Les pêcheurs n'ont aucun moyen de séparer les poissons qu'ils attrapent lorsqu'ils lancent leurs filets en mer. Espèces protégées et poissons sans valeur marchande :le requin marteau, par exemple, finir par être piégé et mourir sans raison. Pour tenter de minimiser cette pêche accidentelle, statisticiens de l'Université de Genève (UNIGE, La Suisse), Université Dalhousie (Halifax, Canada) et l'Australian National University (Canberra) ont mis au point une nouvelle méthode statistique pour prédire avec plus de précision les prises accessoires à l'avenir. La technique, qui est expliqué en détail dans le journal Annales de statistiques appliquées , peut également être appliqué à d'autres domaines de recherche, y compris l'économie de la santé, médecine et sciences de l'éducation.
Lorsque les pêcheurs se lancent dans leurs expéditions en mer, des espèces protégées sont accidentellement attrapées dans leurs filets à côté des poissons destinés à la vente. Les biologistes collectent des ensembles de données sur le nombre de poissons et les chiffres de conservation des espèces afin d'étudier le volume de la pêche accidentelle et son impact sur la faune marine. La structure de ces données, dit « imbriqué », est complexe car il intègre une masse d'informations techniques, comme le nombre d'expéditions ou le type de bateaux utilisés. Les données enregistrent également la quantité de poissons protégés capturés dans les filets à chaque sortie de pêche. Cependant, certaines espèces - le requin marteau en est un exemple - ne sont généralement pas capturées, rendant difficile l'établissement de modèles incluant le nombre de prises nulles pour chaque espèce. "Jusqu'à maintenant, il n'y a pas eu de méthode statistique générale qui combine une structure de données emboîtées avec une grande quantité de zéros dans les observations", explique Eva Cantoni, professeur au Centre de recherche statistique de l'École d'économie et de gestion de Genève (GSEM) de l'UNIGE. « Donc, cette lacune devait être comblée, ce que nous avons fait en mettant en place un modèle très général et flexible, appelé le modèle d'obstacle à effets aléatoires."
La complexité de la généralité
Les statisticiens ont développé une nouvelle méthode dans le but ultime d'introduire une pêche gérée et de réduire les prises accessoires. « Nous avons dû prendre en compte une gamme de dynamiques, " poursuit Cantoni. " Le but n'était pas seulement d'analyser l'évolution du nombre de captures dans le temps mais aussi d'étudier les différentes saisons et la météo, tout en tenant compte des conditions techniques :la profondeur des filets, les saisons (comme je l'ai déjà mentionné), le type de crochets utilisés, si des bâtons lumineux ont été utilisés ou non, et le type de navire. » Sur la base de ces données, les chercheurs ont identifié les conditions facilement influençables (telles que la profondeur des hameçons) qui réduiraient le volume d'espèces non commercialisables capturées.
Les statisticiens ont alors créé une nouvelle méthodologie qui combinait des modèles plus anciens spécialisés soit dans les structures imbriquées, soit dans la gestion zéro. « La difficulté était de rapprocher ces deux aspects en veillant à ce que le modèle soit le plus général possible afin qu'il puisse s'adapter à de nombreuses situations, " dit Joanna Mills Flemming, du Département de mathématiques et de statistique de l'Université Dalhousie. Plus un modèle est général, plus il est complexe à traiter. Des techniques de simulation modernes ont été utilisées pour estimer les paramètres du modèle (liés, par exemple, à la profondeur des hameçons) et leur variabilité. Les auteurs ont démontré des théorèmes qui déterminent et quantifient les marges d'erreur du modèle et de ses prédictions. Prévenir les captures accidentelles et soutenir la politique environnementale. Cette modélisation permet désormais d'estimer les prises accessoires potentielles pour une expédition de pêche. "Quand les pêcheurs nous donnent leurs données de voyage, on peut prévoir les prises accidentelles de requins-marteaux, par exemple, avec plus de précision, " déclare Cantoni. " La méthode peut être utilisée pour soutenir les politiques environnementales en interdisant la pêche à une certaine profondeur à une période donnée de l'année car elle impliquerait trop de prises accessoires, " ajoute Alan Welsh de l'Australian National University.
Le modèle comble une lacune statistique :auparavant, il n'existait pas de modèle général capable de prendre en compte simultanément des structures de données complexes et emboîtées et un nombre élevé d'observations égal à zéro. Aujourd'hui, le nouveau modèle ne sert pas seulement la pêche commerciale :il peut également être utilisé dans d'autres domaines avec une structure de données complexe, y compris l'économie de la santé, médecine et sciences de l'éducation.
