Titre : Compréhension et modélisation du comportement de nage et d’échappement des poissons dans les engins de pêche Contexte scientifique et Objectifs L'utilisation de caméras sous-marines permet d'étudier le comportement des espèces interagissant avec les engins de pêche dans leur environnement et de distinguer deux processus, la tentative d'échappement et sa probabilité de réussite. La prise en compte des réponses comportementales spécifiques des espèces ont permis d’évaluer et d’améliorer la conception d’engins de pêchés 1 . Pour les engins de pêche actifs, le comportement de certaines espèces, dans des zones spécifiques du chalut, a été étudié (e.g. poissons et calmars à l’entrée du chalut ; gadidés et poissons plats dans l'extension et le cul de chalut 2 ) afin de réduire les captures non désirées. Grâce à son approche générique et intégrée, le projet ESCAPE dans lequel s’inscrit cette thèse, a pour ambition de franchir un cap important dans les connaissances du déterminisme de la capture et de l’échappement de poissons. Par une approche multidisciplinaire associant technologie des pêches, éthologie appliquée, intelligence artificielle, écologie fonctionnelle et écologie quantitative, le projet vise à comprendre, quantifier et modéliser les différentes étapes des processus de capture et d’échappement. Il s’agira principalement d’appréhender les lois comportementales sous-jacentes liées au déterminisme morphologique, fonctionnel et social des espèces et des individus. Une fois formalisées, les différentes hypothèses de stratégies d’échappement seront testées à l’aide d’outils numériques de modélisation couplée animaux-engins de pêche. Les résultats basés sur la combinaison d’observations in situ et la modélisation permettront d’estimer les propriétés de sélectivité intra et inter des engins de pêche afin de contribuer à la conception d’engins de pêche innovants pour une exploitation plus durable des ressources marines. Plan de la thèse La thèse se structure autour de deux axes de travail. Le premier vise à analyser les données de vidéos sous-marines récoltées dans les chaluts de pêche afin d’identifier les facteurs influents la capture et les échappements de différentes espèces. Le second vise à modéliser les comportements mis en évidence à l’aide d’un outil numérique de modélisation couplée animaux-engins de pêche. Chapitre 1. Compréhension des comportements et leurs déterminismes L’observation in situ génère d’importantes quantités de vidéo, dont le traitement manuel est chronophage. Les nombreuses vidéos collectées, nécessitent l’utilisation d’un traitement automatique du signal. La première partie de la thèse visera à extraire, de façon automatique grâce à des réseaux de neurones (intelligence artificielle, IA), les trajectoires de différentes espèces de poissons dans le chalut. Ces données serviront à caractériser l’utilisation de l’espace par les différentes espèces, ainsi que sa variabilité temporelle (durée de traine), spatiale (cul/rallonge) et en fonction des types de maille. L’effet de stimuli lumineux, afin de déclencher un changement de comportement chez certaines espèces (attraction ou répulsion), sera également étudié. Les poissons ont tendance à rester à l'écart du filet et hésitent à passer à travers les mailles, alors même qu'ils pourraient facilement passer à travers. Un échappement réussi nécessite un comportement actif 3 , probablement impulsé par un fort niveau de stress et/ou d’encombrement. Dans un second temps, l’analyse fines des trajectoires individuelles et de groupe à microéchelle (< 1 m) testera dans quelles mesures la vitesse de nage, la fréquence et angle des virages, l’angle de contact avec les mailles sont reliées aux capacités visuelles et natatoires des espèces et des individus (taille) et permettent de déterminer l’effet de l’encombrement (spatial et/ou social) sur le déclenchement des échappements à travers le maillage, ainsi que sur leur probabilité de succès. Enfin pour mieux comprendre les règles de comportement sous-jacentes, la dynamique temporelle des tentatives d’échappement sera étudiée. Des modèles numériques (e.g., de survie) seront adaptés afin d’inférer sur le caractère stationnaire ou avec mémoire (dépendant du temps) des comportements observés 4 , dans différentes zones de l’engin de pêche. Chapitre 2. Modélisation couplée poisson-engin L’étude de la