En Europe, le suivi et la gestion des stocks de poissons reposent sur l’acquisition de données récoltées annuellement lors de campagnes en mer. Un des paramètres biologiques analysé est la phase de maturité sexuelle des individus afin d’évaluer la proportion d’individus capables de se reproduire. Cette mesure permet le calcul d’indices tels que la longueur ou l’âge auquel 50% des individus atteignent la maturité sexuelle (L50 ou A50), indices utilisés dans la mise en place des indicateurs que sont la biomasse reproductrice du stock (SSB), le rapport potentiel de frai (SPR) ou encore les Longueurs Minimales de Captures (LMC). Classiquement, la détermination de la phase de maturité repose sur l’observation de critères macroscopiques tels que l’aspect général de la gonade, sa couleur et sa texture, rendant l’évaluation subjective et source d’erreurs. Cette thèse propose une approche pour déterminer avec précision la maturité sexuelle chez les femelles, en s’appuyant sur des critères objectifs et quantifiables des structures histologiques de la gonade, et en ayant recours à l’apprentissage automatique pour faciliter l’analyse des échantillons provenant des campagnes de suivi. Plusieurs espèces d’intérêt commercial ont été étudiées : la plie (Pleuronectes platessa), le rouget barbet de roche (Mullus surmuletus), la cardine franche (Lepidorhombus whiffiagonis) et la cardine quatre taches (Lepidorhombus boscii). Le premier objectif était de préciser la description cellulaire de l’ovogenèse de ces espèces peu décrites et de réaliser des lexiques descriptifs de l’histologie ovarienne de chaque espèce. Dans un deuxième temps, une étude stéréologique a permis de quantifier les structures présentes dans la gonade des femelles pour déterminer la phase de maturité. La fiabilité et la reproductibilité de la lecture stéréologique a été éprouvée par une calibration inter-agents, mais également sur des coupes réalisées à différents niveaux des deux ovaires. Cette méthode a permis le suivi de l’ovogenèse des espèces pendant un an et a soulevé la difficulté d’estimer sans biais la phase de maturité des individus en dehors des saisons de reproduction. Les L50 et A50 en stéréologie ont été calculés et comparés aux valeurs classiquement obtenues par observation des critères macroscopiques. Pour P. platessa : L50 stéréo = 20.6 cm et A50 stéréo = 1.3 ans contre la littérature donnant une L50 macros = 20.9 cm et un A50 macros = 3 ans. M. surmuletus : L50 stéréo = 22.9 cm et A50 stéréo = 1.5 ans contre la littérature donnant une L50 macros = 16.9 cm et un A50 macros = 1 an. L. whiffiagonis : L50 stéréo = 20 cm et A50 stéréo = 2.1 ans contre la littérature donnant une L50 macros = 24 cm et un A50 macros = 2 ans. Si l’analyse stéréologique s’est avérée fiable pour suivre la maturité pendant les saisons de reproduction, le comptage des structures histologique reste difficile à mettre en oeuvre dans le cadre de suivis réguliers. C’est pourquoi les bases de données acquises dans le cadre de cette thèse ont été utilisées pour la mise en place d’un modèle d’apprentissage profond (deep learning) pour automatiser l’identification des cellules, obtenant 77% d’accord sur phase de maturité avec la stéréologie. Déterminer de manière fiable la phase de maturité des individus permet à court terme le suivi des populations dans leur environnement. À plus long terme cette donnée sera également utile pour évaluer et décrire l’impact de pressions diverses sur ces mêmes populations dans un objectif d’appliquer des règles de gestions durables adaptées aux stocks exploités.

In Europe, fish stock management and assessment rely on data collected yearly during scientific campaigns. One biological parameter that is assessed is the sexual maturity phase, used to estimate the portion of spawning capable indivudals. This parameter is used in the computation of indexes such as the length or age at which 50% of the population has reached sexual maturity (L50 or A50), indexes used to set up indicators such as the Spawning Stock Biomass (SSB), the Spawning Potential Ratio (SPR) or the Minimul Legal Length (MLL). Classically, maturity phase determination is based on the visual observation of macroscopic criteria such as the general aspect of the gonad, its color and its texture, making the assessment subjective and error-prone. This PhD suggests an approach to determine accurately sexual maturity in females, while relying on objective criteria and quantifiable histological ovarian structures and using machine learning to facilitate sample analysis from offshore beam trawl surveys. Multiple species of commercial interest were studied : the plaice (Pleuronectes platessa), the striped red mullet (Mullus surmuletus), the megrim (Lepidorhombus whiffiagonis) and the four spot megrim (Lepidorhombus boscii). The first objective was to clarify cellular oogenesis descriptions for these species possessing little data and produce descriptive lexicons of their respective ovarian histology. Secondly, a seterological study allowed for the quantification of cellular structures found within the female gonad to determine a maturity phase. The reliability and reproducibility of these stereological readings was proven through multi-agent calibrations, but also through the sampling of sections at different levels of both ovaries. This method allowed for a monitoring of the oogenesis cycle of these species for a year and highlighted the difficulty of estimating without bias the maturity phase of individuals outside of the spawning period. The L50 and A50 in stereology were estimated and compared with values obtained through the more classical method by observing macroscopic criteria. For P. platessa : L50 stereo = 20.6 cm and A50 stereo = 1.3 years against the literature with a L50 macros = 20.9 cm and an A50 macros = 3 years. M. surmuletus : L50 stereo = 22.9 cm and A50 stéréo = 1.5 years against the literature with a L50 macros = 16.9 cm and an A50 macros = 1 year. L. whiffiagonis : L50 stereo = 20 cm and A50 stereo = 2.1 years against the literature with an L50 macros = 24 cm and an A50 macros = 2 years. Though stereological analysis was proven reliable when estimating sexual maturity during spawning periods, the counting of the histological structures isn’t easily implemented in the framework of regular monitorings. This is why the data acquired during this PhD was implemented into a deep learning algorithm to automate cellular identifications, yielding 77% of agreement for the maturity phase with stereology. Estimating a reliable maturity phase of individuals allows for a short term monitoring of populations in their environment. In the long term, this data will also be useful to evaluate / describe the impact of various pressures on these same populations with the aim to set sustainable regulations for exploited stock species.