation réalisé positif alors que pour le site 7 la relation est négative ce qui indique un indicateur de pollinisation réalisé négatif et donc une pollinisation plus faible.
2.2.3. Résolution spatiale et stratégies de spatialisation de l’indicateur
Les utilisateurs de l’indicateur seront souvent intéressés par une résolution spatiale la plus fine possible ; celle-ci est dépendante de deux facteurs : d’une part la résolution spatiale des données, en deçà de laquelle il n’est pas possible de descendre, d’autre part les répétitions disponibles pour les données de rendement. En effet, le calcul de l’indicateur requiert des données de rendement issues de différents sites, chacun comportant des cultures à niveaux de dépendance variables, que ce soit sur une parcelle en rotation ou sur un ensemble de parcelles. Comme l’indicateur repose sur le calcul d’une régression linéaire par site entre les rendements standardisés et la dépendance des cultures aux pollinisateurs, il faut suffisamment de données de rendement pour des cultures de dépendances variées pour une estimation fiable de la pente de la régression. Si l’on dispose de données pluriannuelles avec des séries temporelles suffisamment longues (en pratique supérieures à 10 ans), les répétitions temporelles peuvent être utilisées, à condition qu’il y ait eu sur chaque site une rotation des cultures permettant de disposer de données pour des cultures avec des dépendances contrastées aux pollinisateurs. En revanche, en l’absence de données temporelles, ou pour des séries temporelles trop courtes, les répétitions peuvent être obtenues en regroupant les unités d’observations de base (par exemple des parcelles) dans l’espace, avec une résolution spatiale d’autant plus grossière qu’un site regroupe beaucoup d’unités d’observation. Plusieurs options de regroupement spatial, avec des résolutions spatiales différentes, sont présentées dans Gandara et al. (2025).
2.3. Relation de l’indicateur de pollinisation réalisée avec d’autres indicateurs de pollinisation et avec des variables environnementales
Pour tester notre indicateur, nous avons examiné sa corrélation avec les indicateurs de pollinisation potentielle, fournissant une information sur les zones potentiellement abondantes en pollinisateurs à partir de modèles de déplacement des pollinisateurs et d’une cartographie d’occupation des sols pour évaluer les ressources disponibles : la carte produite par Zulian et al. (2013) dans le cas de l’étude à l’échelle de la France hexagonale et une cartographie produite par nos soins pour l’analyse des données de la plateforme d’observation de Fénay, à partir du modèle InVEST (Sharp et al., 2018). Pour cette dernière analyse, nous avons également pu examiner la relation entre l’indicateur de pollinisation réalisée et l’utilisation de pesticides dans les parcelles, mesuré comme l’Indice de Fréquence de Traitement cumulé sur les 13 années d’étude.
3. Résultats : une cartographie des zones présentant des déficits de pollinisation, disponible à différentes échelles spatiales
Dans cette partie, nous présentons les grandes lignes des variations spatiales de l’indicateur de pollinisation à deux échelles : celle de la France, à partir des données de la Statistique Agricole Annuelle, et celle d’un paysage agricole, à partir des données de la plateforme d’observation de Fénay. Des résultats plus détaillés sont disponibles dans Martin et al. (2019) et Gandara et al. (2025), respectivement.