dynamique des filets de pêche s’effectue à l’aide d’une plateforme de simulation « multiengins » de pêche, FineLab (extension du logiciel DynamiT 5 ). Cette plateforme permet de faire interagir des individus (modèles IBM, Individual Based Model) avec un engin de pêche. La puissance des modèles IBM réside dans leur flexibilité de représentation des processus naturels observés, par exemple les comportements de nage et d’échappement des poissons, mais également dans leur capacité d’étudier le lien entre les comportements individuels et les dynamiques collectives qui en résultent. Cette approche permet d’estimer les principaux paramètres de sélectivité des engins, tels que la taille à 50 % d’échappement ou la « gamme de sélection », selon l’environnement, les espèces présentes et de leurs comportements spécifiques. Le modèle « poisson » implémente des règles de comportement, inspirés des Boids 6 : évitement, alignement et cohésion des individus, évitement de l’engin. D’autres comportements sont également intégrés comme une vision orientée, un nombre maximum de tentatives d’échappement, une préférence d’échappement vers le haut ou le bas, une vitesse de nage de « croisière », une vitesse de fuite et des paramètres d’état comme l’énergie pouvant conduire à l’épuisement de l’individu. Les valeurs de paramètres actuelles permettent de retrouver par simulation des comportements réalistes observés en mer comme la concentration de poissons devant le milieu du bourrelet. Plus récemment la prise en compte de la résistance à l’ouverture des mailles contre la poussée d’un poisson cherchant à s’échapper 7 a permis d’établir une courbe de sélectivité réaliste. Cependant ces travaux sont exploratoires et des analyses de sensibilité aux valeurs de paramètres montrent que les règles de comportement doivent être approfondies et faire l’objet d’optimisation. La seconde partie de la thèse visera à optimiser les variables du modèle IBM jusqu’à obtenir des ensembles de trajectoires comparables aux observations in situ. L’environnement graphique de la plateforme permettra la visualisation des trajectoires afin de faciliter la compréhension des interactions engin/individus. En se basant sur les résultats du chapitre 1, les principales hypothèses sur les mécanismes comportementaux et sociaux sous-jacents seront testées et leurs effets sur la probabilité d’occurrence et/ou de succès des échappements au niveau populationnel estimés. Candidatures Le(a) candidat(e) devra détenir un Master 2 en bio statistique et modélisation, biologie-écologie, de préférence marine ou discipline associée (halieutique) ou éthologie avec de fortes compétences en écologie quantitative et en modélisation. Compétences en intelligence artificielle (deep Learning), analyses d’image appréciées. Intérêt pour l’halieutique et la gestion des écosystèmes marins. CV, lettre de motivation et lettre de recommandation à envoyer à : dorothee.kopp@ifremer.fr , marianne.robert@ifremer.fr et sur la plateforme de l’ED SML Durée et localisation : Octobre 2024-October 2027 Encadrement scientifique : Marianne Robert, Benoit Vincent, Robin Faillettaz, Dorothée Kopp Laboratoire d’accueil : Laboratoire de Technologie et Biologie halieutique – Ifremer Lorient Membre de Unité Halgo : Halieutique grand Ouest et de l’UMR Decod : Durabilité et dynamique des écosystèmes : de la source à l’océan Bibliographie 1 Thomsen B et al. 2010. Fish Pots: Fish Behavior, Capture Processes, and Conservation Issues. In: He P, editor. Behavior of Marine Fishes. Oxford, UK: Wiley-Blackwell. 2 Krag LA et al. 2009. The vertical separation of fish in the aft end of a demersal trawl. ICES J Mar Sci. 3 Glass CW et al. 1993. Behavioural studies of the principles underlying mesh penetration by fish. ICES mar Sei Symp. 4 Robert M, et al. (2020). A methodological framework for characterizing fish swimming and escapement behaviors in trawls . Plos One 5 Peake SJ, Farrell AP. 2006. Fatigue is a behavioural response in respirometer‐confined smallmouth bass. Journal of Fish Biology 6 Nguyen, T.X., Winger, P.D. 2016. Numerical Modeling - A Comparison of Different Methods for Simulating Bottom Trawls. Fish. Technol. 7 Craig W. Reynolds 1987. Flocks, herds and schools : A distributed behavioral model. ACM SIGGRAPH Computer Graphics. 8 Vincent B et al., 2022. Exploring the mechanics of fish escape attempts through mesh. Fish. Res