Offre de stage de Master 2 (2027)
Evaluation des conséquences des erreurs d’observation sur les estimations des tendances
temporelles des espèces dans le cadre de suivis participatifs de communauté des plantes
(programme Vigie-Flore)
Lieu : Vigie-Nature, CESCO, MNHN (43 rue Buffon, 75005 Paris)
Durée : 6 mois
Contact : ania.schleicher@mnhn.fr & jan.perret@inrae.fr
Date limite de candidature : 26 octobre 2026 à 17h
Début du stage : entre janvier et mars 2027
Contexte :
Le stage s’inscrit dans le cadre du programme de sciences participatives Vigie-Flore, porté par le
Muséum national d’Histoire naturelle. Créé en 2009, ce programme propose à des botanistes
volontaires de suivre les changements temporels de la flore en termes d’abondance des espèces et de
composition des communautés végétales. Il vise ainsi à mieux comprendre l’impact des activités
humaines et des changements globaux sur la flore sauvage en France. Depuis presque 20 ans, les
données sont collectées selon un échantillonnage systématique et standardisé, qui a permis de définir
un réseau de mailles et de placettes réparties sur l’ensemble du territoire. Ce jeu de données permet
ainsi d’estimer des tendances temporelles des espèces les plus communes en France, et de suivre
l’évolution des tendances temporelles de la préférence thermique moyenne des communautés,
susceptible de refléter les effets du changement climatique sur la flore (Martin et al. 2019).
Objectifs du stage :
Les méthodes d’observation des communautés de plantes utilisées dans le cadre de Vigie-Flore, mais
également dans d’autres programmes et pour d’autres groupes taxonomiques, sont sujettes à la
détection imparfaite, c’est-à-dire que les observateurs, aussi bien débutants qu’expérimentés, ne
détectent pas toujours toutes les espèces présentes (Archaux et al. 2006 ; Chen et al. 2009, 2013 ;
Perret et al. 2023). Ces erreurs de détection sont susceptibles d’influencer les estimations des
tendances temporelles des espèces, et ainsi d’avoir un impact sur les conclusions écologiques tirées
de ces analyses (Archaux et al. 2012). De multiples méthodes ont été développées ces dernières
décennies pour estimer quelle quantité d’erreurs de détection est présente dans les données, ce qui
permet de corriger les estimations des tendances (e.g. MacKenzie et al. 2002 ; Royle 2004 ; Wright et
al. 2017). Cependant ces méthodes sont encore très peu utilisées pour la flore (Kellner & Swihart 2014).
L’objectif du stage sera d’évaluer l’impact de la détection imparfaite sur les estimations des tendances
temporelles des espèces communes calculées à partir des données Vigie-Flore, et de déterminer dans
quelle mesure sa prise en compte dans les analyses pourrait améliorer la robustesse des estimations
des tendances temporelles qui en découlent. Pour cela le.a stagiaire s’appuiera dans un premier temps
sur l’estimation de la détectabilité des espèces réalisée à partir des données issues des travaux de Jan
Perret, qui a mené une vaste expérience participative sur le sujet en 2025 dans des conditions de
terrain similaires à Vigie Flore (données du projet CEObs, en cours de publication). Iel s’appuiera sur
ces données afin d’estimer la détection des espèces les plus communes de Vigie-flore grâce à un
modèle de site occupancy multi-espèces (Kéry & Royle 2015, chapitre 11). Il s’agira ensuite de réaliser
des simulations pour estimer dans quelle mesure intégrer la détectabilité des espèces modifie
l’estimation de leurs tendances temporelles. Selon l’avancement du stage, ces analyses pourront
porter, dans un second temps, sur les nouvelles données collectées spécifiquement dans le cadre du
programme Vigie-Flore, afin de quantifier les erreurs de détection des espèces dans les conditions
réelles du programme.
Ce stage permettra de développer des compétences en modélisation et en simulation numérique sur
une question appliquée de conservation de la biodiversité (flore). Il sera aussi l’occasion de se
familiariser avec les modèles prenant en compte la détectabilité des espèces, qui tendent à se
généraliser pour estimer les tendances de la biodiversité. Enfin, même si le stage sera principalement
dédié à l’analyse de données déjà existantes, il sera possible en complément de participer aux suivis
floristiques menés en Île-de-France dans le cadre de Vigie-Flore.
Missions :
– Analyse de l’impact des erreurs de détection des espèces sur les tendances temporelles de
Vigie-Flore
– Recherche bibliographique
– Participer à la valorisation scientifique des résultats (rapport, figures, présentations orales)
– Participation à l’échantillonnage Vigie-Flore sur les mailles suivies en Île-de-France (optionnel)
Profil souhaité :
• Étudiant.e en Master 2, parcours “professionnel” (ou en césure) de modélisation en écologie,
d’écologie, ou étudiant.e d’école d’ingénieur sur des thématiques liées, avec un fort goût pour
les statistiques et ayant déjà eu une expérience dans ce domaine.
