Description du projet:
Ce poste s’inscrit dans le cadre du projet ERC Starting Grant GAMEchange, qui a pour
objectif principal d’intégrer l’évolution microbienne dans les modèles de surface terrestre.
Pourquoi s’intéresser aux sols ? Les sols contiennent plus de carbone organique que
l’atmosphère et les plantes réunies. Et pourquoi s’intéresser aux microbes ? Tout d’abord,
les microbes du sol libèrent quatre fois plus de dioxyde de carbone que l’industrie des
combustibles fossiles. Ensuite, les prédictions du carbone global du sol sont 20 % plus
précises lorsque les microbes sont inclus dans les modèles, comparé à leur exclusion.
Pourtant, les microbes du sol et leur adaptation au changement climatique ne sont toujours
pas intégrés dans les modèles du GIEC.
Une étape essentielle consiste donc à comprendre comment les communautés
microbiennes répondent et s’adaptent au changement climatique, puis à déterminer
comment la somme des adaptations locales va former la réponse globale. Cette question
pose un important problème de changement d’échelle : comment la somme des trajectoires
écologiques et évolutives de très nombreuses populations microbiennes, soumises à des
environnements variables et à des processus en partie stochastiques, fait-elle émerger une
réponse macroscopique du cycle du carbone ?
L’enjeu est également méthodologique. Les modèles de surface terrestre sont déjà très
complexes ; il n’est donc pas envisageable d’y représenter explicitement toute la diversité
des populations microbiennes et de leurs interactions. Il faut identifier des représentations
simplifiées capables de reproduire les propriétés émergentes des communautés
microbiennes, par exemple sous la forme de fonctions mécanistes de faible complexité ou
d’émulateurs fondés sur l’apprentissage automatique.
DEMENT est un modèle microbien détaillé permettant d’étudier les mécanismes à l’origine
des propriétés émergentes des communautés du sol. Il représente explicitement la diversité
des microorganismes et des ressources, la production d’enzymes, la dégradation et
l’assimilation des substrats ainsi que les interactions entre organismes et environnement.
Dans le cadre de GAMEchange, il permet également d’explorer comment l’adaptation des
stratégies microbiennes à des conditions environnementales changeantes affecte des
propriétés observables à plus grande échelle, telles que la respiration du sol, l’efficacité
d’utilisation du carbone (carbon use efficiency, CUE) ou la dégradation de la matière
organique.
À l’autre extrémité de l’échelle de modélisation, l’IPSL développe ORCHIDEE, un modèle de
surface terrestre représentant notamment les échanges d’énergie, d’eau et de carbone entre
la végétation, les sols et l’atmosphère, ainsi que les dynamiques de la végétation et, dans
certaines configurations, celles de l’azote. Les communautés microbiennes et l’évolution de
leurs stratégies fonctionnelles n’y sont cependant pas représentées explicitement.
ORCHIDEE simule en revanche les principales conditions environnementales auxquelles
sont soumises les communautés microbiennes (température et humidité du sol, apports de
matière organique, disponibilité des ressources, etc.) et fournit donc les variables
nécessaires pour explorer leur réponse avec un modèle comme DEMENT.
Le premier objectif du stage sera de caractériser les réponses des communautés
microbiennes à la diversité des conditions environnementales simulées par ORCHIDEE et
d’étudier les conséquences de ces réponses sur les flux de carbone et éventuellement
d’azote entre le sol et l’atmosphère. Cela nécessitera d’identifier précisément les variables
produites par ORCHIDEE, l’espace des conditions environnementales qu’elles décrivent et
leur correspondance avec les variables d’entrée de DEMENT.
Dans un second temps, le stage visera à développer une représentation simplifiée de la
réponse émergente de DEMENT afin de permettre son intégration dans un modèle de
surface terrestre. Différentes approches pourront être explorées, allant de formes
fonctionnelles mécanistes simples à l’utilisation d’un émulateur fondé sur l’apprentissage
automatique.
L’objectif sera ainsi d’identifier une représentation suffisamment simple pour être intégrée
dans ORCHIDEE, tout en conservant les principaux effets de la dynamique et de
l’adaptation des communautés microbiennes sur les flux de carbone du sol.