3.1. A l’échelle nationale, un gradient latitudinal de pollinisation conforme aux connaissances sur l’écologie des pollinisateurs
Le calcul de l’indicateur de pollinisation réalisée à la résolution des départements français, grâce aux données de la Statistique Agricole Annuelle sur la période 2000-2010 pour 55 espèces cultivées dont le rendement dépend de la production de graines ou de fruits, montre des disparités fortes entre départements, avec notamment un gradient latitudinal associé à des déficits de pollinisation plus forts dans le nord de la France (Figure 2 A). On observe notamment des déficits particulièrement marqués dans le Bassin parisien. Au contraire, la situation semble moins problématique autour du bassin méditerranéen. L’indicateur de pollinisation réalisée est par ailleurs remarquablement corrélé avec l’indicateur de pollinisation potentielle de Zulian et al. (Figure 2 B, coefficient de corrélation de Spearman = 0.65, P < 0.001), ce qui suggère que l’utilisation de données d’occupation des sols et de climat peut fournir en première approche une bonne estimation de la pollinisation. Cependant, la corrélation n’est pas parfaite non plus, et les différences résiduelles sont probablement révélatrices d’autres facteurs influençant la pollinisation réalisée, qui ne sont pas pris en compte dans le modèle de Zulian et al. (2013) : diversité des pollinisateurs au-delà des abeilles sauvages, rôle des pollinisateurs gérés, notamment l’abeille mellifère, impact des pratiques agricoles. L’échelle nationale n’est cependant pas la plus pertinente pour tenter de séparer les effets relatifs de ces variables, car le gradient de pollinisation nord-sud est associé à plusieurs autres gradients nord-sud confondus : l’agriculture française est plus intensive au nord qu’au sud, les infrastructures agroécologiques y sont plus rares et le climat moins favorable pour une partie des pollinisateurs, notamment les abeilles sauvages. Des échelles spatiales plus fines, par exemple celle d’un paysage, permettent d’aller plus loin dans la compréhension des mécanismes qui influencent la pollinisation des cultures.
En (A) est présenté une carte de la France hexagonale avec chaque département coloré selon un gradient de couleur allant de l’orange (indicateur de pollinisation réalisée élevé) au bleu (indicateur de pollinisation réalisée faible). Les départements du nord ont plutôt des couleurs bleues, ceux du sud des couleurs orange. En (B) est représenté une carte de la France métropolitaine avec un gradient de couleur allant du vert (indicateur de pollinisation potentielle élevé) au rouge (indicateur de pollinisation potentielle faible). La résolution spatiale est beaucoup plus fine qu’en A, mais encore une fois le nord de l’hexagone semble avoir une pollinisation potentielle plus faible (couleur rouge) que le sud (couleur verte). Ces deux cartes illustrent la variabilité spatiale des deux indicateurs de pollinisation et mettent en évidence les zones en déficit de pollinisation.
3.2. A l’échelle d’un paysage agricole, l’indicateur de pollinisation réalisée révèle les effets des infrastructures agroécologiques et l’utilisation d’insecticides dans les parcelles
Dans la plateforme d’observation de Fénay, les indicateurs de pollinisation potentielle et réalisée sont encore bien corrélés (coefficient de corrélation = 60%, P < 0.001, Figure 3) mais toujours avec des différences. La corrélation positive entre les deux indicateurs est liée au rôle central, et bien connu, des éléments semi-naturels, qui favorisent l’abondance et la diversité des pollinisateurs (Kennedy et al., 2013). Ces éléments semi-naturels sont inclus par construction dans l’indicateur de pollinisation potentielle, mais pas dans celui de pollinisation réalisée : cette corrélation positive est donc une confirmation que ce dernier indicateur fondé sur les rendements indique bien la présence, mais aussi l’efficacité des pollinisateurs. Les différences, en revanche, peuvent être partiellement expliquées par une qualité variable, non caractérisée, des éléments semi-naturels et par le rôle des pratiques dans les parcelles, pratiques qui ne sont pas incluses dans le modèle de pollinisation potentielle. En effet, quand l’indicateur est calculé à la résolution spatiale de la parcelle, nous observons une relation négative entre la pollinisation réalisée et l’indice de fréquence de traitement en insecticides (Gandara et al., 2025).
En (A), une carte de la plateforme d’observation de Fénay avec chaque parcelle colorée par une couleur prise dans un gradient allant du bleu (indicateur de pollinisation réalisée élevé) au rouge (indicateur de pollinisation réalisée faible). En (B) une carte de la plateforme d’observation de Fénay avec chaque parcelle colorée par une couleur prise dans un gradient de couleur allant du bleu (indicateur de pollinisation potentielle élevé) au rouge (indicateur de pollinisation potentielle faible). Ces deux cartes illustrent la variabilité spatiale des deux indicateurs de pollinisation en montrant d’une part un même gradient de pollinisation, d’une meilleure pollinisation au nord-ouest de la plateforme à une moins bonne pollinisation au sud-est, et d’autre part des différences résiduelles entre certaines parcelles.
