L’utilisation de pesticides en agriculture entraîne une contamination généralisée de différents compartiments de l’environnement, notamment des eaux de surface. La contamination des eaux de surface représente un risque environnemental et sanitaire majeur à gérer. Les modèles numériques mécanistes représentent des outils précieux (Ma et al., 2001, Shrestha & Manandhar, 2014)⁠ pour évaluer le risque de contamination sous des conditions diverses. Ils sont notamment utilisés pour simuler des variations de concentrations dans les eaux de surface ou de masses exportées sur plusieurs années (e.g. Gagnon et al., 2015, Baffaut et al., 2019), afin de tenir compte de la variabilité climatique. Ces applications impliquent que les modèles soient capables de simuler précisément les variabilités inter et intra annuelles des contaminations. Le calcul de la mobilisation des pesticides par le ruissellement est généralement basé sur l’hypothèse de mélange uniforme, qui suppose que les pesticides mobilisés proviennent d’une couche superficielle de sol dans laquelle le mélange de l’eau de ruissellement et de la solution du sol est considéré comme uniforme (e.g. GLEAMS [Leonard et al., 1987], Apex [Williams et al., 2006], DANSAT [Cho et al., 2007]). La performance des modèles de transfert de pesticides par ruissellement a été évaluée au laboratoire, mais est moins bien connue pour des applications plus opérationnelles, comme à l’échelle parcellaire (Young and Fry, 2019). A l’échelle d’une parcelle agricole, les évaluations de la performance de modèles pour reproduire en continu les dynamiques des contaminations des ruissellements reposent le plus souvent sur des simulations d’une durée comprise entre une et trois saisons culturales (e.g. Leonard et al., 1987, Ma et al., 1995, Ghidey et al., 1999, Malone et al., 1999, Connolly et al., 2001, Malone et al., 2004, Miao et al., 2004, Cho and Mostaghimi, 2009, Mudgal et al., 2010, Chen et al., 2017, Baffaut et al., 2019). Seuls Chinkuyu et al. (2005) et Plotkin et al. (2013) évaluent un modèle sur de plus longues périodes, respectivement 5 et 8 années. Les performances mesurées sont très hétérogènes, avec des valeurs du coefficient d’efficience de Nash et Sutcliffe (NSE, Nash and Sutcliffe, 1970) et de pourcentage de biais (PBIAS) comprises respectivement entre -8,74 et 0.96 et entre 4 % et 98.4%, pour la prédiction de masses exportées, et des valeurs de NSE comprises entre -4,98 et 0,8 pour la prédiction de concentrations. Étant donné les fortes variations temporelles naturelles des conditions des transferts de pesticides, les courtes périodes d’évaluation pourraient constituer un facteur majeur de variabilité de la performance mesurée. Une période d’évaluation d’une durée suffisante serait nécessaire pour une analyse fiable et précise de la performance d’une simulation. Ainsi, l’objectif principal de ce travail est d’évaluer la précision d’un modèle mécaniste pour reproduire les variabilités inter et intra annuelles de concentrations en pesticides dans les ruissellements d’une parcelle agricole soumise au climat méditerranéen, marqué par de fortes variabilités inter et intra annuelles. Plus précisément, ce travail a consisté à i) vérifier que les paramètres d’entrée peuvent être considérés constants dans le temps et que l’épaisseur de la couche de mélange uniforme peut être considérée indépendante de la molécule étudiée ii) déterminer combien d’années de données sont nécessaires pour estimer la performance moyenne du modèle et iii) identifier les paramètres les plus influents selon l’objectif de simulation recherché. Le modèle évalué dans ce travail est MHYDAS-Pesticide-1.0 (Modélisation Hydrologique Distribuée des Agrosystème – Eau et Pesticides) un modèle mécaniste distribué qui simule les transferts d’eau et de pesticides des parcelles agricoles vers le réseau hydrographique. MHYDAS-Pesticide-1.0 a été appliqué sur une parcelle viticole, pour laquelle les concentrations dans les ruissellements ont été suivies de 1995 à 2014 dans le cadre de l’observatoire OMERE (Molénat et al., 2018). La performance du modèle a été évaluée par comparaison avec des concentrations mesurées pour deux molécules herbicides : une qui présente une évolution temporelle des propriétés de sorption par effet de vieillissement, le diuron (N′-(3,4-dichlorphenyl)-N,N-dimethylurea), et une autre dont les propriétés de sorption sont plus stables dans le temps, le glyphosate acid 2-[(phosphonomethyl)amino] acetic)). L’évaluation du modèle inclut un calage, mené sur trois années de données, puis une validation, mené sur 7 années pour le diuron et 6 années pour le glyphosate. Le calage a consisté à identifier les paramètres qui contribuent le plus à la variabilité des concentrations simulées en fonction du temps écoulé après l’apport de l’herbicide, puis à sélectionner leurs valeurs qui permettent d’obtenir une performance globalement satisfaisante du modèle. La performance globale du modèle a été mesurée pour le calage et en validation à l’aide du NSE et du PBIAS calculés avec deux variables : la concentration moyenne par crue et son logarithme décimal. La structure temporelle de la performance du modèle a ensuite été analysée pour évaluer la capacité du modèle à reproduire les variabilités inter et intra annuelles des valeurs de concentrations. Cette analyse a porté sur les jeux de paramètres calés et pour les 10 et 9 ans de la chronique de données disponibles respectivement pour le diuron et le glyphosate. Les résultats montrent que, en moyenne, le modèle est capable, avec un jeu constant de paramètres, de reproduire fidèlement la variabilité inter annuelle de concentrations. Les NSE annuels moyens calculés avec les concentrations moyennes et leur logarithme décimal dépassent respectivement 0,64 et 0,76 pour les deux molécules testées. Les valeurs absolues des PBIAS annuels moyens calculés avec les concentrations moyennes et leur logarithme décimal sont inférieures respectivement à 28 % et 10 %. Ces valeurs sont satisfaisantes d’après les seuils de performance fixés par Moriasi et al. (2015) pour la reproduction d’exports en solutés (NSE > 0.35 et |PBIAS| < 30 %). La variabilité de la performance du modèle d’une année à l’autre est néanmoins forte. Près de 50 années de données sont nécessaires pour que l’écart type d’estimation du PBIAS annuel moyen soit inférieur à 5 %, pour toutes les molécules et variables analysées. La variabilité intra annuelle des concentrations est aussi bien reproduite par le modèle. La précision du modèle est cependant moins élevée pour quantifier les variabilités temporelles des concentrations en diuron que celles des concentrations en glyphosate. Cette différence peut traduire un effet majeur du vieillissement du coefficient de sorption (KD) sur la prédiction des concentrations en diuron, mais pas sur la prédiction des concentrations en glyphosate. Cette étude montre par ailleurs que l’effort de paramétrage d’un modèle pour représenter les contaminations des ruissellements par les pesticides devrait porter sur des paramètres différents selon l’objectif recherché. L’influence relative sur la simulation des concentrations des paramètres les plus sensibles varie en fonction du temps écoulé après apport du pesticide. Les paramètres de sorption étant particulièrement sensibles aux contaminations de crues survenues quelques jours après apport de pesticides sur la parcelle, la réduction de leur incertitude est une priorité pour reproduire les concentrations maximales, dans le cas de l’étude de « pires scénarios ». La demi vie de la molécule étant le paramètre largement le plus sensible sur la majeure partie de l’année, sa valeur est à connaître précisément si l’objectif de la modélisation est la quantification de l’exposition chronique aux pesticides.