Ce projet offrira d’excellentes opportunités de mise en réseau avec les chercheurs du LSCE
ainsi qu’avec des experts internationaux dans le domaine. Il interagira étroitement avec un
projet international intitulé “Carbon Loss In Plants, Soils, and Oceans” (CALIPSO), qui vise à
améliorer les prédictions du carbone vulnérable dans les forêts, les océans et les sols. Le
projet CALIPSO implique des chercheurs de premier plan, notamment Philippe Ciais au
LSCE, Stefano Manzoni à l’Université de Stockholm et Steve Allison à l’Université de
Californie, Irvine, dans l’équipe sol ; Corinne Le Quéré à l’Université d’East Anglia et Laurent
Bopp à l’École Normale Supérieure de Paris dans l’équipe océan ; et Ana Bastos à
l’Université de Leipzig et Pierre Friedlingstein à l’Université d’Exeter dans l’équipe biomasse
végétale.

Exigences de qualification :
Pour satisfaire aux exigences générales d’admission, la personne candidate doit avoir
terminé un diplôme de second cycle, suivi des cours équivalents à au moins 180 crédits
d’enseignement supérieur, dont 30 crédits doivent être de second cycle, ou avoir acquis des
connaissances équivalentes.

Sélection :
Les critères de sélection incluent des connaissances théoriques et/ou une expérience
pratique dans des domaines pertinents tels que la modélisation mathématique, les équations
aux dérivées partielles (EDP), le machine learning, l’écologie ou l’évolution. Seront
également prises en compte la capacité à communiquer oralement et par écrit, une bonne
maîtrise de l’anglais, l’intérêt pour le sujet, la créativité, les capacités d’analyse ainsi que
l’aptitude à prendre des initiatives et à travailler aussi bien de manière autonome qu’en
collaboration.

Les candidat·es pouvant démontrer un intérêt marqué et une expérience préalable en
méthodes quantitatives et/ou approches computationnelles appliquées à l’écologie ou à
l’évolution, ainsi qu’une connaissance préalable d’un langage de programmation ou de script
(par exemple R ou Python), seront avantagé·es.
Conditions d’emploi
Veuillez noter que les décisions d’admission ne peuvent faire l’objet d’aucun recours.
Le LSCE s’efforce d’être un lieu de travail exempt de discrimination, offrant les mêmes
opportunités à toutes et tous.

Contact :
Pour plus d’informations sur le poste, vous pouvez contacter Thomas Cortier à thomas.cortier@lsce.ipsl.fr.

Candidature :
Postulez pour ce stage de master en envoyant votre candidature à Thomas Cortier,
thomas.cortier@lsce.ipsl.fr.

Veuillez inclure les informations suivantes dans votre candidature:
-Vos coordonnées et informations personnelles
-Votre diplôme universitaire le plus élevé
-Vos compétences linguistiques
-Coordonnées de 2 références
Et les documents suivants :
Lettre de motivation, incluant :
-Vos attentes et objectifs vis-à-vis de la formation
-Pourquoi vous êtes intéressé par ce projet spécifique
-Pourquoi vous êtes un bon candidat pour ce projet

-CV – diplômes et autres cours suivis, expérience professionnelle et liste des
projets/mémoires
-Diplômes et relevés de notes confirmant que vous répondez aux exigences
générales et spécifiques (pas plus de 6 fichiers)
-Projets/mémoires (pas plus de 6 fichiers).

N’hésitez pas à candidater !

Le contenu de cette offre est la responsabilité de ses auteurs. Pour toute question relative à cette offre en particulier (date, lieu, mode de candidature, etc.), merci de les contacter directement. Un email de contact est disponible: thomas.cortier@lsce.ipsl.fr

Pour toute autre question, vous pouvez contacter sfecodiff@sfecologie.org.