4. Discussion : quelques précautions dans le calcul et l’interprétation de l’indicateur de pollinisation réalisée
L’indicateur de pollinisation réalisée est un outil prometteur, qui peut être calculé à partir de données relativement disponibles, et qui va au-delà des indicateurs de pollinisation existants : en effet, cet indicateur basé sur les rendements renseigne la pollinisation réalisée, contrairement aux indicateurs potentiels basés sur la présence prédite de pollinisateurs. A ce titre, il permet de prendre en compte la pollinisation assurée par l’ensemble des pollinisateurs des cultures et d’inclure toutes les variables environnementales influençant cette pollinisation, notamment l’effet des pratiques agricoles qui ne sont souvent pas considérées dans les modèles existants. Cependant, plusieurs précautions doivent être prises pour une bonne utilisation et interprétation de l’indicateur.
4.1. L’indicateur de pollinisation réalisée est relatif, et ne permet pas une estimation dans l’absolu des déficits de pollinisation
Par son mode de calcul, qui inclut une standardisation des rendements de chaque culture à l’échelle de la zone d’étude dans son ensemble, l’indicateur informe sur les classements des sites les uns par rapport aux autres, mais ne dit rien sur les pertes de rendement absolues causées par un déficit de pollinisation. Par construction, les rendements standardisés varient majoritairement entre -2 et +2 et sont centrés sur 0, cela pour tous les niveaux de dépendance. Ainsi, une relation négative entre ces rendements et la dépendance aux pollinisateurs dans certains sites implique, en miroir, une relation positive dans d’autres. Les relations négatives signalent clairement un déficit de pollinisation (les cultures dépendantes présentent des rendements inférieurs à la moyenne nationale). L’interprétation des relations positives est moins directe : si un déficit de pollinisation touche toute la zone d’étude, même les sites à relation positive restent en déficit, mais dans une moindre mesure que les sites à relation négative (leurs cultures dépendantes ont les meilleurs rendements relatifs). A noter cependant qu'en l'absence de déficit, l’indicateur ne détecte aucun signal : les pentes des relations restent proches de zéro pour tous les sites. L’indicateur de pollinisation réalisée met donc en évidence des déficits dès lors que les pentes sont variables d’un site à l’autre, et classe les sites selon la sévérité du déficit ou inversement selon la contribution des pollinisateurs au rendement des cultures qui en sont dépendantes. Pour connaître l’effet absolu du déficit de pollinisation sur les rendements, il est indispensable d’utiliser les techniques éprouvées de supplémentation en pollen : ce dépôt manuel de pollen compatible sur des fleurs en pollinisation libre permet lever toute limitation pollinique et d’estimer le rendement maximal associé à une pollinisation complète.
4.2. L’indicateur de pollinisation réalisée nécessite plusieurs cultures par niveau de dépendance aux pollinisateurs
L’interprétation de l’indicateur repose sur une hypothèse centrale : à part l’efficacité de la pollinisation animale, tous les facteurs influençant le rendement, qui sont nombreux (caractéristiques des sols, conditions météorologiques, pratiques agricoles, etc.) ont en moyenne le même effet sur les espèces cultivées quelle que soit leur dépendance aux pollinisateurs. C’est ce qui est sous-entendu dans l’affirmation « toutes choses égales par ailleurs ». Pour que cette hypothèse soit vérifiée le mieux possible, il est indispensable que chaque catégorie de dépendance aux pollinisateurs soit représentée par le plus grand nombre d’espèces cultivées possible. Prenons un exemple caricatural où l’indicateur serait calculé avec seulement deux espèces : une céréale A, avec une dépendance de 0 pour les pollinisateurs, et une courge B, avec une dépendance de 95 % pour les pollinisateurs. Par ailleurs, la céréale est très résistante à la sécheresse mais supporte peu l’humidité (maladies fongiques) alors que la courge a de forts besoins en eau. Avec un tel jeu de données, les rendements standardisés de la céréale sont élevés dans les sites les plus secs et faibles dans les sites très arrosés, et c’est le contraire pour les rendements de la courge. La relation entre rendements standardisés et dépendance aux pollinisateurs est donc négative dans les sites secs et positive dans les sites arrosés, et ce même si la pollinisation animale n’est limitante nulle part. Dans ce cas précis, les effets du climat et de la dépendance à la pollinisation sont confondus et l’indicateur ne fonctionne pas : il conclut à un déficit de pollinisation animale dans les sites secs, alors que ce n’est qu’une question de préférence climatique. En revanche, avec plusieurs espèces cultivées fonctionnellement contrastées dans chaque classe de dépendance aux pollinisateurs, on attend qu’il n’y ait pas de corrélation entre dépendance aux pollinisateurs et préférences climatiques, édaphiques, ou aux pratiques agricoles. Un corollaire de cette propriété est que l’indicateur ne fournit pas une mesure du déficit de pollinisation pour une culture isolément, seulement pour des sites dans une zone donnée, sur l’ensemble des cultures incluses dans le calcul. Par ailleurs, si toutes les cultures dépendantes des pollinisateurs sont bien pollinisées par un seul type de pollinisateurs (l’abeille domestique par exemple), l’indicateur peut passer à côté d’un déficit de pollinisation par les autres pollinisateurs (pollinisateurs sauvages par exemple).
