From Field Photosynthesis to Genetic Architecture: Insights from the First Dedicated Photosynthesis Hackathon

Les plantes sont les panneaux solaires les plus efficaces au monde, capturant la lumière du soleil pour la transformer en la nourriture qui soutient presque toute vie sur Terre. Ce processus, connu sous le nom de photosynthèse, n'est pas un simple interrupteur mais un moteur complexe doté de nombreuses pièces mobiles qui changent selon la météo, l'heure de la journée et la propre santé de la plante. Pour les agriculteurs et les scientifiques qui tentent de cultiver des récoltes capables de survivre à un climat qui se réchauffe, comprendre ce moteur est crucial. S'ils parviennent à identifier quelles instructions génétiques spécifiques rendent une plante plus apte à utiliser la lumière, ils peuvent créer de nouvelles variétés qui produisent plus de nourriture avec moins de ressources. Cependant, les données nécessaires pour trouver ces indices génétiques ont été difficiles à exploiter. Les scientifiques ont collecté de vastes quantités de mesures dans des champs à travers le monde, suivant la façon dont les plantes respirent et brillent sous le soleil, mais ces enregistrements ont souvent été trop désordonnés ou trop compliqués pour être analysés correctement.

En mars 2026, un groupe de chercheurs s'est réuni à Accra, au Ghana, pour s'attaquer précisément à ce problème. Ils ont organisé le tout premier hackathon entièrement dédié à l'extraction des secrets cachés dans les données de photosynthèse de terrain. Il ne s'agissait pas d'une réunion typique d'experts assis dans une salle de conférence ; c'était un atelier pratique où des data scientists, des physiologistes végétaux, des généticiens et des sélectionneurs d'Europe et d'Afrique ont travaillé côte à côte. Leur objectif était de prendre des mesures brutes effectuées sur quatre cultures différentes — le niébé, l'orge, le haricot commun et la pomme de terre — et de trouver les schémas génétiques que les méthodes standards avaient manqués. L'équipe a utilisé des appareils portatifs qui mesurent la façon dont les plantes réfléchissent la lumière, une technique qui révèle la capacité de la plante à traiter l'énergie, et a combiné ces lectures avec des cartes du code génétique des plantes.

Les résultats de cette collaboration ont été frappants car différentes équipes, travaillant sur des cultures et avec des outils différents, sont arrivées aux trois mêmes conclusions. Premièrement, ils ont découvert que le simple fait de l'insertion de chiffres dans des programmes informatiques standards jetait des informations précieuses. En construisant des modèles qui respectaient le fonctionnement biologique réel de la plante, les équipes ont récupéré des signaux génétiques qui étaient auparavant invisibles. Ces nouvelles manières plus intelligentes d'analyser les données ont révélé des traits plus stables et directement liés à la quantité de nourriture produite par les plantes. Deuxièmement, le moment des mesures importait énormément. Les chercheurs ont découvert qu'observer comment la performance d'une plante changeait au fil du temps offrait une image bien plus claire de sa génétique qu'en prenant un cliché instantané à un moment donné. La réponse d'une plante au soleil est une histoire qui se déroule, et capturer cette histoire en mouvement a révélé des connexions qu'un instant isolé n'aurait jamais pu montrer.

La découverte la plus surprenante fut que les données brutes elles-mêmes détenaient plus de puissance que les chiffres simplifiés que les scientifiques extraient habituellement. Au lieu de réduire les ondes complexes d'absorption et de réflexion de la lumière en une seule figure de synthèse, les équipes ont découvert qu'en conservant les traces complètes et détaillées, elles pouvaient prédire les traits génétiques avec une plus grande précision. Ce succès reposait largement sur le mélange unique de personnes présentes dans la pièce. En faisant travailler les personnes qui cultivent les plantes directement avec celles qui écrivent le code, l'équipe s'est assurée que leurs outils d'intelligence artificielle étaient ancrés dans une connaissance biologique réelle plutôt que de simplement deviner des schémas dans les chiffres. L'événement a démontré que lorsque les experts du domaine et les data scientists collaborent étroitement, ils peuvent transformer des données de terrain sous-analysées en un outil puissant pour la sélection de cultures résilientes au climat, prouvant que les réponses à certains des défis les plus difficiles de l'agriculture sont déjà présentes dans les données, attendant simplement d'être vues correctement.