Laboratoire de Génie Informatique et d’Automatique de l’Artois

La croissance rapide de la population mondiale, l’urbanisation et l’augmentation de la demande en protéines exercent une pression croissante sur les chaînes d’approvisionnement alimentaires. Les produits aquatiques constituent aujourd’hui une source essentielle de protéines et l’une des denrées alimentaires les plus échangées au niveau mondial. Toutefois, la durabilité des systèmes de production halieutique et aquacole est de plus en plus menacée par la surexploitation des ressources et les contraintes environnementales, posant des enjeux majeurs de sécurité alimentaire à long terme.

La prévision de la demande en produits de la mer demeure un problème complexe en raison de la nature non linéaire, saisonnière et dynamique des comportements de consommation. Ces derniers sont influencés par des facteurs environnementaux et climatiques, ainsi que par des dynamiques de marché et des spécificités régionales. Par ailleurs, les données disponibles sont souvent fragmentées, bruitées et incomplètes, limitant l’efficacité des approches de prévision classiques.

Cette thèse vise à développer un cadre de prévision intelligent et flexible, fondé sur des approches data-driven capables de s’adapter à des données hétérogènes et incertaines. L’objectif est d’améliorer la fiabilité des prévisions afin de soutenir la prise de décision pour une gestion et une planification durables des systèmes de production de produits de la mer.