Optimisation de l'estimation d'âge des poissons à partir des otolithes utilisant les nouvelles technologies liées à l'intelligence artificielle et à l'analyse 3D // Optimization of fish aging from otoliths using new technologies linked to artificial intel

Les otolithes, pièces calcifiées de l'oreille interne des poissons téléostéens, sont principalement utilisés pour estimer l'âge des individus à travers le dénombrement des stries de croissance. À cet effet, en Europe, chaque année, près de 800 000 otolithes, dont 35 000 en France, sont prélevés. Au-delà de cette application, la forme des otolithes peut varier au sein d'une espèce, en particulier selon les conditions environnementales (température, salinité, régime alimentaire…), et donc peut être utilisée comme proxy pour estimer les patrons individuels de croissance somatique et discriminer les stocks au sein d'une même espèce. La thèse envisagée contribuera à extraire les informations contenues dans la forme de l'otolithe à partir d'approches traditionnelles, mais aussi plus novatrices comme l'intelligence artificielle appliquée à des ensembles de données volumineux ou l'analyse en 3 dimensions. L'objectif sera d'améliorer la compréhension de la morphogenèse de l'otolithe et donc l'optimisation de son utilisation à la fois pour discriminer les stocks et pour automatiser l'estimation d'âge des poissons. Cette thèse sera basée sur plusieurs cas d'études variés comme la plie commune (Pleuronectes platessa) et le hareng (Clupea harengus) de façon à obtenir des résultats génériques.
Le sujet de thèse sera organisé selon trois axes majeurs :
(i) extraction automatique de nouvelles informations sur la forme 2D et 3D de l'otolithe,
(ii) développement et optimisation de modèles de classification de deep learning et machine learning pour estimer automatiquement l'âge,
(iii) analyse des facteurs qui contrôlent la trajectoire et la vitesse de croissance des poissons au cours de leur vie.
------------------------------------------------------------------------------------------------------------------------------------------------------------------------
------------------------------------------------------------------------------------------------------------------------------------------------------------------------

Otoliths, calcified parts of the inner ear of teleost fish, are mainly used to estimate the age of individuals by counting growth striae. In Europe, some 800,000 otoliths are collected every year, including 35,000 in France. Beyond this application, otolith shape can vary within a species, particularly according to environmental conditions (temperature, salinity, diet...), and can therefore be used as a proxy to estimate individual somatic growth patterns and discriminate between stocks within the same species.The planned thesis will contribute to extracting the information contained in otolith shape from traditional, but also more innovative approaches such as artificial intelligence applied to large datasets or 3-dimensional analysis. The aim will be to improve our understanding of otolith morphogenesis and thus optimize its use for both stock discrimination and automated fish age estimation. This thesis will be based on several varied case studies such as common plaice (Pleuronectes platessa) and herring (Clupea harengus) in order to obtain generic results.
The thesis topic will be organized along three major axes:
(i) automatic extraction of new information on the 2D and 3D shape of the otolith,
(ii) development and optimization of deep learning and machine learning classification models for automatic age estimation,
(iii) analysis of the factors that control the trajectory and growth rate of fish during their lifetime.
------------------------------------------------------------------------------------------------------------------------------------------------------------------------
------------------------------------------------------------------------------------------------------------------------------------------------------------------------

Début de la thèse : 01/10/2025

Financement d'une collectivité locale ou territoriale

Université du Littoral Côte d'Opale

585 Sciences, Technologie, Santé

Candidat ayant une formation Master/BAC+5 en mathématiques, informatiques ou bio-informatique. Compétences : - programmation - modélisation mathématique - traitement des images - curiosité et rigueur scientifiques - appétence pour l'intelligence artificielle
Candidate with a Master degree in mathematics, computer science or bioinformatics. Skills : - programming - mathematical modeling - image processing - scientific curiosity and rigor - interest in artificial intelligence