1 - L’ÉCONOMIE MARITIME ET L’ÉCONOMIE DE LA DONNÉE

• 1.1 - Le maritime, second secteur économique mondial
  Figure 1 - L’« économie bleue » pourvoit plus de 4 millions d’emplois au sein de l’UE (données : rapport 2022 de l’Union européenne sur l’« Économie bleue ») Tableau 1 - Les secteurs établis de l’« économie bleue » et leurs sous-secteurs [...]
• 1.2 - L’économie digitale : un secteur en croissance rapide
  Figure 2 - Intelligence artificielle, apprentissage machine et apprentissage profond Figure 3 - Collecter et analyser les données : les deux piliers de la data science Figure 4 - Croissance du volume de données (données : Statistica) Figure 5 - Marché de l’exploitation des données maritimes (données : Ouest-Valorisation, 2020) Figure 6 - Part de publications sur le jumeau numérique de différents pays (d'après [2]) Figure 7 - Cartographie des câbles sous-marins (source : https://www.submarinecablemap.com/)

2 - DIVERSITÉ DES SOURCES DE DONNÉES POUR LE MARITIME

• 2.1 - Données d’essais
  Figure 8 - Essais de traction au bassin de l’École centrale de Nantes (source : laboratoire de recherche en Hydrodynamique, Énergétique et Environnement atmosphérique, École centrale de Nantes)
• 2.2 - Données d’environnement
  Figure 9 - Les flotteurs « Argo » permettent aux scientifiques d’obtenir des données de température et de salinité des océans (source : Argp/https://argo.ucsd.edu/how-do-floats-work/)
• 2.3 - Données d’opérations
  Figure 10 - Panoptique du trafic maritime (source : https://www.marinetraffic.com)
• 2.4 - Données d’exploitation
• 2.5 - Données d’enquêtes et de recherche
  Figure 11 - Des données consolidées pour construire une vision d’ensemble : exemple de l’indicateur ODD 14.5.1 de l’ONU portant sur la surface des aires marines protégées en proportion de la surface totale (source : Our World in Data)
• 2.6 - Données de simulations numériques
  Figure 12 - Simulation numérique d’écoulements autour d’une carène (source : Sirehna/Naval Group)

3 - APPRENDRE À PARTIR DE DONNÉES : PRINCIPALES TECHNIQUES

• 3.1 - Principe de l’apprentissage machine
  Figure 13 - Les différentes étapes de l’apprentissage machine
• 3.2 - Techniques d’apprentissage
  Figure 14 - Principe de séparation sur vaste marge (d’après [H 5 010]) Figure 15 - Arbre de décision et forêt aléatoire Figure 16 - Neurone formel et réseau de neurones Figure 17 - Principe d’un algorithme de descente par gradient Figure 18 - Principe de la méthode des k-moyennes Figure 19 - Principe de la méthode de hiérarchisation Figure 20 - Principe de l’analyse en composante principale Figure 21 - Schématisation d’un auto-encodeur

4 - USAGES DES DONNÉES DANS LE MARITIME

• 4.1 - Navigation et gestion du trafic maritime
  Figure 23 - Simulation des routes possibles pour une course au large (image réalisée à l’aide du code Neptune, logiciel de routage développé par Xavier Pillons) (source : BMD/https://www.bmuyl.com)
• 4.2 - Logistique et opérations portuaires
• 4.3 - Sécurité maritime et surveillance du milieu
  Figure 24 - Classification de navires grâce à un algorithme de reconnaissance fondé sur l’apprentissage machine (source : Naval Group) Figure 25 - Exemple de drone de surface téléopéré « Remorina » (source : SIREHNA) Figure 26 - Modèle spatialisé d’émissions du transport maritime (d'après [28])
• 4.4 - Océanographie et météorologie
  Figure 27 - llustration des grilles des modèles océaniques, atmosphériques, et de surfaces continentales utilisées en simulation du climat (source : © CEA/CNRS/Météo-France – réalisation : Animea Studio, 2019)
• 4.5 - Connaissance du milieu et gestion des ressources marines
  Figure 28 - Visualisation de l’activité mondiale de pêche (source : https://globalfishingwatch.org/) Figure 29 - Visualisation des flux éoliens à la surface du globe (source : https://earth.nullschool.net/) Figure 30 - Carte littorale du Finistère (source : https://www.geoportail.gouv.fr/donnees/carte-littorale)
• 4.6 - Jumeaux numériques et dispositifs IoT

5 - CONCLUSION : LA DIGITALISATION DU MARITIME

6 - SIGLES, DÉFINITIONS

TEST DE VALIDATION