Mission Blue Voyage
Daniel Pauly: The ocean's shifting baseline
Daniel Pauly;: le changement de limite des oceans
Filmed:
Readability: 3.8
254,411 views
L'océan s'est dégradé au courant de nos vies, on peut le voir par la diminution de la taille moyenne des poissons. De fait, comme Daniel Pauly nous démontre à Mission Blue, chaque fois que la mesure de base baisse nous l'appelons la nouvelle "normale". A quel point nous arrêtons cet ajustement?
Daniel Pauly - Fisheries biologist
Daniel Pauly is the principal investigator at the Sea Around Us Project, which studies the impact of the world's fisheries on marine ecosystems. The software he's helped develop is used around the world to model and track the ocean. Full bio
Daniel Pauly is the principal investigator at the Sea Around Us Project, which studies the impact of the world's fisheries on marine ecosystems. The software he's helped develop is used around the world to model and track the ocean. Full bio
Double-click the English transcript below to play the video.
00:12
I'm going to speak
0
0
2000
Je vais vous entretenir
00:14
about a tiny, little idea.
1
2000
3000
d'une nouvelle notion,
00:17
And this is about shifting baseline.
2
5000
4000
celle de repousser les limites.
00:21
And because the idea can be explained in one minute,
3
9000
4000
Comme l' idée peut s'expliquer en une minute,
00:25
I will tell you three stories before
4
13000
3000
je vais vous raconter trois histoires
00:28
to fill in the time.
5
16000
2000
pour passer le temps.
00:30
And the first story
6
18000
2000
Et la première histoire
00:32
is about Charles Darwin, one of my heroes.
7
20000
3000
se rapporte à Charles Darwin, un de mes héros.
00:35
And he was here, as you well know, in '35.
8
23000
3000
Comme vous le savez il était ici en 1835.
00:38
And you'd think he was chasing finches,
9
26000
2000
Croyez vous qu'il chassait des pinsons?
00:40
but he wasn't.
10
28000
2000
Mais non.
00:42
He was actually collecting fish.
11
30000
2000
Il faisait des relevés sur les poissons
00:44
And he described one of them
12
32000
2000
et décrivait l'un d'entre eux
00:46
as very "common."
13
34000
2000
comme très "commun".
00:48
This was the sailfin grouper.
14
36000
2000
Il s'agissait du mérou,
00:50
A big fishery was run on it
15
38000
2000
qui subit alors une pêche intensive
00:52
until the '80s.
16
40000
3000
jusqu'aux années '80.
00:55
Now the fish is on the IUCN Red List.
17
43000
3000
Depuis ce poisson fait partie de la liste rouge de L'Union Internationale pour la Conservation de la Nature.
00:58
Now this story,
18
46000
2000
Cette histoire,
01:00
we have heard it lots of times
19
48000
3000
nous l'avons entendu, à maintes reprises
01:03
on Galapagos and other places,
20
51000
2000
aux îles Galapagos et ailleurs,
01:05
so there is nothing particular about it.
21
53000
3000
aussi ça peut sembler anodin.
01:08
But the point is, we still come to Galapagos.
22
56000
3000
Mais, ce qui interpelle c'est qu'on continue à aller aux îles Galapagos.
01:11
We still think it is pristine.
23
59000
3000
Nous croyons toujours que ce territoire est vierge.
01:14
The brochures still say
24
62000
3000
Le guides touristiques disent
01:17
it is untouched.
25
65000
2000
qu'elles sont encore vierges.
01:19
So what happens here?
26
67000
3000
Alors, que se passe-t-il ici?
01:22
The second story, also to illustrate another concept,
27
70000
3000
Ma seconde histoire fera ressortir un autre concept,
01:25
is called shifting waistline.
28
73000
2000
qu'on pourrait appeler le changement du "tour de taille"
01:27
(Laughter)
29
75000
3000
(Rires)
01:30
Because I was there in '71,
30
78000
2000
En 1971 je faisais des recherches
01:32
studying a lagoon in West Africa.
31
80000
2000
sur lune lagune en Afrique de l'Ouest.
01:34
I was there because I grew up in Europe
32
82000
3000
Je me retrouvais là parce que je grandissais en Europe
01:37
and I wanted later to work in Africa.
33
85000
2000
et je désirais travailler en Afrique plus tard.
01:39
And I thought I could blend in.