4.3. Le choix de la résolution spatiale dépend des attentes des utilisateurs
Selon la finesse des données de rendement disponibles, l’indicateur peut être calculé à différentes résolutions spatiales, y compris jusqu’à celle de la parcelle agricole si l’on dispose d’une série temporelle suffisamment longue pour chaque parcelle. Le choix de la meilleure résolution spatiale dépend des questions que l’on souhaite aborder avec l’indicateur. Pour comprendre l’effets des pratiques dans la parcelle sur la pollinisation, la résolution spatiale de la parcelle est assez logiquement la plus pertinente, d’autant que la typologie des pratiques peut varier rapidement d’une parcelle à l’autre dans un territoire agricole. En revanche, pour visualiser la configuration spatiale de l’efficacité de la pollinisation dans un territoire ou paysage agricole, des résolutions plus grossières peuvent être plus efficaces, car elles permettent d’une part de moyenner des effets de pratiques intra-parcelle parfois contrastés, et d’autre part d’augmenter la précision de l’indicateur en augmentant le nombre de données utilisées pour calculer la pente de la relation entre rendements standardisés et dépendance aux pollinisateurs. Les lecteurs et lectrices intéressé.es trouveront plus de détails dans l’article de Gandara et al. (2025).
4.4. L’indicateur peut aussi être utilisé pour un suivi des variations temporelles de l’efficacité de la pollinisation
Le présent article s’est concentré sur l’étude des variations spatiales de l’efficacité de la pollinisation, mais l’indicateur peut aussi être appliqué avec un découpage des données dans le temps, plutôt que dans l’espace. L’indicateur classera alors les intervalles de temps, par exemple les années, entre moments avec un fort déficit de pollinisation et moments avec une meilleure pollinisation. Une perspective naturelle de cet indicateur est donc d’être testé pour suivre les changements temporels de la pollinisation en France.
5. Conclusions
L’indicateur de pollinisation réalisée, fondé sur les données de rendement des cultures et leur dépendance aux pollinisateurs, est un outil prometteur pour identifier des zones où la pollinisation animale est la plus limitante, et ainsi soit adapter son assolement, à court terme, pour installer les cultures très dépendantes des pollinisateurs dans les zones les plus favorables, soit repenser à plus long terme un territoire agricole pour promouvoir des aménagements et pratiques favorables aux pollinisateurs là où ils n’assurent plus leur rôle de pollinisation. Cet indicateur apporte une plus-value par rapport aux outils existants qui en restent à la pollinisation potentielle, car il permet de prendre en compte tous les pollinisateurs et tous les facteurs qui les influencent, notamment les pratiques dans les parcelles. Nous souhaitons continuer à le déployer dans une gamme de contextes agricoles variées, et les personnes connaissant des territoires où des données de rendement des cultures sont disponibles sont chaleureusement invitées à nous contacter.
Ethique
Les auteurs déclarent que les expérimentations ont été réalisées en conformité avec les réglementations nationales applicables.
Déclaration sur la disponibilité des données et des modèles
Les données qui étayent les résultats évoqués dans cet article sont accessibles sur demande auprès de l’auteur de correspondance de l’article.
Déclaration relative à l'Intelligence artificielle générative et aux technologies assistées par l'Intelligence artificielle dans le processus de rédaction.
