La pêche migrante au Sénégal, en Mauritanie et Gambie : un mécanisme d’approvisionnement des industries de farine de poisson
Notice bibliographique
Résumé
L’objectif de l’article est de présenter une évaluation de la contribution quantitative des captures des pêcheurs migrants à l’approvisionnement des usines de farine de poisson du Sénégal, de la Gambie et de la Mauritanie. La méthode a consisté d’abord à identifier et quantifier les volumes des captures des pêcheurs migrants ciblant les petits pélagiques dans les trois pays étudiés. Ensuite, des entretiens de terrain auprès des pêcheurs migrants et mareyeurs ont permis de déterminer la part des captures allouée aux industries de farine de poisson. Sur la base du ratio de conversion poisson / farine de poisson, la quantité de farine produite à partir de l’approvisionnement des pêcheurs artisans migrants est déterminée. Globalement, les captures des quatre filières migrantes de petit pélagique (trois sénégalaises et une guinéenne) identifiées en Mauritanie et en Gambie sont estimées à plus de 300 000 tonnes. Plus de 72% de ce tonnage estimé, soit 220 000 tonnes, sont destinés à l’approvisionnement des usines de farine de poisson des trois pays. Plus de deux tiers de cet approvisionnement sont versés dans les usines mauritaniennes de farine de poisson, le Sénégal et la Gambie se partageant ainsi le tiers restant. Par ailleurs, sur les 500 000 tonnes de pélagiques transformées annuellement dans les usines de farine de poisson, plus de la moitié est approvisionnée par les pêcheurs migrants. À l’échelle micro-économique, les industries de farine de poisson engendrent une amélioration des comptes d’exploitation des pêcheries, elles assurent la vente des captures à des prix plus rémunérateurs que sur le marché local. Mais, analysées à une échelle plus importante, les industries d’usine de farine de poisson créent de réelles tensions sur la sécurité alimentaire des pays ouest-africains, sachant que les petits pélagiques constituent la principale source de protéines animales au Sénégal et en Gambie où ils sont surexploités depuis quelques années maintenant. Par ailleurs, elles privent l’accès à la transformation artisanale de leur matière première. Autant d’éléments qui posent la réflexion sur l’impérieuse nécessité de réglementer les captures de la pêche migrante à l’échelle régionale et de diminuer radicalement la part allouée à la transformation de farine de poisson au profit de la consommation locale.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».