À l'ère des Big Data, d’énormes quantités de données sont disponibles et constituent une occasion unique de développer des algorithmes de prédiction performants. En écologie microbienne, ce phénomène a joué un rôle majeur dans la façon dont nous abordons la biodiversité depuis l’apparition des NGS. L’étude des microbiomes environnementaux par les outils les méta-omiques a conduit à la découverte de nouveaux organismes, fournissant ainsi une source importante d’informations taxonomiques et fonctionnelles. L’un des futurs défis, est de réussir à associer une fonction à une diversité microbienne pour améliorer notre compréhension des fonctions du microbiome (British Ecological Society, 2016). Bien que certaines technologies renseignent sur les fonctions putatives ou réelles, elles restent fastidieuses et coûteuses à mettre en oeuvre. L’approche de metabarcoding est couramment utilisée pour obtenir des informations sur la diversité microbienne avec un coût très abordable, mais elle ne permet pas directement d’obtenir des informations sur les fonctions microbiennes. Deux solutions vivement débattues au sein de la communauté scientifique émergent actuellement pour tirer des informations fonctionnelles à partir d'un profil taxonomique : (i) l'inférence fonctionnelle et (ii) l'assignation de traits écologiques. Si la plupart des outils disponibles sont utilisables uniquement pour les procaryotes, comme PICRUSt le plus connu, d’autres alternatives existent afin d’étudier les eucaryotes et notamment les champignons comme par exemple FUNGuild. Ainsi, nous présenterons un état de l’art des outils et méthodes disponibles, illustrés par différents exemples permettant de faire le lien entre la diversité des communautés et leurs fonctions ou traits écologiques en ciblant l’environnement sol.