Les auteurs n'ont pas utilisé de technologies assistées par intelligence artificielle dans le processus de rédaction.
EP : Rédaction - version originelle. Tous les auteurs : Rédaction - Révision et correction.
Déclaration d'intérêt
Les auteurs déclarent ne pas travailler, ne pas conseiller, ne pas posséder de parts, ne pas recevoir de fonds d'une organisation qui pourrait tirer profit de cet article, et ne déclarent aucune autre affiliation que celles citées en début d’article.
Remerciements
Les travaux présentés dans cet article ont été initiés dans le cadre de l’EFESE (Evaluation Française des Ecosystèmes et Services Ecosystémiques).
Déclaration de soutien financier
Les travaux présentés dans cet article ont reçu le soutien financier de la région Île-de-France (DIM ASTREA, #15CS640), de l’Agence Nationale de la Recherche (projet BeCreative #ANR-20-PCPA-0001) et de l’Office Français de la Biodiversité-EcoPhyto2+ (projet ESPRES #OFB-21–0950).
Aizen, M. A., Garibaldi, L. A., Cunningham, S. A., & Klein, A. M. (2008). Long-term global trends in crop yield and production reveal no current pollination shortage but increasing pollinator dependency. Current Biology, 18(20), 1572–1575. https://doi.org/10.1016/j.cub.2008.08.066
Artamendi, M., Martin, P. A., Bartomeus, I., & Magrach, A. (2025). Loss of pollinator diversity consistently reduces reproductive success for wild and cultivated plants. Nature Ecology & Evolution, 9(2), 296–313. https://doi.org/10.1038/s41559-024-02595-2
Bockstaller, C., Sirami, C., Sheeren, D., Keichinger, O., Arnaud, L., Favreau, A., Angevin, F., Laurent, D., Marchand, G., Delaroche, E., & Ceschia, É. (2021). Contribution of remote sensing to the calculation of agri-environmental indicators for the CAP, farmers and stakeholdersApports de la télédétection au calcul d’indicateurs agri-environnementaux au service de la PAC, des agriculteurs et porteurs d’enjeu. Innovations Agronomiques. https://doi.org/10.15454/NS4W-A314
Chabert, S., Mallinger, R. E., Senechal, C., Fougeroux, A., Geist, O., Guillemard, V., Leylavergne, S., Malard, C., Pousse, J., & Vaissiere, B. E. (2022). Importance of maternal resources in pollen limitation studies with pollinator gradients: A case study with sunflower. Agriculture Ecosystems & Environment, 330, 107887. https://doi.org/10.1016/j.agee.2022.107887
Desaegher, J., Sheeren, D., & Ouin, A. (2021). Optimising spatial distribution of mass-flowering patches at the landscape scale to increase crop pollination. Journal of Applied Ecology, 58(9), 1876–1887. https://doi.org/10.1111/1365-2664.13949
Gandara, T., Gardarin, A., Desaegher, J., Petit, S., Porcher, E., & Michelot-Antalik, A. (2025). A crop yield-based pollination index reveals the impacts of land cover and pesticide use on realized pollination at a landscape scale. Agriculture Ecosystems & Environment, 392, 109747. https://doi.org/10.1016/j.agee.2025.109747
Kennedy, C. M., Lonsdorf, E., Neel, M. C., Williams, N. M., Ricketts, T. H., Winfree, R., Bommarco, R., Brittain, C., Burley, A. L., Cariveau, D., Carvalheiro, L. G., Chacoff, N. P., Cunningham, S. A., Danforth, B. N., Dudenhoeffer, J.-H., Elle, E., Gaines, H. R., Garibaldi, L. A., Gratton, C., … Kremen, C. (2013). A global quantitative synthesis of local and landscape effects on wild bee pollinators in agroecosystems. Ecology Letters, 16(5), 584–599. https://doi.org/10.1111/ele.12082
Klein, A.-M., Vaissiere, B. E., Cane, J. H., Steffan-Dewenter, I., Cunningham, S. A., Kremen, C., & Tscharntke, T. (2007). Importance of pollinators in changing landscapes for world crops. Proceedings of the Royal Society B-Biological Sciences, 274(1608), 303–313. https://doi.org/10.1098/rspb.2006.3721
