Calcul H Ritabilit De L Interaction G E Sous R

Estimez l’héritabilité sur moyenne d’environnements avec interaction génotype × environnement et nombre de répétitions. Outil conçu pour l’analyse agronomique, la sélection végétale et les essais multilocaux.

Guide expert du calcul d’héritabilité de l’interaction G × E sous r

Le calcul de l’héritabilité de l’interaction G × E sous r est une étape centrale en génétique quantitative, en amélioration des plantes, en expérimentation multi-environnement et en sélection de génotypes. En pratique, lorsque l’on compare plusieurs lignées, hybrides ou variétés dans différents sites, années ou régimes culturaux, la performance observée ne dépend pas uniquement du génotype. Elle dépend aussi de l’environnement et, surtout, de l’interaction entre le génotype et l’environnement. Cette interaction, souvent notée G × E, modifie la stabilité des performances et influence directement la fiabilité de la sélection.

Quand on parle d’héritabilité dans ce contexte, on cherche généralement à savoir quelle part de la variation phénotypique observée sur les moyennes d’essais peut être attribuée aux différences génétiques, en tenant compte du fait que la composante G × E et l’erreur expérimentale sont réduites par le nombre d’environnements e et le nombre de répétitions r. La formule la plus utilisée pour l’héritabilité sur moyenne de génotypes en essai multilocal est :

H² = σ²g / [σ²g + (σ²ge / e) + (σ²e / (e × r))]

Cette expression est extrêmement utile parce qu’elle relie la précision de vos essais au plan expérimental. Plus le nombre d’environnements e augmente, plus l’effet moyen de l’interaction G × E est amorti dans l’estimation finale. Plus le nombre de répétitions r augmente, plus la variance résiduelle est réduite. En d’autres termes, la qualité de l’estimation de l’héritabilité ne dépend pas seulement de la biologie du caractère étudié, mais aussi de la façon dont l’essai est conçu.

Pourquoi l’interaction G × E change tout

Dans un essai simple mené sur un seul site, un génotype peut sembler excellent. Pourtant, ce même génotype peut devenir moyen, voire médiocre, dans un environnement plus sec, plus froid, plus fertile ou plus contraint. C’est précisément ce que traduit l’interaction génotype × environnement. Si cette interaction est faible, les classements des génotypes changent peu d’un site à l’autre. Si elle est forte, les classements se renversent fréquemment, ce qui rend la sélection plus délicate.

Le calcul d’héritabilité intégrant G × E permet donc de distinguer deux questions très importantes :

• Le caractère possède-t-il une base génétique suffisamment marquée pour permettre une sélection efficace ?
• Cette base génétique reste-t-elle visible une fois que l’on moyenne les résultats sur plusieurs environnements et répétitions ?

Dans les programmes de sélection modernes, cette nuance est essentielle. Une héritabilité élevée sur un seul site peut être trompeuse si l’interaction G × E est forte à l’échelle régionale ou nationale. À l’inverse, un plan expérimental bien structuré, avec plusieurs environnements et répétitions, peut révéler qu’un caractère est en réalité assez fiable pour la sélection.

Interprétation des composantes de variance

Pour bien utiliser le calculateur, il faut comprendre le sens de chaque composante :

• σ²g : variance génétique entre génotypes. Plus elle est élevée, plus les différences héréditaires sont marquées.
• σ²ge : variance de l’interaction G × E. Plus elle est élevée, plus la réponse des génotypes varie selon les contextes.
• σ²e : variance résiduelle. Elle regroupe l’erreur de mesure, l’hétérogénéité intraparcellaire et d’autres facteurs non capturés par le modèle.
• e : nombre d’environnements. Cela peut correspondre à des sites, des années, ou des combinaisons site × année.
• r : nombre de répétitions. Il s’agit du nombre de blocs ou répétitions expérimentales par environnement.