• Avoir de l’intérêt pour les statistiques et l’analyses de données
• Bonne maîtrise de la programmation en langage R
• Avoir déjà utilisé des modèles statistiques permettant de prendre en compte les erreurs
d’observation (e.g. site occupancy, N-mixture, modèles de CMR ; MacKenzie et al. 2002, Royle
2004, Lebreton et al. 1992) ou des modèles hiérarchiques similaires serait un plus.
• Connaissances en botanique appréciées
• Autonomie, curiosité et capacité à être force de proposition
• Bonnes capacités relationnelles
Encadrement :
Le.a stagiaire sera encadré.e par Gabrielle Martin (maître de conférences au CRBE), Jan Perret (post-
doctorant au LESSEM), Ania Schleicher (coordinatrice des observatoires flore de Vigie-Nature) et
Emmanuelle Porcher (professeure au MNHN (CESCO)).
Conditions de travail et moyens matériels :
• Localisation : Vigie-Nature, UMR 7204 CESCO, Muséum national d’Histoire naturelle, 43 rue
Buffon 75005 Paris, Bât. 135
• Durée : 6 mois
• Début du stage : entre janvier et mars 2027
• Stage à temps plein, avec une gratification mensuelle selon les barèmes en vigueur, soit
environ 660€/mois, deux jours de congés possibles par mois.
Modalités de candidature
Envoyer un CV et une lettre de motivation (au format NOM_PRENOM_CV et NOM_PRENOM_LM) à
ania.schleicher@mnhn.fr et jan.perret@inrae.fr, objet du mail « Candidature stage erreurs de
détection Vigie-Flore ».
Date limite de candidature : lundi 26 octobre à 17h, confirmation pour l’entretien avant le vendredi 30
octobre.
Les entretiens auront lieu le 2 novembre entre 14h et 16h. Merci de nous signaler en amont si vous ne
serez pas disponible durant ce créneau pour que nous trouvions un autre moment pour l’entretien.
Références bibliographiques :
Archaux, F., Gosselin, F., Berges, L., & Chevalier, R. (2006). Effects of sampling time, species richness
and observer on the exhaustiveness of plant censuses. Journal of Vegetation Science, 17(3), 299–306.
https://doi.org/10.1658/1100-9233(2006)017%255B0299:EOSTSR%255D2.0.CO;2
Archaux, F., Henry, P.-Y., & Gimenez, O. (2012). When can we ignore the problem of imperfect
detection in comparative studies? Methods in Ecology and Evolution, 3(1), 188–194.
https://doi.org/10.1111/j.2041-210X.2011.00142.x
Chen, G., Kéry, M., Plattner, M., Ma, K., & Gardner, B. (2013). Imperfect detection is the rule rather
than the exception in plant distribution studies. Journal of Ecology, 101(1), 183–191.
https://doi.org/10.1111/1365-2745.12021
Chen, G., Kéry, M., Zhang, J., & Ma, K. (2009). Factors affecting detection probability in plant
distribution studies. Journal of Ecology, 97(6), 1383–1389. https://doi.org/10.1111/j.1365-
2745.2009.01560.x
Kellner, K. F., & Swihart, R. K. (2014). Accounting for Imperfect Detection in Ecology: A Quantitative
Review. Plos One, 9(10), e111436. https://doi.org/10.1371/journal.pone.0111436
Kéry, M., & Royle, J. A. (2015). Applied Hierarchical Modeling in Ecology: Analysis of distribution,
abundance and species richness in R and BUGS: Volume 1: Prelude and Static Models. Academic Press.
Lebreton, J.-D., Burnham, K. P., Clobert, J., & Anderson, D. R. (1992). Modeling Survival and Testing
Biological Hypotheses Using Marked Animals: A Unified Approach with Case Studies. Ecological
Monographs, 62(1), 67–118. https://doi.org/10.2307/2937171
MacKenzie, D. I., Nichols, J. D., Lachman, G. B., Droege, S., Royle, J. A., & Langtimm, C. A. (2002).
Estimating site occupancy rates when detection probabilities are less than one. Ecology, 83(8), 2248–
2255. https://doi.org/10.2307/3072056
Martin, G., Devictor, V., Motard, E., Machon, N., & Porcher, E. (2019). Short-term climate-induced
change in French plant communities. Biology Letters, 15(7), 20190280.
https://doi.org/10.1098/rsbl.2019.0280
Perret, J., Besnard, A., Charpentier, A., & Papuga, G. (2023). Plants stand still but hide: Imperfect and
heterogeneous detection is the rule when counting plants. Journal of Ecology, 111(7), 1483–1496.
https://doi.org/10.1111/1365-2745.14110
Royle, J. A. (2004). N-Mixture Models for Estimating Population Size from Spatially Replicated Counts.
Biometrics, 60(1), 108–115. https://doi.org/10.1111/j.0006-341X.2004.00142.x
Wright, W. J., Irvine, K. M., Warren, J. M., & Barnett, J. K. (2017). Statistical design and analysis for plant
cover studies with multiple sources of observation errors. Methods in Ecology and Evolution, 8(12),
1832–1841. https://doi.org/10.1111/2041-210X.12825
Commentaires récents