Les modèles de culture représentent des systèmes vivants très complexes et, donc, ont des niveaux d’erreur élevés. Par conséquent, un point essentiel est de bien connaître le niveau de fiabilité des prédictions de ces modèles car les utilisateurs des modèles ont besoin de connaître le niveau de précision des modèles afin de prendre en considération cette information dans l’analyse des résultats. Nous présentons ici une démarche pour quantifier l’incertitude des sorties du de culture du tournesol (SUNFLO V1) utilisé pour simuler la réponse des variétés de tournesol à l’environnement et à la conduite de culture. Nous illustrons la mise en pratique concrète de cette démarche sur ce modèle encodé sous la plateforme RECORD-VLE au moyen de la librairie R-VLE sous le logiciel de statistique R., ainsi que les difficultés rencontrées. Les principales hypothèses que nous faisons sont de considérer comme source d’incertitude les paramètres des modèles et la variance résiduelle. Pour quantifier les sources d’incertitude, une première méthode mobilisée est l’estimation des paramètres par approche bayésienne avec l’algorithme Metropolis-Hastings within Gibbs codé sous R qui permet d’obtenir la distribution de certains paramètres des modèles et d’estimer la variance résiduelle. Enfin, nous pouvons combiner ces différentes sources d’incertitude dans un plan d’expérience afin de quantifier l’incertitude sur les sorties du modèle sur nos variables d’intérêt. Ces travaux ont été réalisés dans le cadre du projet «Associer un niveau d’erreur aux prédictions des modèles mathématiques pour l’agronomie et l’élevage » (www.modelia.org) mené par l’ACTA et ses partenaires (2010-2012) et financé par le « Compte d'affectation spécial pour le développement agricole et rural » du Ministère de l’Agriculture et de la Pêche.