Apports de la fouille de données à la modélisation des communautés écologiques

To anticipate the potential impact of environmental changes on ecological communities, it is crucial to understand the drivers of the geographic distribution of living organisms and their interactions. In biogeography, this problem is addressed by analyzing observations of species under various environmental conditions. In recent decades, large amounts of data on the occurrence of species have been made available in open databases (e.g. GBIF) along with environmental data describing climate, land use and soil conditions, etc. All this provides a breeding ground for the development of statistical methods and computer tools applied to biodiversity data mining in order to (1) understand the factors that determine the observed distribution of living organisms; in order to (2) predict their response to changing environmental conditions. This thesis falls within this interdisciplinary context. By adopting the community assembly and ecological niche theories as conceptual framework, we present a methodological framework for the analysis of multi-species occurrence data. Next, we illustrate its usefulness via three concrete applications. First, we address the problem of recommending species according to geographical location, applied to vegetation data from the Pl@ntNet mobile app. We evaluate two alternative architectures enabled by our framework for this task: a convolutional neural network applied to environmental rasters only, and a species embedding architecture applied to animal occurrences. Second, we presented a novel framework for ecological association inference from co-abundance that supports asymmetric and bidirectional associations via a response-effect decomposition of dependency networks. We evaluated the proposal in comparison to state of art network inference methods on a simulation experiment. Then, we applied it to the analysis of potential interactions between alpine plants on a meso-topographic gradient of snow cover duration. Third, we extended joint species distribution models to support rich features and non-linear responses using multi-task neural networks with latent variables to model species associations. We applied the model to the study of French earthworms and their associations, as well as to the prediction of the geographical distribution of earthworm diversity in France. Last, we illustrated on the earthworm application the use of machine learning interpretability tools to unravel the abiotic preferences captured by the model.Pour anticiper l'impact potentiel des changements environnementaux sur les communautés écologiques, il est essentiel de comprendre les facteurs contrôlant la répartition géographique des organismes vivants et leurs interactions. En biogéographie, ce problème est abordé en analysant les observations des espèces dans diverses conditions environnementales. Au cours des dernières décennies, de grandes quantités de données sur la présence d'espèces ont été mises à disposition dans des bases de données ouvertes (par exemple GBIF), ainsi que des données environnementales décrivant le climat, l'occupation du sol, etc. Tout cela constitue un cadre propice au développement de méthodes de fouille de données de la biodiversité afin de (1) comprendre les facteurs qui déterminent la répartition observée des organismes vivants ; (2) prédire leur réponse aux conditions environnementales changeantes. Cette thèse s'inscrit dans ce contexte interdisciplinaire.En adoptant les théories de l'assemblage des communautés et des niches écologiques comme cadre conceptuel, nous présentons un cadre méthodologique pour l'analyse des données d'occurrence multi-espèces. Ensuite, nous illustrons son utilité par le biais de trois applications concrètes. Tout d'abord, nous abordons le problème de la recommandation des espèces en fonction de leur localisation géographique, appliqué aux données de végétation de l'application mobile Pl@ntNet. Nous avons évalué deux architectures alternatives rendues possibles par notre cadre méthodologique pour cette tâche : un réseau neuronal convolutif appliqué aux rasters environnementaux uniquement, et une architecture à base d'embeddings appliquée aux occurrences animales. Ensuite, nous présentons un nouveau cadre pour l'inférence d'associations asymétriques et bidirectionnelles à partir de co-abondances via une décomposition réponse-effet des réseaux de dépendance. Nous avons évalué notre proposition par rapport aux méthodes d'inférence de réseau les plus récentes dans le cadre d'une expérience de simulation, puis nous avons appliqué l'approche à l'analyse des comptages de plantes alpines sur un gradient méso-topographique. Troisièmement, nous avons étendu les modèles joints de distribution d'espèces afin de prendre en charge des descripteurs environnementaux riches et des réponses non linéaires à l'aide de réseaux neuronaux multitâches. Nous avons utilisé des variables latentes pour modéliser les associations d'espèces. Le modèle a été appliqué à l'étude des vers de terre de France et leurs associations, puis à la prédiction de la répartition géographique de leur diversité. Enfin, nous avons illustré sur le même cas d'étude l'utilisation d'outils d'interprétabilité pour démêler les préférences abiotiques capturées par le modèle joint