Interprétation des données
Guide essais variétés Interprétation
Le contenu qui suit est issu de :
Oeuvre originale : Colley, M., Myers J., Dawson, J., Zystro, J., Healy, K., Behar, H. et Becker, K. (2018). On Farm Variety Trials: Toolkit for Risk Management of Organic and Specialty Crop Producers. USDA Risk Management Agency (RMA), Organic Seed Alliance (OSA), University Wisconsin-Madison, Oregon State Univeristy, eOrganic and the Midwest Organic and Sustainable Education Services (MOSES).
Traduction : CETAB+. (2022). Guide des essais variétaux à la ferme.
Pour contribuer, vous pouvez commenter (en bas de page) ou démarrer une discussion sur le sujet (bouton « … » en haut à droite). Pour modifier le contenu, veuillez contacter les auteur·rices ou écrire à l’équipe du WM. Pour suivre l'évolution de cette page, sélectionnez l'option à cet effet dans le menu "...".
Une fois les données collectées, il reste à analyser les résultats. La première étape est de revoir les objectifs de votre essai. L’objectif était-il d’identifier une seule variété ayant un meilleur rendement que votre variété standard actuelle ou était-il d’identifier la variété avec la meilleure résistance aux maladies ? L’objectif était-il d’identifier plusieurs variétés nouvelles et intéressantes pour élargir votre offre ? En fonction de vos objectifs, l’évaluation des données peut se faire selon différents angles. Le type de données que vous avez recueillies influencera également la manière de faire l’analyse.
Analyser des données qualitatives vs quantitatives
Pour les données qualitatives, il faut préparer un résumé des observations pour chaque critère. Si vous avez mené un essai en blocs, résumez vos observations pour chaque variété en synthétisant vos notes pour les différentes répétitions. Vérifiez si vos notes sont cohérentes pour les différentes répétitions. Si une des répétitions se démarque comme étant particulièrement moins productive ou autrement différente des autres répétitions — ou si votre variété « contrôle » a performé de façon inattendue — cela indique un effet environnemental dont il faut tenir compte lors l’analyse des résultats. Une fois que vous avez résumé vos observations, vous pouvez classer les variétés en fonction de chaque caractéristique que vous avez évaluée et choisir les 2 ou 3 meilleures pour les cultiver à nouveau l’année suivante. Les évaluations qualitatives sont généralement faciles à comprendre et à mettre en perspective si elles sont suffisamment détaillées pour que vous puissiez différencier les variétés.
Pour les données quantitatives, telles que les mesures directes, les scores ou les rangs de classement, on peut en apprendre beaucoup en examinant simplement les données sans utiliser de méthodes statistiques. Les statistiques sont un outil supplémentaire qui peut être utilisé pour évaluer les effets de la variabilité naturelle entre les parcelles et la probabilité que les différences mesurées soient dues à de véritables différences génétiques entre les variétés plutôt qu’à des différences dans les conditions du terrain.
Visualisation des données
En faisant la saisie des données collectées dans une feuille de calcul Microsoft Excel, il est facile de les consulter, de les trier et d’effectuer des calculs tels que la moyenne et d’autres données statiques si vous le souhaitez. Les données pour chaque variété doivent être saisies dans un tableau, en séparant les caractéristiques évaluées, les variétés et les répétitions (voir le tableau 1). Chaque caractéristique évaluée doit être considérée séparément, puis comparée pour identifier les meilleures variétés dans l’ensemble. Prenons l’exemple suivant :
Nous pouvons apprendre beaucoup de choses en examinant les résultats des trois répétitions ainsi que les scores moyens dans le tableau 4. En comparant seulement les moyennes, nous pourrions conclure que la variété A était la plus productive (la moyenne est plus élevée, 6,67), mais en comparant les résultats obtenus par chacune des répétitions individuellement, nous voyons que la variété B a en fait obtenu un meilleur résultat deux fois sur trois. Nous pourrions alors nous demander ce qui est arrivé à la variété B dans la troisième répétition. Y a-t-il eu un problème d’irrigation ? Le sol était-il compacté dans cette parcelle ? Nous pouvons conclure avec certitude que la variété C a eu le rendement le plus faible, mais nous pourrions décider de prendre en compte d’autres caractéristiques que le rendement pour les variétés A et B, avant de décider laquelle a eu la meilleure performance. Si l’essai n’avait pas été répété et que la variété B n’avait été plantée qu’à l’endroit de la troisième répétition, vous auriez pu l’exclure de l’essai en raison de sa mauvaise performance à cet endroit. Cet exemple illustre bien les raisons pour lesquelles il est intéressant de faire des essais en blocs complets.
Vous pouvez choisir d’examiner une certaine caractéristique, comme le rendement ou la résistance aux maladies, sur une période plus ou moins longue. Dans la tomate par exemple, il n’est peut-être pas utile de se contenter d’une évaluation des maladies foliaires au début du mois d’août, lorsque les plants sont généralement encore beaux et en bonne santé. Il peut en effet être intéressant d’ajouter une évaluation vers la fin du mois d’août et une autre vers la fin du mois de septembre. Ce type d’informations séquentielles peut permettre d’identifier les variétés qui performent bien au début mais qui se dégradent rapidement, ou les variétés qui atteignent leur apogée à un moment important pour la mise en marché. Une façon simple d’examiner les données recueillies au fil du temps est de créer un graphique linéaire. Vous pouvez le faire sur du papier quadrillé ou dans Excel. Les dates auxquelles vous mesurez la caractéristique d’intérêt sont sur l’axe X (horizontal) et les mesures de la caractéristique sur l’axe Y (vertical). Il ne reste plus qu’à relier les points. Excel propose également des modèles faciles à utiliser pour créer des graphiques et des diagrammes. Dans ce cas, notez que les données doivent être saisies de façon à ce que le logiciel puisse les gérer (voir le tableau 4).