34
87000
2000
A mon arrivée je voulais me fondre dans mon environnement
01:41
And I got a big sunburn,
35
89000
2000
et je me suis tapé un gros coup de soleil
01:43
and I was convinced that I was really not from there.
36
91000
3000
ce qui m'a fait convaincu que je n'étais pas vraiment de l'endroit.
01:46
This was my first sunburn.
37
94000
2000
Cétait mon premier coup de soleil.
01:48
And the lagoon
38
96000
3000
Cette lagune était
01:51
was surrounded by palm trees,
39
99000
2000
entourée de palmiers,
01:53
as you can see, and a few mangrove.
40
101000
2000
et comme vous pouvez voir, quelques mangroves.
01:55
And it had tilapia
41
103000
2000
Ses eaux renfermaient le tilapia (un poisson à la chair estimée)
01:57
about 20 centimeters,
42
105000
2000
d'environ 20 cm de longueur
01:59
a species of tilapia called blackchin tilapia.
43
107000
2000
une espece de tilapia appelée" tilapia au menton noir"
02:01
And the fisheries for this tilapia
44
109000
2000
Sa pêche rapportait quantité de poissons et les poissoneries
02:03
sustained lots of fish and they had a good time
45
111000
3000
rapportaient une grande quantité de poissons, tout allait bien
02:06
and they earned more than average
46
114000
2000
et les revenus de cette pêche se situaient au- dessus de la moyenne
02:08
in Ghana.
47
116000
2000
du Ghana.
02:10
When I went there 27 years later,
48
118000
3000
Quand je suis retourné 27 ans plus tard,
02:13
the fish had shrunk to half of their size.
49
121000
3000
la taille de ce poisson avait diminué de moitié
02:16
They were maturing at five centimeters.
50
124000
2000
et faisait 5 cm à l'age adulte.
02:18
They had been pushed genetically.
51
126000
2000
Résultats de manipulations génétiques.
02:20
There were still fishes.
52
128000
2000
Certes il y avait toujours du poisson et de la pêche.
02:22
They were still kind of happy.
53
130000
2000
Et ils étaient encore heureux.
02:24
And the fish also were happy to be there.
54
132000
5000
et les poissons etaient toujours là.
02:29
So nothing has changed,
55
137000
2000
Cela pouvait laisser croire que rien n'avait changé
02:31
but everything has changed.
56
139000
2000
mais TOUT avait changé.
02:33
My third little story
57
141000
2000
Ma troisième petite histoire
02:35
is that I was an accomplice
58
143000
2000
c'est que j'ai été en quelque sorte complice
02:37
in the introduction of trawling
59
145000
2000
dans l'introduction de la pêche au chalutier
02:39
in Southeast Asia.
60
147000
2000
dans le Sud Est de l' Asie.
02:41
In the '70s -- well, beginning in the '60s --
61
149000
3000
Ca remonte aux années 70, et même aussi loin que les année 60s,
02:44
Europe did lots of development projects.
62
152000
3000
L'Europe faisait beaucoup de projects de développement.
02:47
Fish development
63
155000
2000
Le développement des pêches entre autres
02:49
meant imposing on countries
64
157000
2000
voulait dire l'imposition à des pays
02:51
that had already 100,000 fishers
65
159000
3000
qui comptaient déjà 100.000 pécheurs
02:54
to impose on them industrial fishing.
66
162000
3000
de la pêche industrielle.
02:57
And this boat, quite ugly,
67
165000
2000
Et ce bateau, qui est assez "monstrueux"
02:59
is called the Mutiara 4.
68
167000
2000
est appelé le Mutiara 4.
03:01
And I went sailing on it,
69
169000
2000
J'ai navigué sur ce bateau
03:03
and we did surveys
70
171000
3000
et nous avons effectué des relevés
03:06
throughout the southern South China sea
71
174000
3000
à travers l'océan du sud de la Chine,
03:09
and especially the Java Sea.
72
177000
2000
plus spécifiquement la mer de Java.
03:11
And what we caught,
73
179000
2000
Ce que nous ramassions,
03:13
we didn't have words for it.
74
181000
2000
ne peut se décrire en mots.
03:15
What we caught, I know now,
75
183000
3000
Ce que nous remontions, je le sais maintenant,
03:18
is the bottom of the sea.
76
186000
2000
c'est le fond de la mer.
03:20
And 90 percent of our catch
77
188000
2000
Et 90 pour cent de nos prises
03:22
were sponges,
78
190000
2000
étaient des éponges,
03:24
other animals that are fixed on the bottom.
