De nombreuses problématiques en agriculture requièrent des outils de modélisation pour apporter une réponse quantitative à l’appui d’une prise de décision ou d’une analyse scientifique. Pourtant, les modèles disponibles capturent imparfaitement la complexité des agroécosystèmes considérés et peuvent présenter un fort niveau d’incertitude. Aussi, la question de l’évaluation des modèles est primordiale pour leur utilisation opérationnelle. Pour cela, il s'agit soit de confronter les modèles aux données observées existantes, soit de réaliser une analyse d’incertitude en propageant les incertitudes quantifiées sur les entrées et les paramètres du modèle. Cette évaluation doit être faite pour chaque type d'utilisation d'un modèle, car cela conditionne les variables d'intérêt et les indicateurs de fiabilité que l'on cherche à calculer. Enfin, il semble important de fournir le résultat de cette évaluation à l’utilisateur qui base sa décision ou son analyse sur des simulations issues des modèles. Dans ce projet, nous avons établi une démarche générale pour associer un niveau d’incertitude aux prédictions. Dix cas d'étude ont été choisis pour représenter la diversité des cas d’utilisation des modèles avec des utilisations pour la prédiction, pour l’aide à la décision ou encore pour le diagnostic. Pour chaque cas d'étude, les besoins et les contraintes liées au modèle et à son utilisation ont été prises en compte pour adapter cette démarche et choisir les outils méthodologiques pertinents. Les questions instruites concernent à la fois la fiabilité des sorties des modèles étudiés et les conséquences sur celles-ci de l’incertitude sur des variables d’entrée ou des paramètres. Les résultats du projet sont mis à disposition de la communauté utilisant des modèles pour l’agriculture pour favoriser leur appropriation et leur application dans d’autres projets de modélisation, notamment à travers des articles, un ouvrage et des sessions de formation.