Le projet FlowCAM/PhytoImage a pour objectif, à terme, la mise en œuvre opérationnelle d’analyses de la composition phytoplanctonique d’échantillons d’eau de mer grâce à une analyse automatisée, ou semi­automatisée, en utilisant un FlowCAM couplé à une version spécifique du logiciel PhytoImage, développé par l’Université de Mons en Belgique. Ce rapport rend compte des premières phases de la réalisation du projet, effectuées dans le cadre d’un post-doctorat, en constante interaction avec l’équipe de l’UMONS.Les images issues de la numérisation d’échantillons, principalement prélevés dans le bassin d’Arcachon de janvier 2010 à mars 2011, ont permis de constituer des banques d’images des particules du bassin d’Arcachon, principalement de la flore totale phytoplanctonique (matériel frais et fixé au Lugol) mais aussi d’autres catégories de particules non ciblées (zooplancton et particules inertes). Puis un set d’apprentissage remanié (comportant 44 catégories de particules dont 28 phytoplanctoniques) a permis de construire un outil de reconnaissance optimisé dont les performances atteignent un niveau de reconnaissance global de 72% pour l’ensemble des catégories du set. Ce résultat très encourageant n’est pas définitif puisque de nombreuses améliorations peuvent être apportées. Les prochaines étapes à mener pour déterminer sous quelle forme la mise en œuvre de cette méthode pourrait être utilisée en routine pour le suivi des Flores Totales du REPHY du littoral français sont un enrichissement du set d’apprentissage initial par de nouveaux groupes phytoplanctoniques et la résolution des biais quantitatifs mis en évidence sur certains taxons.

The FlowCAM / PhytoImage project has for objective, forward, the operational implementation of analyses of the phytoplanktonic composition of samples of sea water using automated, or semi-automated analysis, by using FlowCAM coupled with a specific version of the software PhytoImage, developed by the University of Mons in Belgium. This document reports first phases of the realization of the project, made within the framework of a post-doctorate, in constant interaction with the team of the UMONS. Pictures stemming from the digitalization of samples, mainly taken in the Bay of Arcachon from January, 2010 till March, 2011, allowed to constitute picture libraries of the particles of the Bay, mainly phytoplanktonic but also zooplanktonic and sluggish particles. Then, from a training set of 44 categories of particles including 28 phytoplanktonic groups, an optimized tool of identification was built. The performances of this tool reach a global identification rate of 72 % for all the categories of the set. This very encouraging result is not definitive because numerous improvements can be brought.