79
192000
3000
et autres animaux qui vivent accrochés au fond de la mer.
03:27
And actually most of the fish,
80
195000
2000
Actuellement la plupart des poissons
03:29
they are a little spot on the debris,
81
197000
2000
sont ces petits restes
03:31
the piles of debris, were coral reef fish.
82
199000
3000
sur les amoncellements de débris et ce débris sont le récif de corail.
03:34
Essentially the bottom of the sea came onto the deck
83
202000
2000
Le fond de la mer avait été littéralement remonté sur le pont du bâteau...
03:36
and then was thrown down.
84
204000
2000
et tout a été rejeté par dessus bord.
03:38
And these pictures are extraordinary
85
206000
3000
Et ces images sont extraordinaires
03:41
because this transition is very rapid.
86
209000
3000
parce que la transition se fait à une vitesse alarmante.
03:44
Within a year, you do a survey
87
212000
3000
En l'espace d'une année, nous dressons un bilan,
03:47
and then commercial fishing begins.
88
215000
2000
puis la pêche commerciale s'installe.
03:49
The bottom is transformed
89
217000
2000
En un rien de temps le fond de la mer est transformé,
03:51
from, in this case, a hard bottom or soft coral
90
219000
3000
dans ce cas-ci un fond composé de corail tendre
03:54
into a muddy mess.
91
222000
3000
en une fange boueuse.
03:57
This is a dead turtle.
92
225000
2000
Ici nous voyons une tortue morte.
03:59
They were not eaten, they were thrown away because they were dead.
93
227000
3000
Elle ne sont pas mangées, elles sont simplement jetées et font partie des dommages collatéraux.
04:02
And one time we caught a live one.
94
230000
2000
A une occasion on a attrapé une vivante.
04:04
It was not drowned yet.
95
232000
2000
Elle n'était pas encore noyée.
04:06
And then they wanted to kill it because it was good to eat.
96
234000
3000
Et ils voulaint la tuer parce qu'elle sont " bonnes à manger".
04:09
This mountain of debris
97
237000
3000
Cette montagne de débris
04:12
is actually collected by fishers
98
240000
3000
est receuillie par des pêcheurs
04:15
every time they go
99
243000
2000
à chaque fois qu'ils découvrent
04:17
into an area that's never been fished.
100
245000
2000
un secteur qui n'a jamais été pêché.
04:19
But it's not documented.
101
247000
2000
Mais celle-ci n'est pas officiellement enregistrée.
04:21
We transform the world,
102
249000
2000
On transforme le monde,
04:23
but we don't remember it.
103
251000
2000
mais nous ne nous en souvenons pas.
04:25
We adjust our baseline
104
253000
3000
Nous ajustons notre référence
04:28
to the new level,
105
256000
2000
à un nouveau niveau.
04:30
and we don't recall what was there.
106
258000
4000
on ne se souvient plus de ce qui existait avant.
04:34
If you generalize this,
107
262000
2000
Si vous généralisez ceci,
04:36
something like this happens.
108
264000
2000
voilà ce qui arrive,.
04:38
You have on the y axis some good thing:
109
266000
3000
Vous avez sur l'axe Y quelque chose de positif:
04:41
biodiversity, numbers of orca,
110
269000
3000
biodiversité, nombres d'orques,
04:44
the greenness of your country, the water supply.
111
272000
3000
la verdeur du pays, les sources d'eau.
04:47
And over time it changes --
112
275000
2000
Et avec le passage du temps tout change-
04:49
it changes
113
277000
2000
et change
04:51
because people do things, or naturally.
114
279000
2000
soit naturellement ou par l'intervention humaine.
04:53
Every generation
115
281000
2000
Chaque génération
04:55
will use the images
116
283000
2000
utilisera les informations qu'elle a reçues
04:57
that they got at the beginning of their conscious lives
117
285000
3000
au début de sa vie consciente,
05:00
as a standard
118
288000
2000
comme la norme, et de là,
05:02
and will extrapolate forward.
119
290000
2000
extrapolera pour l'avenir.
05:04
And the difference then,
120
292000
2000
Alors, la différence,
05:06
they perceive as a loss.
121
294000
2000
ils la constatent comme une perte.
05:08
But they don't perceive what happened before as a loss.
122
296000
3000
mais ils ne peuvent concevoir ce qui a été perdu dans le passé.
05:11
You can have a succession of changes.
123
299000
2000
Vous avez une succession de changements.
