Impulsée par des questionnements sur les déterminismes du déplacement des individus, l’étude du mouvement en écologie s’est fortement développée ces dernières années. Cet engouement pour l’écologie du mouvement a été largement alimenté par l’émergence depuis 20 ans, de technologies GPS et par la constitution de nombreuses bases de données de trajectoires d’individus. Ces observations à des échelles spatiales et temporelles fines sont l’occasion de déceler les comportements des individus en lien avec l’environnement dans lequel ils évoluent. Pour reconstruire ces comportements et en comprendre les déterminismes sous-jacents, de nombreux modèles décrivant les trajectoires ont été développés et appliqués en écologie. En parallèle à ce courant de recherche en écologie du mouvement, l’étude du mouvement et du comportement des navires de pêche a aussi connu un fort développement.. En effet, sous l’effet d’une réglementation européenne en vigueur depuis 2005, de nombreux navires de pêches européens sont équipés de système embarqués de surveillance (le Vessel Monitoring System, VMS), alimentant ainsi une importante banque de données de trajectoires. Ces données permettent d’aborder des questionnements variés, comme l’analyse de la dynamique spatio-temporelle de l’effort de pêche à fine échelle ou l’analyse du lien entre dynamique spatio-temporelle de l’activité de pêche et de la ressource. Ces données ont pour l’instant surtout été étudiées de manière descriptive, sans explicitation des mécanismes sous-jacents au déplacement. Ce travail de thèse vise à explorer la pertinence des modèles mécanistes, largement utilisés en écologie, pour répondre aux questions halieutiques. Deux cadres de modélisation mécaniste et stochastique pour l’analyse des trajectoires sont développés et appliqués à l’analyse des trajectoires de navires de pêche. Tout au long de la thèse, un effort particulier est déployé pour le développement de méthodes d’inférence statistique basées sur la théorie du maximum de vraisemblance pour estimer les paramètres contrôlant le mouvement à partir d’observations discrètes des positions le long des trajectoires individuelles. Le premier modèle vise à reconstruire le comportement de l’individu le long de sa trajectoire observée à pas de temps réguliers et repose sur des modèles de Markov cachés. Il est utilisé pour analyser les trajectoires de navires de pêche en Manche Est. Plus particulièrement, l’approche permet de déterminer les séquences d’activités de pêche différentes au cours d’une marée, et ainsi d’atteindre une description spatiale et temporelle de l’effort de pêche à fine échelle. La pertinence de ce modèle par rapport aux approches descriptives et mécanistes existantes est discutée. Cette approche a permis de mettre en évidence l’importance de prendre en compte les courants de marées dans l’étude des trajectoires de navires en Manche Est. Le second cadre de modélisation propose une modélisation continue en temps et en espace et propose d’introduire un mécanisme explicite de dépendance de la trajectoire par rapport à l’environnement. Il repose sur les modèles d’équations différentielles stochastiques dans lequel la part de déterminisme dans le mouvement (dérive) retranscrit l’idée de l’existence d’un champ spatial sous-jacent à la trajectoire qui représenterait des zones fortement attractives pour la pêche. Un algorithme d’estimation de ces zones à partir d’observations de positions (type VMS) est développé et appliqué aux navires de la Manche Est. Cet algorithme se base sur les avancées récentes pour la simulation exacte des processus de diffusion. Enfin, le modèle est utilisé pour tester une hypothèse d’importance en halieutique : les zones exploitées par les pêcheurs recoupent-t-elles les zones de forte abondance estimées par campagne scientifique ? Au-delà des applications particulières sur lesquelles s’appuient ce travail de thèse, les modèles développés ont permis de construire des bases fondamentales prometteuses pour de nouveaux modèles en halieutique et en écologie du mouvement en général. De plus, les algorithmes d’inférence associés et explicités dans le manuscrit sont innovants et robustes à de nombreux ajouts pour un modèle plus réaliste. 2

Driven by ecological questions about determinism of individuals, movement ecology has known large developments in recent years. This enthusiasm was largely possible thanks to the emergence of GPS technologies for the last 20 years, and, therefore, the establishment of numerous databases of individual trajectories. These observations at fine spatial and temporal scales of individuals give the opportunity to identify specific behaviors of individuals and their perception of the environment in which they operate. To process this data, and identify the mechanisms of interest to ecologists, many recent movement models describing the movement mecanisms have been developed. In fisheries Science, with the development of GPS systems, the study of movement and behavior of fishing vessels has also experienced strong growth over the past ten years. Indeed many European fishing vessels are now mandatory equipped with onboard monitoring system (Vessel Monitoring System, VMS) creating a large monitored database. Primarly used for monitoring, these data are now used to address a variety of questions, such as analysis of the fishing effort at fine spatial and temporal scale of the fishing effort, or the analysis of the relationship between spatial-temporal dynamics of fishing activity and resource allocation. These data are mostly studied descriptively, without explicitation of the mechanisms underlying the movement. This thesis aims to explore the relevance of mechanistic models, widely used in ecology to address fisheries issues. Two stochastic and mechanistic modeling frameworks for analysis of trajectory data developed and applied to samples of the VMS database. Throughout the thesis, a special effort is being made to the development of statistical inference method to estimate the parameters controlling the movement. These inference is performed using discrete observations of positions along individual paths. The first model is binding behavior and trajectory and is based on hidden Markov models. Assuming that a transformation of the speed process of an individual follows an autoregressive process, the model is used to estimate fishing activity from trajectory data. The approach therefore achieves a fine description of the fishing effort. The relevance of this model compared to existing descriptive and mechanistic approaches is discussed. Analyzing the performance of the model lead us to investigate the relevance of using speed relative to the water instead of speed relative to the water mass when studying fishing vessel trajectories. This study highlighted the importance of the surface currents in the study of fishing vessel trajectories in Eastern Channel. The second approach develops a space and time continuous model that provides explicit mechanisms of drivers for trajectories. Individuals are supposed to follow the gradient of a cognitive map, representing their perception of the surrounding environment. The model is based on stochastic differential equations in which the deterministic component (the drift) of the motion reflects subjective attractive areas for fishermen. An estimation algorithm of these areas from positions of observations is developed and applied to french fishing vessels in the English Channel. The model, and the resulting estimates are used to test an important hypothesis in fisheries science. Do areas used by fishermen overlap with areas of high abundance estimated by scientific surveys ? The models developed here offer a promising basis for new models in fisheries and movement ecology. Moreover, associated inference algorithms detailled in the manuscript are robust to many extensions leading to a more realistic model.