From Lotka-Volterra Dynamics to Community Assembly: Theory, Topography, and Empirical Applications

Les communautés de la nature ne sont pas des collections statiques d'êtres vivants attendant d'être cataloguées ; elles sont le résultat d'une histoire continue, souvent chaotique, d'arrivées et de départs. Imaginez une prairie ou une parcelle de forêt comme une scène où des espèces tentent constamment de s'installer. Certaines réussissent, d'autres échouent, et parfois, un nouvel arrivant force un résident ancien à partir. Le mélange final d'espèces que nous voyons aujourd'hui n'est pas un simple assemblage aléatoire, mais le résultat d'une séquence spécifique d'événements. Si l'ordre d'arrivée des espèces change, la communauté finale peut changer complètement. Cette idée, connue sous le nom d'effets de priorité, suggère que l'histoire importe profondément en écologie. Les scientifiques ont longtemps voulu un moyen de cartographier ces possibilités, pour voir tous les différents chemins qu'une communauté pourrait prendre et comprendre pourquoi elle finit dans un endroit plutôt qu'un autre. Ils ont utilisé la métaphore d'un paysage, où les communautés se trouvent à différentes hauteurs, et où le voyage d'une parcelle de terre vide vers une communauté complète est comparable à l'ascension d'une colline. Cependant, jusqu'à présent, ce paysage était une image vague, manquant d'une définition claire de ce que la « hauteur » signifie réellement ou de la manière de mesurer l'aspect accidenté du terrain.

Une équipe d'écologues a maintenant construit un outil mathématique rigoureux pour transformer cette métaphore vague en une carte précise. Ils ont développé une méthode de calcul qui prend les règles connues des interactions entre espèces — comment elles entrent en compétition pour la nourriture, l'espace ou la lumière, et comment elles s'aident ou se nuisent les unes aux autres — et les utilise pour construire un « graphe d'assemblage de communauté » complet. Ce graphe est un réseau de points et de flèches. Chaque point représente un groupe spécifique d'espèces pouvant vivre ensemble de manière stable, et chaque flèche montre une invasion réussie où une nouvelle espèce entre et modifie le groupe. En suivant les flèches, on peut retracer toute l'histoire possible de la formation d'une communauté, en partant d'un espace vide et en progressant étape par étape vers un état final stable. Les chercheurs ont prouvé que cette carte n'est pas seulement un croquis théorique, mais une représentation fidèle de la dynamique biologique réelle, capable de gérer des scénarios complexes comme les états stables alternatifs, où une communauté peut s'installer dans l'une des deux configurations très différentes selon l'ordre d'arrivée, ou même des cycles sans fin où la composition des espèces ne se stabilise jamais.

La puissance de cette nouvelle approche réside dans sa capacité à gérer la réalité désordonnée de la nature sans la forcer dans des cases simplifiées. Les méthodes précédentes supposaient souvent que chaque communauté finit par se stabiliser dans un équilibre unique et immuable, un état de perfection équilibrée. Cette hypothèse excluait les phénomènes mêmes qui rendent l'écologie intéressante, tels que les communautés qui oscillent ou celles qui possèdent plusieurs issues possibles. Le nouveau pipeline, cependant, fonctionne même lorsque le système est chaotique ou lorsque les interactions entre espèces créent des boucles de rétroaction pouvant mener à une croissance illimitée. Il vérifie d'abord si le système est assez stable pour exister dans la réalité, identifie ensuite quels groupes d'espèces peuvent véritablement persister, et filtre enfin les transitions qui semblent possibles sur le papier mais qui ne se produisent jamais en simulation. Le résultat est une carte qui ne montre que les chemins que la nature peut réellement emprunter.