05:13
At the end you want to sustain
124
301000
3000
Et au bout du compte vous essayez de préserver
05:16
miserable leftovers.
125
304000
3000
de misérables vestiges.
05:19
And that, to a large extent, is what we want to do now.
126
307000
3000
Dans une large mesure, c'est ce que nous faisons maintenant.
05:22
We want to sustain things that are gone
127
310000
3000
Nous tentons de préserver des choses qui sont disparues
05:25
or things that are not the way they were.
128
313000
4000
ou qui n'ont rien à voir avec ce qu'elles ont déjà été.
05:29
Now one should think
129
317000
2000
Vous devez croire
05:31
this problem affected people
130
319000
2000
que ce problème influence les gens.
05:33
certainly when in predatory societies,
131
321000
4000
C'est bien sûr, dans les sociétés de prédateurs
05:37
they killed animals
132
325000
2000
on tue des animaux
05:39
and they didn't know they had done so
133
327000
2000
et ils ne se rendent plus compte
05:41
after a few generations.
134
329000
2000
après quelques génerations, de l'ampleur des dommages.
05:43
Because, obviously,
135
331000
3000
Parce que évidemment, au début,
05:46
an animal that is very abundant,
136
334000
5000
il y a abondance d'animaux de toutes espèces.
05:51
before it gets extinct,
137
339000
3000
Et, avant l'extinction
05:54
it becomes rare.
138
342000
3000
un animal devient rare.
05:57
So you don't lose abundant animals.
139
345000
3000
Ce qui fait qu'on ne perd pas les animaux abondants,
06:00
You always lose rare animals.
140
348000
2000
mais toujours les plus rares.
06:02
And therefore they're not perceived
141
350000
2000
Alors avec le temps, on ne le voit plus
06:04
as a big loss.
142
352000
2000
comme une grande perte.
06:06
Over time,
143
354000
2000
Au fil du temps.
06:08
we concentrate on large animals,
144
356000
2000
on se concentre sur les grands animaux
06:10
and in a sea that means the big fish.
145
358000
2000
ce qui veut dire pour la vie marine, les gros poissons.
06:12
They become rarer because we fish them.
146
360000
3000
Le résultat c'est qu'ils deviennent rares à cause de la pêche intensive
06:15
Over time we have a few fish left
147
363000
2000
Avec le temps il y a moins de poissons
06:17
and we think this is the baseline.
148
365000
3000
et ça devient la limite normale.
06:20
And the question is,
149
368000
2000
Donc, la question qui se pose,
06:22
why do people accept this?
150
370000
5000
pourquoi les gens tolèrent-ils cette situation?
06:27
Well because they don't know that it was different.
151
375000
3000
Et bien, c'est qu'ils ignorent que ce fut différent à une autre époque.
06:30
And in fact, lots of people, scientists,
152
378000
3000
Et, en fait, beaucoup de gens,dont des scientifiques,
06:33
will contest that it was really different.
153
381000
2000
vont contester que ça ait été vraiment très différent.
06:35
And they will contest this
154
383000
2000
Et ils contestent
06:37
because the evidence
155
385000
2000
l'évidence qui leur est présentée
06:39
presented in an earlier mode
156
387000
5000
auparavant
06:44
is not in the way
157
392000
3000
parce qu'elle ne correspond pas à celle
06:47
they would like the evidence presented.
158
395000
2000
qu'eux voudraient faire prévaloir.
06:49
For example,
159
397000
2000
Par exemple,
06:51
the anecdote that some present,
160
399000
2000
ils vont présenter comme anecdotique,
06:53
as Captain so-and-so
161
401000
2000
comme "capitaine bonhomme"
06:55
observed lots of fish in this area
162
403000
3000
ait déjà observé une grande quantité de poissons dans un secteur donné.
06:58
cannot be used
163
406000
2000
Ces données ne peuvent être utilisées
07:00
or is usually not utilized by fishery scientists,
164
408000
3000
par les scientifiques des pêcheries
07:03
because it's not "scientific."
165
411000
2000
parceque ce qu'elles ne sont pas "scientifiques".
07:05
So you have a situation
166
413000
2000
Donc, vous avez le portrait
07:07
where people don't know the past,
167
415000
3000
des gens qui ne connaissent pas le passé
07:10
even though we live in literate societies,
168
418000
3000
même si nous vivons dans des sociétés instruites,
07:13
because they don't trust
169
421000
2000
parce qu'ils ne font pas confiance
07:15
the sources of the past.