La logique statistique est intuitive. La variance génétique reste entière au numérateur, car elle représente le signal que l’on souhaite capter. En revanche, l’interaction G × E est divisée par le nombre d’environnements, car la moyenne sur plusieurs environnements atténue son impact. La variance résiduelle est divisée par e × r, ce qui reflète le gain de précision lorsque l’on dispose de plus d’environnements et de plus de répétitions.

Comment lire les valeurs d’héritabilité

Dans un cadre appliqué, l’interprétation suivante est souvent utile :

1. H² < 0,30 : héritabilité faible. La sélection directe est difficile, surtout en début de programme.
2. 0,30 ≤ H² < 0,60 : héritabilité modérée. La sélection est possible, mais exige des essais bien structurés.
3. 0,60 ≤ H² < 0,80 : héritabilité bonne. Les différences génétiques sont relativement robustes.
4. H² ≥ 0,80 : héritabilité élevée. La sélection phénotypique sur moyennes d’essais est généralement très efficace.

Il faut toutefois rester prudent. Une forte héritabilité ne garantit pas à elle seule le progrès génétique maximal. Il faut aussi considérer l’intensité de sélection, la variance génétique additive, la corrélation entre environnements cibles et environnements d’essai, ainsi que la stabilité des génotypes.

Exemple détaillé de calcul

Supposons un réseau d’essais variétaux avec les estimations suivantes : σ²g = 12,5, σ²ge = 6,2, σ²e = 9,8, e = 4 environnements et r = 3 répétitions. La formule donne :

H² = 12,5 / [12,5 + (6,2 / 4) + (9,8 / (4 × 3))]

On obtient :

• σ²ge / e = 1,55
• σ²e / (e × r) = 0,8167
• Dénominateur total = 14,8667
• H² = 12,5 / 14,8667 = 0,841 environ

Une valeur proche de 0,84 indique que les différences observées sur les moyennes de génotypes sont majoritairement d’origine génétique. Dans un tel scénario, la sélection sur les moyennes multi-environnements est très crédible. Cela ne signifie pas que l’interaction G × E est absente, mais qu’elle est suffisamment amortie par la structure de l’essai.

Tableau comparatif de scénarios expérimentaux

Scénario	σ²g	σ²ge	σ²e	e	r	H² estimée	Lecture pratique
Essai précoce, 2 sites	8,0	10,0	12,0	2	2	0,457	Précision moyenne, utile pour tri préliminaire mais sélection finale risquée.
Réseau intermédiaire	10,5	7,5	10,0	4	3	0,744	Bon compromis entre coût expérimental et fiabilité.
Réseau avancé national	12,5	6,2	9,8	4	3	0,841	Sélection robuste sur moyenne d’environnements.
Réseau intensif multi-années	11,0	5,0	6,0	8	4	0,903	Très haute précision, excellent pour validation pré-inscription.

Ce tableau montre un point fondamental : l’héritabilité n’est pas un paramètre fixe indépendant du dispositif. Elle évolue avec la stratégie d’échantillonnage environnemental et le niveau de répétition. Deux équipes travaillant sur le même caractère peuvent obtenir des héritabilités différentes simplement parce que leurs réseaux d’essais n’ont pas la même profondeur.

Données réelles observées dans plusieurs cultures

Les estimations d’héritabilité varient fortement selon les espèces, les caractères et les conditions. Les valeurs ci-dessous synthétisent des ordres de grandeur souvent rapportés dans la littérature scientifique pour des caractères agronomiques mesurés dans des essais multi-environnements. Elles ne remplacent pas vos propres estimations de variance, mais offrent un repère utile pour situer vos résultats.

Culture	Caractère	Plage fréquente de H² en essais multi-environnements	Tendance G × E	Implication pour la sélection
Blé tendre	Rendement grain	0,30 à 0,70	Souvent modérée à forte selon les années	Exige un bon nombre d’environnements pour sécuriser la décision.
Maïs	Floraison et hauteur	0,60 à 0,90	Souvent plus faible que pour le rendement	Caractères utiles en sélection précoce grâce à une meilleure répétabilité.
Riz	Poids de mille grains	0,70 à 0,95	Souvent faible à modérée	Très favorable à la sélection directe dans de nombreux contextes.
Soja	Teneur en protéines	0,50 à 0,85	Variable selon climat et sol	Le réseau d’essai doit bien couvrir les environnements cibles.