Statistiques
Les données d’un essai en blocs peuvent également être analysées à l’aide de méthodes statistiques qui tiennent compte de la variabilité entre les blocs ou entre les répétitions. L’Organic Seed Alliance a mis au point un outil d’analyse des essais de variétés (en anglais). Cet outil permet aux producteurs de concevoir des essais, d’analyser les résultats de façon statistique et de les visualiser. Vous trouverez ci-dessous un aperçu d’un essai dans le maïs sucré, tiré de cet outil, qui montre les scores moyens pour la taille des épis et le rang de classement moyen pour la saveur.
Ici, on voit les moyennes pour les variables “taille de l’épi” et “goût” pour les trois répétitions. Remarquez les lettres minuscules (« a », « b » et « ab ») à côté de celles-ci. Ces lettres servent à mettre en évidence les différences statistiquement significatives entre les variétés. Si la moyenne de deux variétés partage une même lettre, elles ne sont pas statistiquement différentes. Dans l’exemple ci-dessus, la variété « Golden Ears » a obtenu un score moyen de 4,7 pour la taille de l’épi et la variété « Butter Cream » a obtenu une note de 3,7. Comme elles ont toutes deux un « b » à côté, cela indique que les épis de tailles différentes sont le résultat de la variation entre les répétitions plutôt qu’à des différences entre les variétés. D’autre part, les variétés « Golden Ears » et « Butter Cream » ont toutes deux des épis statistiquement plus grands que « Silver Sugar » ou « Sweet Treat ».
Vocabulaire statistique
Moyenne – C’est la somme des mesures, divisée par le nombre d’observation.
Erreur type – C’est une mesure de la variation (variabilité?) entre les données. Si une variété obtient des résultats avec une grande erreur type, cela signifie que les mesures varient beaucoup d’une réplication à l’autre. Voir l’exemple ci-dessous qui montre deux variétés avec la même moyenne (point rouge), mais des erreurs standards différentes (lignes rouges). Pour les amateurs de mathématiques, l’erreur standard est calculée comme suit :
Où xi sont les mesures individuelles, x-barre est la moyenne des celles-ci, et N est le nombre d’observations.
PPDS – La plus petite différence significative entre les moyennes de deux traitements pour qu’elles soient considérée comme réelle plutôt due au hasard.
Valeur P – La probabilité que la différence observée entre les variétés soit due au hasard. Par exemple, une valeur-p de 0,05 signifie qu’il y a 5 % de chances que les variétés soient réellement identiques (pour cette mesure) et que la différence observée soit due au hasard. Il y a 95 % de chances que les variétés aient obtenu des résultats réellement différents.
Identifier les gagnants
Après avoir examiné les résultats pour toutes les caractéristiques évaluées, vous devriez avoir une bonne idée des variétés qui se démarquent. Le fait d’avoir bien établi quelles sont les caractéristiques les plus importantes pour vous, vous aidera dans ce processus. La création d’une échelle d’évaluation globale vous permet également de trier les variétés et de prendre des décisions sur la façon de procéder à l’avenir. Si l’objectif est de choisir la meilleure variété, vous pouvez envisager de classer toutes les variétés par ordre de performance globale en fonction des caractéristiques prioritaires que vous avez identifiées. Ainsi, le numéro 1 serait la meilleure variété et vous pourriez décider de la cultiver l’année prochaine. Si les meilleures variétés ne se distinguent pas les unes des autres, vous pourriez décider de garder les deux ou trois meilleures et de les tester à nouveau l’année suivante afin de les comparer pendant une deuxième saison.
Si le but de l’essai est d’identifier plusieurs bonnes variétés, potentiellement pour différentes niches de production ou de marché, il peut être plus utile de créer un classement général qui sépare les variétés en catégories de performance. Par exemple : 1 = meilleure performance, prête pour la production ; 2 = performance moyenne, continuer à évaluer ; 3 = performance faible, ne plus tester. Dans ce cas, chaque variété se verrait attribuer un score global de 1, 2 ou 3, qui indiquerait quelle stratégie adopter pour la prochaine saison. Ce type de notation pourrait également se révéler utile si la variété la plus performante n’était plus disponible l’année suivante. Vous pourrez alors revenir aux résultats de votre essai et choisir parmi les autres variétés qui se sont classées au premier rang.
Coût des semences
Bien que le coût des semences ne soit pas une caractéristique qu’on évalue dans le champ, c’est peut-être un facteur important dans le choix de la variété à cultiver. Une fois les données analysées et les scores globaux sont attribués, il peut être utile d’évaluer le coût relatif de chaque variété. Par exemple, si une variété obtient un rendement supérieur de 10 % à une autre, mais que les semences coûtent deux fois plus cher, l’augmentation du rendement n’en vaut peut-être pas la peine.
Du point de vue de la certification
Bien que les semences certifiées biologiques soient parfois plus chères que les semences non biologiques, le prix n’est pas une raison pour laquelle une variété biologique peut ne pas convenir comme « équivalent commercialement disponible » d’une variété non biologique. Seules les caractéristiques de rendement (comme celles démontrées dans un essai de variétés) peuvent être utilisées pour comparer une variété standard avec un substitut biologique potentiel.
Aucun mot clé.
