Grain mold severely constrains sorghum [Sorghum bicolor (L.) Moench] productivity and grain quality in subhumid environments. Photoperiod-sensitive flowering plays a key role in mold avoidance and yield stability along north-south rainfall gradients. In response to the high susceptibility of elite cultivars in subhumid zones of Senegal, we developed and characterized a recombinant inbred line (RIL) population derived from Nganda (grain mold-susceptible) and Grinkan (photoperiod-sensitive) varieties. The population was evaluated across three distinct agro-ecological zones over two years. Environmental indices derived from genotype-environmental interactions, together with defined growth windows, strongly influenced flag leaf appearance (FLA), a photoperiodic flowering trait. Plasticity parameters (intercept and slope) for environmental indices, FLA, grain mold severity, and yield enabled identification of loci contributing to flowering response, mold resistance, and yield stability. The maturity gene Ma1 and two QTLs for FLA, qFLA6.2 and qFLA6.3, were identified, stable across environments, and colocalized with grain mold and yield QTLs. The wild-type Ma1 allele from Grinkan delayed FLA and reduced grain mold damage but was not associated with increased yield. The Ma1 effect was confirmed using the developed breeder-friendly KASP marker, Sbv3.1_06_40312464K, in 174 F3 three-way cross families. Photoperiod-sensitive lines with intermediate-to-late FLA alleles showed strong negative associations with mold damage. Overall, the identified stable loci and candidate lines provide foundations for effective molecular breeding of climate-resilient varieties.
Au Sahel, la répartition des pluies irrégulière dans le temps et dans l’espace engendre une forte interaction variété x année et variété x lieu. Pour déterminer les variétés les plus productives en espérance en fonction des lieux, il faudrait de nombreuses années d’expérimentation en chaque lieu, ce qui prendrait beaucoup de temps. Une alternative est de maximiser la production prédite à l’aide d’un modèle de culture décrivant la croissance et le développement de cultures en interaction avec leurs conditions agro-environnementales. La production à maximiser est moyenne sur une distribution de probabilité d’entrées environnementales, spécifique du lieu, alors que les paramètres variétaux qui maximisent cette production définissent un but de sélection que l’on appelle idéotype. Dans ce travail, nous voulons déterminer une carte d’idéotypes de sorgho. Nous sommes donc confrontés à un problème d’optimisation d’un modèle complexe. Une méthode classiquement utilisée dans ce contexte est la méthode Efficient Global Optimization (EGO), fondée sur un métamodèle de krigeage. Ici, une telle approche n'est pas adaptée. En effet, la distribution des entrées météorologiques suit un modèle stochastique dont les paramètres varient continûment dans l’espace en suivant un gradient Nord-Sud. L’optimisation des paramètres variétaux est alors conditionnelle à ces paramètres de climat. D’autre part, la fonction à maximiser n’est connue que par un nombre limité de simulations, donc à une erreur près. Notre cadre de travail concerne donc l'optimisation conditionnelle d'une fonction bruitée. Les extensions existantes de l’algorithme EGO ne prennent pas en charge ce cadre. Dans cette thèse, un nouveau critère pour l'optimisation conditionnelle d'une fonction bruitée est proposée et étudié. Une métaphore de l'optimisation conditionnelle est la recherche d'une ligne de crête. A partir de simulations sur des fonctions test, une étude des performances de ce nouveau critère est proposée, de même qu'une comparaison avec le critère habituellement utilisé pour la recherche de ligne de crête. Les résultats de cette étude montrent l'intérêt de notre critère.L'application à la cartographie d'idéotypes de sorgho a été testée sur l'espace couvert par le Sénégal, le sud du Mali et le Burkina Faso. Elle a consisté à maximiser le rendement espéré en fonction de 4 paramètres du modèle Samara : la longueur de la phase végétative, la longueur maximale des racines, le potentiel de réserve des tiges, et la mortalité des feuilles. Les résultats de cette optimisation recoupent en partie l'analyse de sensibilité menée sur ces mêmes paramètres.