Les fourchettes ci-dessus illustrent une réalité bien connue : les caractères très intégrateurs, comme le rendement, sont plus sensibles à l’environnement et à l’interaction G × E que des caractères morphologiques ou physico-chimiques plus simples. Il est donc logique que l’héritabilité du rendement soit souvent plus basse que celle de la floraison, de la hauteur de plante ou du poids de mille grains.

Bonnes pratiques pour améliorer l’héritabilité estimée

• Augmenter le nombre d’environnements pertinents pour la zone cible.
• Maintenir un nombre suffisant de répétitions par site afin de réduire l’erreur résiduelle.
• Standardiser les protocoles de conduite et de mesure pour limiter les sources de bruit.
• Utiliser des modèles mixtes adaptés pour estimer correctement les composantes de variance.
• Contrôler les données aberrantes sans supprimer artificiellement la variabilité biologique.
• Analyser la stabilité en complément de l’héritabilité, notamment lorsque G × E est élevée.

Erreurs fréquentes dans l’interprétation

Une erreur classique consiste à confondre héritabilité large et héritabilité stricte au sens additif. Le calcul présenté ici est généralement utilisé pour l’héritabilité sur moyenne de génotypes à partir de composantes de variance de réseau. Il renseigne très bien sur la répétabilité et l’utilité de la sélection phénotypique dans un contexte donné, mais il ne remplace pas une décomposition plus fine de la variance génétique en composantes additives, dominantes ou épistatiques.

Une autre erreur fréquente consiste à utiliser un nombre d’environnements trop faible pour généraliser. Un essai sur un seul site ne permet pas d’estimer proprement G × E. Dès que l’objectif est une recommandation régionale, il faut raisonner à l’échelle d’un réseau. Enfin, il ne faut pas oublier que les composantes de variance doivent être cohérentes avec le modèle statistique employé. Si les effets sont mal spécifiés, l’héritabilité calculée peut être biaisée.

Quand faut-il privilégier la stabilité plutôt qu’une H² élevée ?

Dans certaines filières, la stabilité inter-environnements a autant de valeur que la performance moyenne. Par exemple, pour des cultures soumises à des stress climatiques fréquents, un génotype légèrement moins performant mais plus stable peut être préférable à un génotype très performant seulement dans les meilleurs sites. C’est pourquoi l’analyse de G × E doit souvent être complétée par des approches de stabilité, telles que les modèles AMMI, GGE biplot ou les paramètres de régression de Finlay-Wilkinson.

Sources d’autorité pour approfondir

Pour aller plus loin sur la génétique quantitative, l’expérimentation et l’interprétation des effets environnementaux, consultez également des ressources institutionnelles reconnues :

• USDA National Agricultural Library
• National Human Genome Research Institute
• University of California, Davis – Plant Breeding Center

Conclusion

Le calcul de l’héritabilité de l’interaction G × E sous r est un outil de décision majeur. Il permet de relier les composantes de variance à la qualité du plan expérimental et à la pertinence de la sélection. Une valeur élevée signifie que les différences entre génotypes restent lisibles après avoir tenu compte de l’interaction environnementale et de l’erreur. Une valeur faible indique qu’il faut souvent renforcer le réseau, améliorer la précision des mesures ou revoir la stratégie de sélection. Utilisé correctement, ce calcul fournit une base solide pour décider quels génotypes faire progresser, quels caractères prioriser et comment optimiser les essais futurs.

Note : ce calculateur applique la formule standard de l’héritabilité sur moyenne d’environnements, utile dans de nombreux essais de sélection végétale. Pour des modèles hiérarchiques plus complexes ou des jeux de données déséquilibrés, une estimation par modèle mixte REML reste recommandée.