170
423000
3000
aux sources du passé.
07:18
And hence, the enormous role
171
426000
3000
Et par conséquement, au rôle énorme
07:21
that a marine protected area can play.
172
429000
2000
que pourrait jouer une zone marine protégée.
07:23
Because with marine protected areas,
173
431000
3000
Parce que, avec une zone protégée,
07:26
we actually recreate the past.
174
434000
4000
nous recréons un passé
07:30
We recreate the past that people cannot conceive
175
438000
3000
que ces gens ne peuvent concevoir
07:33
because the baseline has shifted
176
441000
2000
parce que les limites ont changées
07:35
and is extremely low.
177
443000
2000
et la limite de base est très basse.
07:37
That is for people
178
445000
2000
Cela s'adresse à des gens
07:39
who can see a marine protected area
179
447000
5000
qui peuvent voir les bienfaits d'une zone protégée
07:44
and who can benefit
180
452000
2000
et qui peuvent bénéficier des avantages
07:46
from the insight that it provides,
181
454000
3000
de l'information qu'elle suscite.
07:49
which enables them to reset their baseline.
182
457000
4000
ce qui permet de re-mesurer et établir les véritables limites de la vie marine.
07:53
How about the people who can't do that
183
461000
2000
Qu'en est-il des gens qui n'y ont pas les bienfaits
07:55
because they have no access --
184
463000
2000
parce qu'ils n'ont pas d'accés-
07:57
the people in the Midwest for example?
185
465000
3000
comme ceux du "midwest" par exemple?
08:00
There I think
186
468000
2000
Dans ce cas, je pense
08:02
that the arts and film
187
470000
2000
il y a les arts et le cinéma
08:04
can perhaps fill the gap,
188
472000
2000
qui peuvent pallier à ce vide,
08:06
and simulation.
189
474000
2000
et aussi la simulation.
08:08
This is a simulation of Chesapeake Bay.
190
476000
3000
Voici une simulation de la Baie Chesapeake
08:11
There were gray whales in Chesapeake Bay a long time ago --
191
479000
2000
on y retrouvait encore des baleines grises.
08:13
500 years ago.
192
481000
2000
il y a 500 ans.
08:15
And you will have noticed that the hues and tones
193
483000
3000
Vous aurez remarqué que les tons et les nuances
08:18
are like "Avatar."
194
486000
2000
nous font penser å Avatar,
08:20
(Laughter)
195
488000
2000
(Rires)
08:22
And if you think about "Avatar,"
196
490000
2000
Et si vous pensez alors à "Avatar",
08:24
if you think of why people were so touched by it --
197
492000
3000
pourquoi les gens furent aussi émus par ce film
08:27
never mind the Pocahontas story --
198
495000
4000
oublions l'histoire de Pocahontas.
08:31
why so touched by the imagery?
199
499000
4000
Pourquoi si touchés par l'imagerie?
08:35
Because it evokes something
200
503000
3000
Parce que, dans un certain sens, cela évoque quelque chose
08:38
that in a sense has been lost.
201
506000
2000
que nous avons perdu.
08:40
And so my recommendation,
202
508000
2000
En terminant, s'il y avait une seule recommendation,
08:42
it's the only one I will provide,
203
510000
2000
c'est la seule que je vais faire,
08:44
is for Cameron to do "Avatar II" underwater.
204
512000
5000
c'est de Cameron de faire "Avatar II" sous les mers.
08:49
Thank you very much.
205
517000
2000
Merci beaucoup.
08:51
(Applause)
206
519000
2000
(Applaudissements)
ABOUT THE SPEAKER
Daniel Pauly - Fisheries biologistDaniel Pauly is the principal investigator at the Sea Around Us Project, which studies the impact of the world's fisheries on marine ecosystems. The software he's helped develop is used around the world to model and track the ocean.
Why you should listen
Daniel Pauly heads the Sea Around Us Project, based at the Fisheries Centre, at the University of British Columbia. Pauly has been a leader in conceptualizing and codeveloping software that’s used by ocean experts throughout the world. At the Sea Around Us and in his other work, he’s developing new ways to view complex ocean data.
Pauly’s work includes the Ecopath ecological/ecosystem modeling software suite; the massive FishBase, the online encyclopaedia of fishes; and, increasingly, the quantitative results of the Sea Around Us Project.
Daniel Pauly | Speaker | TED.com