Déterminants de l'utilisation des écosystèmes nourriciers : une approche intégrée appliquée au sud du golfe de Gascogne // Determinants of the use of nourishing ecosystems: an integrated approach applied to the south of the Bay of Biscay

Ce projet de doctorat vise à comprendre les changements structurels et fonctionnels qui se produisent dans le socio-écosystème côtier du sud du golfe de Gascogne sous l'influence du changement climatique. Axé à la fois sur les communautés marines (des espèces benthiques aux grands prédateurs) et les activités de pêche, il explorera les facteurs environnementaux, écologiques, économiques et réglementaires qui façonnent la dynamique des écosystèmes. La méthodologie intègre des analyses spatio-temporelles (y compris la description synthétique à l'image des enveloppes de distribution, les structures de taille et la modélisation conjointe de distribution des espèces), la modélisation trophique et des techniques d'apprentissage automatique appliquées à des ensembles de données hétérogènes. Le projet contribuera à améliorer les connaissances sur la biodiversité et à soutenir la pêche durable. Il est co-supervisé par l'Ifremer, l'INRAe et l'UPPA.
------------------------------------------------------------------------------------------------------------------------------------------------------------------------
------------------------------------------------------------------------------------------------------------------------------------------------------------------------

This doctoral project aims to understand the structural and functional changes occurring in the coastal socio-ecosystem of the southern Bay of Biscay under the influence of climate change. Focusing on both marine communities (from benthic species to large predators) and fishing activities, it will explore the environmental, ecological, economic, and regulatory factors that shape ecosystem dynamics. The methodology integrates spatio-temporal analyses (including synthetic descriptions such as distribution envelopes, size structures, and joint species distribution modeling), trophic modeling, and machine learning techniques applied to heterogeneous datasets. The project will contribute to improving knowledge on biodiversity and supporting sustainable fisheries. It is co-supervised by Ifremer, INRAE, and UPPA.
------------------------------------------------------------------------------------------------------------------------------------------------------------------------
------------------------------------------------------------------------------------------------------------------------------------------------------------------------

Début de la thèse : 01/07/2026

Programmes de l'Union Européenne de financement de la recherche (ERC, ERASMUS)

Université de Pau et des Pays de l'Adour

211 Sciences Exactes et leurs Applications

Le ou la candidat(e) devra être de niveau Bac+5 (titulaire d'un Master ou équivalent) en écologie marine, océanographie, halieutique, sciences de l'environnement ou disciplines proches.Les compétences suivantes sont attendues : • Solides bases en écologie marine ou sciences de l'environnement ; • Connaissance des données des campagnes scientifiques et des données environnementales ; • Compétences en analyse statistique et traitement de données ; • Expérience ou intérêt pour la modélisation écologique et les analyses spatio-temporelles ; • Maîtrise d'outils de programmation scientifique (R, Python ou équivalent) ; • Manipulation de jeux de données volumineux et éparses ; • Intérêt pour l'analyse de grandes bases de données environnementales et halieutiques ; • Capacité à travailler dans un contexte interdisciplinaire associant écologie, environnement et sciences sociales appliquées à la pêche. Connaissance de l'écosystème professionnel lié à l'exploitation des ressources ; • Bonnes capacités de communication scientifique écrite et orale en français et en anglais ; • Motivation, autonomie, curiosité, rigueur et capacité à s'exprimer et à interagir avec un public varié. Une expérience en modélisation d'espèces, apprentissage automatique ou analyse spatiale constituera un atout, surtout si elle portait sur des données d'activité de la pêche professionnelle.Une précédente expérience en supervision d'étudiants serait également appréciable.
The candidate must hold a Master's degree (or equivalent, Bac+5 level) in marine ecology, oceanography, fisheries science, environmental science, or related disciplines. The following skills are expected: • Strong background in marine ecology or environmental sciences; • Knowledge of data from scientific surveys and environmental datasets; • Skills in statistical analysis and data processing; • Experience or interest in ecological modeling and spatio-temporal analyses; • Proficiency in scientific programming tools (R, Python, or equivalent); • Experience handling large and sparse datasets; • Interest in analyzing large environmental and fisheries databases; • Ability to work in an interdisciplinary context combining ecology, environment, and social sciences applied to fisheries, as well as familiarity with the professional ecosystem related to resource exploitation; • Good written and oral scientific communication skills in both French and English; • Motivation, autonomy, curiosity, rigor, and the ability to communicate and interact with a diverse audience. Experience in species modeling, machine learning, or spatial analysis will be considered an asset, especially if it involves data related to professional fishing activities. Previous experience in supervising students would also be appreciated.