Un des deux Prix Jeune Chercheur 2018 a été décerné à Marius Somveille, pour ses travaux publiés dans Nature Ecology & Evolution :
Somveille M, Rodrigues ASL, Manica A (2018) Energy efficiency drives the global seasonal distribution of birds. Nature Ecology & Evolution 2: 962-969.

Contact : [email protected]

Explication de l’article par Marius lui-même :
« Pourquoi certains oiseaux migrent sur de courtes distances tandis que d’autres partent pour des voyages extraordinaires à travers les continents ? Et qu’est-ce qui explique que de nombreux autres oiseaux restent sédentaires toute l’année ? Ces questions m’intriguent depuis le début de ma thèse. Travaillant avec Ana Rodrigues et Andrea Manica, mes deux encadrants, j’ai décidé d’étudier les forces écologiques qui façonnent la structure de la migration des oiseaux dans sa globalité. Ce n’est pas l’approche habituelle pour étudier le comportement migratoire, mais cela pourrait peut-être aider à améliorer notre compréhension de ce phénomène fascinant.

J’ai tout d’abord cartographié les patrons globaux représentant la redistribution saisonnière de la biodiversité aviaire via la migration. J’ai ensuite utilisé ces patrons pour tester plusieurs hypothèses sur les processus sous-jacents, à l’aide de modèles statistiques. Mes analyses ont indiqué, par exemple, que plus la saisonnalité est forte dans une région plus on y trouve d’espèces d’oiseaux migrateurs, et que après la saison de reproduction, ces espèces migrent vers les plus proches régions où le climat est favorable toute l’année. Notamment, la migration permet de suivre certaines conditions climatiques au fil des saisons. Cependant, mes analyses n’expliquaient pas pourquoi certaines espèces migrent alors que d’autres ne migrent pas. J’ai réalisé qu’un autre facteur important pour déterminer si oui ou non la migration est une stratégie favorable pour une espèce est de prendre en compte la compétition avec les autres espèces étant donné leurs stratégies migratoires. Pour intégrer ce processus dynamique, j’avais besoin d’un modèle mécaniste.

Mais par où commencer ? La littérature sur la migration des oiseaux, ainsi que mes analyses précédentes, indiquaient un rôle important de l’énergie : les oiseaux migrateurs semblent en effet à la poursuite de sources d’énergie saisonnières tout en minimisant divers coûts énergétiques. L’énergie a aussi été proposée comme un des facteurs principaux expliquant les patrons globaux de biodiversité (par exemple, la quantité d’énergie disponible dans l’environnement semble déterminer le nombre d’espèces qui s’y trouve), une théorie qui porte le nom de ‘relation espèce-énergie’. Un lien entre les stratégies migratoires à l’échelle de l’espèce et la répartition globale des oiseaux pouvait donc être fait, via l’énergie. Cela m’a mené au principe de ‘maximum power’ proposé par Lotka, qui peut être utilisé pour définir la fitness en terme énergétique et duquel on peut déduire la prédiction que les espèces d’oiseaux devraient se répartir géographiquement de façon à optimiser une balance énergétique annuelle étant donné leur environnement et la compétition avec les autres espèces. Ce mécanisme d’efficacité énergétique était donc un candidat idéal autour duquel développer mon modèle.

J’ai donc démarré le plus simplement possible, modélisant la balance énergétique annuelle d’espèces d’oiseaux moyennes que j’ai ensuite positionné dans l’environnement de façon à maximiser leurs efficacités énergétiques. J’ai d’abord estimé les valeurs de paramètre directement depuis la littérature (une procédure de calibration du modèle a été mené par la suite), et je ne savais pas vraiment quel résultat j’allais obtenir quand j’ai fait tourner le modèle pour la première fois. Ce fut très encourageant de voir que le modèle, qui fait d’importantes simplifications (par exemple, aucune différence entre les espèces d’oiseaux) et qui se base sur des règles simples pour représenter des principes fondamentaux d’écologie et d’énergétique, puisse déjà très bien reproduire tous les patrons représentant la répartition saisonnière globale des oiseaux qui avaient déjà été cartographiés auparavant.

Nos résultats indiquent que les oiseaux remplissent l’environnement en se répartissant de façon à optimiser l’efficacité énergétique, la migration étant un comportement qui aide de nombreuses espèces à optimiser encore plus leur budget énergétique. Ces résultats peuvent permettre de faire des prédictions car il n’y a pas de raison que les oiseaux ne se répartissent pas sur Terre suivant les mêmes principes à différents moments dans le temps. Notre modèle mécaniste pourrait ainsi être utile pour prédire la répartition saisonnière globale des oiseaux dans le passé jusqu’au dernier épisode glaciaire par exemple, mais aussi dans le future étant donné les changements globaux à venir. »