Nicolas ANDRIALOVANIRINA - Formes 2D et 3D des otolithes : de la structuration à la classification des poissons

Monsieur Nicolas ANDRIALOVANIRINA a soutenu sa thèse le 5 novembre 2024 à Boulogne sur mer pour obtenir le grade de Docteur de l’Université du Littoral Côte d’Opale.

Ecole doctorale : École Doctorale en Sciences, Technologie et Santé (ED 585)

Spécialité : Spécialité Biologie des organismes, biotechnologie animale, végétale et microbienne

Sujet : Formes 2D et 3D des otolithes : de la structuration à la classification des poissons

Composition du jury :

M. Dominique Ponton , Directeur de Recherche, UMR Entropie - IRD Rapporteur

Mme Françoise Daverat, Chercheuse HDR, INRAE Rapporteur

Mme Audrey Darnaude, Chargée de Recherche HDR, UMR Marbec Examinateur

M. Rachid Amara, Professeur, Université du Littoral Côte d’Opale Examinateur

M. Philippe Béarez, Directeur de Recherche CNRS, UMR AASPE - MNHN Paris Examinateur

M. Mathias Vignon, Maître de Conférences, UMR EcoBIOP - INRAE, Univ. Pau Examinateur

M. Sébastien Couette, Maître de Conférences HDR, UMR BGS EPHE - Univ. Bourgogne Encadrant invité

M. Kélig Mahé, Cadre de Recherche, IFREMER Boulogne-sur-mer Co-Directeur de thèse

Mme Émilie Poisson Caillault, Professeure, Université du Littoral Côte d’Opale Co-Directrice de thèse

 Résumé :

Les ressources halieutiques sont indispensables pour l’alimentation humaine et forment un maillon essentiel des écosystèmes marins. Sa gestion est réalisée en évaluant des unités de gestion appelées « stocks halieutiques ». Ces stocks sont souvent identifiés par la forme externe de l’otolithe, une pièce calcifiée présente dans l’oreille interne des poissons. En effet, sa forme varie selon l’héritage génétique, l’adaptation à l’environnement et l’évolution morphologique de l’individu au cours de sa vie. Jusqu’à présent, l’analyse de la forme externe des otolithes est analysée à partir d’images 2D issue en grande partie d’acquisitions par loupe binoculaire, microscope et scanner optique. Ces images 2D utilisent seulement la forme externe et donc partielle de l’information contenue dans l’otolithe. Ainsi, la thèse contribuera dans un premier temps à (i) extraire les informations de façon automatique et standardisée contenues dans la forme de l’otolithe à partir d’approches traditionnelles 2D mais aussi plus novatrices en 3D, pour avoir les informations non biaisées de la forme. Dans un second temps, à partir de ces informations de forme, des méthodes de machine learning ont été appliquées pour : (ii) analyser l’asymétrie entre les oreilles gauche et droite sur la forme des otolithes ; (iii) identifier les stocks halieutiques avec micro (île de la Réunion) et macro (mer Méditerranée) échelles spatiales ; (iv) identifier les espèces de poissons au sein d’un écosystème (Manche mer du Nord) à partir des otolithes en 3D en relation leur phylogénie et leur écomorphologie. Deux méthodes (2D et 3D) ont été développées pour standardiser les otolithes en termes de positionnement, de rotation et d’échelle de taille. Des paramètres univariés (mesures et caractéristiques) et multivariés (descripteurs elliptiques et sphériques de Fourier) ont été extraits automatiquement pour pouvoir analyser la forme. L’analyse comparable de la forme 2D de l’espèce de rouget barbet de vase (Mullus barbatus) en mer Méditerranée n’a pas montré de différence significative d’asymétrie liée à la zone géographique. Cette analyse a été complétée par la même approche en 3D qui elle à l’inverse a montré un effet géographique significatif sur la distinction des otolithes gauches et droits. La classification des données 2D et 3D du rouget barbet de vase ont permis de discriminer 2 unités de stocks en mer Méditerranée comparés aux écorégions obtenues par classification des données environnementales modélisées. Les résultats obtenus à partir du 3D ont été plus optimaux que ce soit en utilisant une classification non supervisée ou supervisée. Une étude à micro-échelle spatiale réalisée autour de l’île de la Réunion sur plusieurs espèces démersales à partir d’images 2D a montré que parmi les 9 espèces testées, 2 espèces (Etelis carbunculus et Pristipomoides filamentosus) présenteraient une structuration spatiale en deux stocks. Au niveau interspécifique, l’analyse de forme 3D a été appliquée sur les 22 espèces principales de l’écosystème Manche mer du Nord et a permis de montrer des relations significatives entre la forme 3D de l’otolithe et les caractéristiques phylogénétiques ainsi qu’écomorphologiques des poissons. La thèse a permis à la fois de standardiser automatiquement les données 2D et 3D des otolithes pour exploiter ses informations de forme. La forme 3D permet une augmentation de la précision et du nombre d’informations contenues dans l’otolithe. Ceci a été démontré pour plusieurs méthodes de machine learning pour identifier les stocks ou les espèces en lien avec la physiologie et l’environnement dans lequel elles évoluent. Ces données permettront de prédire l’évolution des structures de stock en fonction des changements globaux.