Koh, I., Lonsdorf, E. V., Williams, N. M., Brittain, C., Isaacs, R., Gibbs, J., & Ricketts, T. H. (2016). Modeling the status, trends, and impacts of wild bee abundance in the United States. Proceedings of the National Academy of Sciences of the United States of America, 113(1), 140–145. https://doi.org/10.1073/pnas.1517685113
Lonsdorf, E., Kremen, C., Ricketts, T., Winfree, R., Williams, N., & Greenleaf, S. (2009). Modelling pollination services across agricultural landscapes. Annals of Botany, 103(9), 1589–1600. https://doi.org/10.1093/aob/mcp069
Martin, G., Fontaine, C., Accatino, F., & Porcher, E. (2019). New indices for rapid assessment of pollination services based on crop yield data: France as a case study. Ecological Indicators, 101, 355–363. https://doi.org/10.1016/j.ecolind.2019.01.022
Ouin, A., Andrieu, É., Balent, G., Carrié, R., Choisis, J.-P., Dejoux, J.-F., del Corso, J.-P., Desaegher, J., Fauvel, M., Gallai, N., Ladet, S., Rivers-Moore, J., Uwingabire, Z., Sheeren, D., Vialatte, A., & Cichosz, B. (2022, March 25). PSDR4 Sebioref—Une approche paysagère et territorialisée des services écosystémiques et des valeurs attachées pour guider les décideurs publics. Innovations Agronomiques. https://hal.inrae.fr/hal-03645000
Paudel, Y. P., Mackereth, R., Hanley, R., & Qin, W. (2015). Honey Bees (Apis mellifera L.) and Pollination Issues: Current status, impacts and potential drivers of decline. Journal of Agricultural Science, 7(6), p93. https://doi.org/10.5539/jas.v7n6p93
Perrot, T., Gaba, S., Roncoroni, M., Gautier, J.-L., & Bretagnolle, V. (2018). Bees increase oilseed rape yield under real field conditions. Agriculture Ecosystems & Environment, 266, 39–48. https://doi.org/10.1016/j.agee.2018.07.020
Powney, G. D., Carvell, C., Edwards, M., Morris, R. K. A., Roy, H. E., Woodcock, B. A., & Isaac, N. J. B. (2019). Widespread losses of pollinating insects in Britain. Nature Communications, 10, 1018. https://doi.org/10.1038/s41467-019-08974-9
Rader, R. A., Bartomeus, I. B., Garibaldi, L. A., Garratt, M. P. D., Howlett, B. G., Winfree, R. G., Cunningham, S. A., Mayfield, M. M., Arthur, A. D., Andersson, G. K. S., Bommarco, R. M., Brittain, C. N., Carvalheiro, L. G., Chacoff, N. P., Entling, M. H., Foully, B. A., Freitas, B. M., Gemmill-Herren, B. u, Ghazoul, J. V., … Woyciechowski, M. (2016). Non-bee insects are important contributors to global crop pollination. Proceedings of the National Academy of Sciences of the United States of America, 113(1), 146–151. https://doi.org/10.1073/pnas.1517092112
Reilly, J. R., Artz, D. R., Biddinger, D., Bobiwash, K., Boyle, N. K., Brittain, C., Brokaw, J., Campbell, J. W., Daniels, J., Elle, E., Ellis, J. D., Fleischer, S. J., Gibbs, J., Gillespie, R. L., Gundersen, K. B., Gut, L., Hoffman, G., Joshi, N., Lundin, O., … Winfree, R. (2020). Crop production in the USA is frequently limited by a lack of pollinators. Proceedings of the Royal Society B-Biological Sciences, 287(1931), 20200922. https://doi.org/10.1098/rspb.2020.0922
Ricketts, T. H., Regetz, J., Steffan-Dewenter, I., Cunningham, S. A., Kremen, C., Bogdanski, A., Gemmill-Herren, B., Greenleaf, S. S., Klein, A. M., Mayfield, M. M., Morandin, L. A., Ochieng, A., & Viana, B. F. (2008). Landscape effects on crop pollination services: Are there general patterns? Ecology Letters, 11(5), 499–515. https://doi.org/10.1111/j.1461-0248.2008.01157.x
Rouabah, A., Rabolin‐Meinrad, C., Gay, C., & Therond, O. (2024). Models of bee responses to land use and land cover changes in agricultural landscapes – a review and research agenda. Biological Reviews, 99(6), 2003–2021. https://doi.org/10.1111/brv.13109
