L’appellation data poor regroupe des réalités différentes, même si pour la Commission européenne, les stocks concernés sont (ont été) soumis à la même proposition de diminution arbitraire du TAC de 25% (15% dans certains cas). Il faut, parmi les « data poor stocks » distinguer : (i) Les vrais « data poor stocks »: stocks pour lesquels il n’existe pas ou peu d’information et pour lesquels aucun diagnostic quantitatif (résultant d’un modèle) ou qualitatif (à partir de tendances d’évolution de certains indicateurs) n’est porté. (ii) Les « poor data stocks » pour lesquels des données existent mais ne permettent pas la modélisation (série trop courte) ou modèles inadaptés. Dans ce dernier cas, le manque ne concerne pas les données mais la recherche et le développement du modèle adéquat. Dans le cas de données existantes mais sur une trop courte série, il n’y a rien que l’on puisse faire si ce n’est continuer à collecter l’information pour que la série historique soit, dans l’avenir suffisamment longue pour être utilisée dans un modèle. (iii) Les « poor diagnostic stocks » pour lesquels un diagnostic est réalisé mais est jugé trop peu précis pour servir de base à des projections de captures utilisables pour quantifier des recommandations de gestion. (iv) Les « data poor stocks » que l’on pourrait qualifier d’ »accidentels » ; pour ces stocks, il existe un modèle adapté, une série historique de données, mais il apparait certaines années (surtout les années récentes) une absence de données qui empêche la conduite de l’évaluation. La résolution des problèmes (et donc les moyens à mettre en oeuvre) dépend évidemment de la catégorie. Lorsque les données existent, sont collectées, depuis peu, l’évaluation du stock nécessite d’attendre que la série de données soit suffisamment longue. L’absence de diagnostic et de recommandation ne résulte pas dans ce cas d’une déficience (sauf si l’on considère que ne pas disposer d’une série historique sur tous les stocks constitue une faute). Pour les « data poor stocks” de la catégorie (iii), un diagnostic peut être posé soit à partir des résultats du modèle (considéré en relatif) soit à partir de l’évolution d’indicateur qualitatif (indices issus des campagnes par exemple). Dans ce cas, le CIEM formulait ses recommandations en termes qualitatifs (les captures ne devraient pas augmenter, ou devraient être réduites). L’atelier du CIEM WKFRAME doit permettre au CIEM de quantifier les évolutions des captures à partir d’indicateurs ‘qualitatifs’. Reste, évidemment, les stocks de la catégorie (iv) pour lesquels la responsabilité des Etats et/ou des scientifiques est réelle. Les actions doivent porter sur ces stocks. Ils sont peu nombreux, en ce qui concerne la France. La Commission (au moins dans sa note 547/11 du 14 décembre) pointe l’absence de certains types de données comme une ‘data deficiency’ sous-entendant que leur absence est la cause de l’absence d’évaluation. C’est typiquement le cas de la maturité sexuelle et du sex-ratio qui sont des données de nature biologique et qui (sauf exception ?) ne sont pas directement utilisées dans les modèles d’évaluation. En clair, l’absence d’évaluation ne saurait être imputée à l’absence de ces données. Ces données sont néanmoins présentes dans la liste des données DCF, ce qui implique sans doute cette confusion. Noter enfin, que le CIEM dans ses tableaux récapitulatifs des données fournies/utilisées par stock et par pays (sur lesquels s’est basée la Commission européenne pour établir sa note précitée) mentionne ces rubriques (tout en les considérant non pertinentes dans beaucoup de cas).