Pour tester leur méthode, les chercheurs l'ont appliquée à trois scénarios du monde réel. Premièrement, ils ont étudié une communauté de prairies à sept espèces en Nouvelle-Zélande. En ajustant la force de la compétition entre les plantes, ils ont observé comment le paysage d'assemblage changeait. Lorsque la compétition était faible, la carte était simple et prévisible : chaque nouvelle espèce pouvait rejoindre le groupe, et la communauté s'enrichissait régulièrement. Lorsque la compétition était très forte, la carte devenait clairsemée, avec peu d'invasions réussies et un résultat simple et prévisible. Mais à des niveaux de compétition intermédiaires, le paysage devenait accidenté et complexe. Ici, l'ordre d'arrivée importait énormément. Les chercheurs ont découvert que le même groupe final d'espèces pouvait être atteint par des routes très différentes, certaines courtes et directes, d'autres longues et sinueuses, impliquant le déplacement des résidents en cours de route. Ils pouvaient également observer deux états finaux distincts, ou « états terminaux », dans lesquels la communauté pouvait s'installer. Lequel serait atteint dépendait entièrement de quelle espèce arrivait en premier, une démonstration claire de la contingence historique.

Dans un deuxième exemple, ils ont examiné une pâture européenne où deux espèces d'herbe spécifiques s'aident mutuellement à croître, une relation connue sous le nom de mutualisme. Ils ont découvert que cette boucle de rétroaction positive remodelait radicalement le paysage d'assemblage. Lorsque le mutualisme était fort, ces deux espèces agissaient comme une équipe puissante, finissant par exclure toutes les autres espèces et devenant les seuls survivants. Pourtant, si l'une d'elles manquait, les cinq autres espèces pouvaient coexister paisiblement. Cela créait un résultat frappant de type « tout ou rien » où la présence d'une seule paire de mutualistes déterminait le destin de toute la communauté. Les chercheurs ont également utilisé ce modèle pour montrer que si le mutualisme devenait trop fort, le système s'effondrerait, avec des populations croissant sans limite, un scénario qu'ils ont correctement identifié comme impossible dans un écosystème réel et limité.

Le troisième cas de test concernait une communauté de fourmis dans une ferme de café au Puerto Rico, célèbre pour sa dynamique « pierre-papier-ciseaux ». Dans ce système, une espèce de fourmi bat une deuxième, la deuxième bat une troisième, et la troisième bat la première. Cela crée un cycle où aucune espèce unique ne peut dominer indéfiniment. La méthode des chercheurs a réussi à cartographier ce cycle, montrant comment la composition de la communauté pouvait basculer sans cesse d'une espèce dominante à une autre sans jamais se stabiliser. Cela a confirmé que leur approche pouvait gérer les dynamiques de non-équilibre, où la communauté est dans un état de flux constant plutôt que de reposer sur un sommet.

Une innovation clé de ce travail est la manière dont il définit la « hauteur » d'une communauté sur ce paysage. Dans les tentatives précédentes, la hauteur était un nombre arbitraire assigné pour donner l'apparence d'une colline. Ici, la hauteur est une mesure concrète de la complexité du voyage pour y parvenir. Elle est définie comme la longueur du chemin d'invasions le plus long menant à cette communauté. Si une communauté peut être construite en ajoutant simplement des espèces une par une, sa hauteur est faible. Mais si le chemin vers cette communauté implique que de nombreuses espèces entrent puis soient évincées par d'autres, le chemin est plus long, et la communauté se situe plus haut sur la carte. Cet excédent de hauteur raconte une histoire de déplacement et de lutte. Il quantifie à quel point l'histoire d'une communauté peut être détournée, offrant un moyen de comparer la prévisibilité de différents écosystèmes.

Les chercheurs ont également démontré que leurs cartes sont des prédicteurs fiables de ce qui se passera lors d'une simulation. Ils ont lancé des modèles informatiques où les espèces étaient introduites une par une, et les résultats réels correspondaient aux chemins tracés sur leurs graphiques. Cela offre aux écologues une nouvelle façon de poser des questions sur l'avenir de la biodiversité. Ils peuvent désormais examiner un ensemble d'espèces et leurs règles d'interaction pour déterminer non seulement quelles communautés sont possibles, mais aussi la probabilité qu'elles se forment, leur sensibilité à l'ordre d'arrivée, et si elles sont sujettes aux cycles ou si elles tendent à se stabiliser dans un état stable unique. En transformant l'idée abstraite d'un paysage d'assemblage en un objet mécaniste et mesurable, ce travail fournit un nouveau langage pour comprendre la profonde histoire inscrite dans le monde vivant. Il montre que le chemin qu'une communauté emprunte est aussi important que la destination, et que les règles d'interaction déterminent si ce chemin est une ligne droite ou un sentier sinueux et imprévisible.