Résumé
Les changements globaux dans le bassin Méditerranéen occidental menacent ses écosystèmes et fragmentent ses habitats, menaçant ainsi les espèces qui en dépendent, telles que la vigne sauvage. Cette liane héliophile a une grande valeur écologique, archéologique et agronomique,en tant qu’ancêtre sauvage de la vigne domestiquée. Cette thèse visait à (1) décrire des communautés végétales Méditerranéennes, à partir d’un suivi de pluies polliniques mené au Pic Saint Loup (Hérault), dans une zone incluant divers habitats Méditerranéens typiques, une population sauvage de vigne, et un vignoble, et (2) comparer les signatures polliniques associées à la vigne sauvage et cultivée à partir du suivi et de références d’individus de collection (Vassal-Montpellier). Ces objectifs reposent sur l’analyse d’une grande quantité d’échantillons polliniques, et sur un grand nombre de pollen par échantillon pour mieux représenter le rare pollen de vigne dans les assemblages polliniques. Pour traiter ces données polliniques et tenter de différencier le pollen de vigne sauvage et domestiquée, l’objectif primaire de la thèse était de développer des méthodes automatiques pour l’analyse pollinique. L’analyse pollinique automatisée est un objectif de longue date en palynologie, mais au début de la thèse les méthodes n’étaient pas adaptées aux échantillons environnementaux tels que les pollens issues de pièges passifs contenant de multiples taxons, une diversité de taxta, une diversité de qualités des images, et de multiples débris. Un pipeline entièrement automatisé a été développé à partir d’intelligence artificielle, et comprenant : l’acquisition d’images(Chapitre I), la détection, pour localiser les grains de pollen dans des images comprenant de multiples particules (Chapitre II), et l’identification de taxons Méditerranéens clés, y compris Vitis, à partir des particules automatiquement détectées (Chapitre III). Ce pipeline a ensuite été appliqué pour estimer la production et la taille des pollen d’individus de vigne sauvages et domestiquées de collection et pour tenter la classification de leurs pollen fertiles pourtant très similaires (Chapitre IV). La détection à partir de deep learning est très efficace même sur des images complexes et n’a pas introduit de biais majeurs entre les taxons. Les jeux de données de détection n’étant pas optimaux pour générer des annotations adaptées à la classification,cette étape a été conduite séparément, mais dans l’objectif de traiter l’ensemble des particules détectées. L’identification des taxons clés était efficace à l’exception des taxons incluant des parents proches avec des pollen similaires (e.g. Phillyrea vs Fraxinus). Pour le monitoring, les comptages automatisés étaient en accord avec les observations de terrain, et ont mis en évidence des différences entre communautés végétales et au cours du temps. Des différences entre les signatures polliniques de la vigne sauvage et domestiquée ont été identifiées in situ, à partir de leurs cortège végétal et de l’abondance du pollen fertile et stérile produit par la vigne, et dans les références, avec plus de grains de plus petites tailles produits par les individus domestiques. Les modèles CNN n’ont pas différencié le pollen fertile des deux sous-espèces. Ces résultats soulignent le potentiel du suivi de la végétation étudier des changements spatiaux et temporels des taxa clés en Méditerranée, et invitent à une étude plus approfondie du signal pollinique de la vigne sauvage et cultivée en tant qu’outil pour retracer son histoire. Cette thèse a contribué à faire progresser la palynologie automatisée vers des méthodes applicables au réel, à rendre ces approches plus accessibles en utilisant des outils abordables et faciles d’utilisation, et en mettant en ligne les jeux de données. Ces méthodes automatiques, pour compter du pollen ou étudier des taxons spécifiques, peuvent déjà soutenir la recherche en palynologie ou plus généralement basée sur le pollen.