Sharp, R., Chaplin-Kramer, R., Wood, S., Guerry, A., Tallis, H., Ricketts, T., Nelson, E., Ennaanay, D., Wolny, S., Olwero, N., Vigerstol, K., Derric Pennington, Mendoza, G., Aukema, J., Foster, J., Forrest, J., Cameron, D., Arkema, K., Lonsdorf, E., … Douglass, J. (2018). InVEST User’s Guide. The Natural Capital Project, Stanford University, University of Minnesota, The Nature Conservancy, and World Wildlife Fund. https://doi.org/10.13140/RG.2.2.32693.78567
Siopa, C., Carvalheiro, L. G., Castro, H., Loureiro, J., & Castro, S. (2024). Animal-pollinated crops and cultivars-A quantitative assessment of pollinator dependence values and evaluation of methodological approaches. Journal of Applied Ecology, 61(6), 1279–1288. https://doi.org/10.1111/1365-2664.14634
Stanley, D. A., Garratt, M. P. D., Wickens, J. B., Wickens, V. J., Potts, S. G., & Raine, N. E. (2015). Neonicotinoid pesticide exposure impairs crop pollination services provided by bumblebees. Nature, 528(7583), 548-+. https://doi.org/10.1038/nature16167
Therond, O., Tichit, M., Tibi, A., Accatino, F., Biju-Duval, L., & et al. (2017). Volet “écosystèmes agricoles” de l’Evaluation Française des Ecosystèmes et des Services Ecosystémiques. https://doi.org/10.15454/PRMV-WC85
Turo, K. J., Reilly, J. R., Fijen, T. P. M., Magrach, A., & Winfree, R. (2024). Insufficient pollinator visitation often limits yield in crop systems worldwide. Nature Ecology & Evolution. https://doi.org/10.1038/s41559-024-02460-2
Zattara, E. E., & Aizen, M. A. (2021). Worldwide occurrence records suggest a global decline in bee species richness. One Earth, 4(1), 114–123. https://doi.org/10.1016/j.oneear.2020.12.005
Zulian, G., Maes, J., & Paracchini, M. (2013). Linking Land Cover Data and Crop Yields for Mapping and Assessment of Pollination Services in Europe. Land, 2(3), 472–492. https://doi.org/10.3390/land2030472
Emmanuelle PORCHER
Francesco ACCATINO
James DESAEGHER
Colin FONTAINE
Thibault GANDARA
Antoine GARDARIN
Gabrielle MARTIN
Alice MICHELOT-ANTALIK
La pollinisation animale, centrale pour la majorité des espèces cultivées, est susceptible de devenir limitante du fait du déclin des pollinisateurs. Les outils existants pour mesurer la contribution des pollinisateurs au rendement des cultures sont difficilement transposables à de grandes surfaces, comme celle d’une exploitation agricole ou d’un territoire. Nous proposons un nouvel indicateur de la pollinisation animale. Cet indicateur est simple à produire car il ne nécessite que des données de dépendance des cultures aux pollinisateurs et de rendement des cultures sur un ensemble de parcelles. Nous montrons que, modulo quelques points de vigilance dans l’interprétation, cet indicateur permet de comparer des sites entre eux, d’identifier des zones de déficit de pollinisation animale, et de mettre en évidence les effets des pratiques agricoles et du paysage sur cette pollinisation.
A turn-key method for assessing animal pollination of crops, applicable from individual agricultural fields to France as a whole
en
Animal pollination, which is central to the yield of most crop species, is likely to become limiting due to the decline of pollinators. Existing tools for measuring the contribution of pollinators to crop yields are difficult to apply to large areas, such as farms or whole regions. We propose a new indicator of animal pollination. This indicator is simple to produce as it only requires data on crop dependence on pollinators, as well as crop yields across a set of fields. We show that, with a few points to bear in mind when interpreting the results, this indicator can be used to compare sites, identify areas with a deficit in animal pollination, and highlight the effects of farming practices and landscape on pollination.
