La seiche est une espèce commerciale de grande importance dans les pêcheries de Manche tant en termes de débarquement qu’en valeur. Les méthodes d’évaluation de stock structurées en âges sont inapplicables car la lecture de l’âge sur les pièces calcaires que sont les statolithes est difficile et coûteuse en temps. Face à l’absence de modèles d’évaluation de stock adaptés à cette espèce à données limitées, une modélisation de la biomasse a été développée. Ce modèle de biomasse à deux stades est développé dans un cadre de modélisation Bayésien. Il permet de faire des inférences sur la biomasse du stock au début, au milieu et à la fin de chacune des saisons de pêche entre 1992 et 2014, tout en prenant en compte les erreurs de processus et de mesures et en intégrant des sources d’information variées. Parmi ces sources, des données de fréquence de taille sont utilisées pour renseigner a priori sur le paramètre de croissance de la biomasse g. L'introduction de ce "prior" et de sa variabilité interannuelle est une amélioration considérable du modèle dont les résultats (utilisés par le Conseil International pour l’Exploration de la Mer) sont plus réalistes. Cette prise en compte d’un paramètre g à variation interannuelle est un net progrès au vu de la sensibilité des populations de seiches aux fluctuations environnementales. Le modèle fournit également des prédictions sur la biomasse disponible en hiver à partir des données de campagnes scientifiques, et peut servir à gérer le stock en cas de forte diminution de l’abondance.
Mots clés : Manche, seiche, Sepia officinalis, modèle Bayésien, stock à données limitées, modèle de biomasse à deux stades
A Bayesian two-stage biomass model for stock assessment of data-limited species: An application to cuttlefish (Sepia officinalis) in the English Channel. Juliette Alemany, Etienne Rivot, Eric Foucher, Joël Vigneau, Jean-Paul Robin. Fisheries Research, vol. 19, July 2017, pp. 131-143
Contacts BOREA : Juliette Alemany, doctorante et Jean-Paul Robin, professeur, au sein de l'équipe 5 à l'Université de Caen Normandie, Caen.
