Mission Blue Voyage
Daniel Pauly: The ocean's shifting baseline
Daniel Pauly : Le changement de niveau de référence de l'océan
Filmed:
Readability: 3.8
254,411 views
L'océan s'est dégradé au cours de notre vie, comme le montre la taille moyenne des poissons qui diminue. Et pourtant, comme Daniel Pauly nous le montre sur scène à Mission Blue, chaque fois que le niveau de référence descend brutalement, nous appelons-ça la nouvelle "norme". A quel moment cesserons-nous d'ajuster à la baisse?
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 parler
00:14
about a tiny, little idea.
1
2000
3000
d'une petite idée minuscule.
00:17
And this is about shifting baseline.
2
5000
4000
Et ceci est en un transfert de base.
00:21
And because the idea can be explained in one minute,
3
9000
4000
Et parce que l'idée peut être expliqué en une minute,
00:25
I will tell you three stories before
4
13000
3000
je vais vous raconter trois histoires avant
00:28
to fill in the time.
5
16000
2000
de faire du remplissage.
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
parle de Charles Darwin, un de mes héros.
00:35
And he was here, as you well know, in '35.
8
23000
3000
Et il était là, comme vous le savez bien, en 1835.
00:38
And you'd think he was chasing finches,
9
26000
2000
Et on pourrait croire qu'il chassait les pinsons,
00:40
but he wasn't.
10
28000
2000
mais non.
00:42
He was actually collecting fish.
11
30000
2000
En fait il collectait des poissons.
00:44
And he described one of them
12
32000
2000
Et il a décrit l'un d'eux
00:46
as very "common."
13
34000
2000
comme très «commun».
00:48
This was the sailfin grouper.
14
36000
2000
C'était le mérou voile
00:50
A big fishery was run on it
15
38000
2000
On l'a beaucoup pêché
00:52
until the '80s.
16
40000
3000
jusque dans les années 80.
00:55
Now the fish is on the IUCN Red List.
17
43000
3000
Maintenant, le poisson est sur la liste rouge de l'UICN.
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 de nombreuses fois
01:03
on Galapagos and other places,
20
51000
2000
aux Galapagos et d'autres endroits,
01:05
so there is nothing particular about it.
21
53000
3000
elle n'a donc rien de particulier.
01:08
But the point is, we still come to Galapagos.
22
56000
3000
Mais le fait est, nous venons toujours aux Galapagos.
01:11
We still think it is pristine.
23
59000
3000
Nous continuons de penser que c'est un endroit vierge.
01:14
The brochures still say
24
62000
3000
Les brochures disent toujours
01:17
it is untouched.
25
65000
2000
qu'il est intact.
01:19
So what happens here?
26
67000
3000
Que se passe-t-il donc ici?
01:22
The second story, also to illustrate another concept,
27
70000
3000
La seconde histoire, aussi pour illustrer un autre concept,
01:25
is called shifting waistline.
28
73000
2000
s'appelle le changement de tour de taille.
01:27
(Laughter)
29
75000
3000
(Rires)
01:30
Because I was there in '71,
30
78000
2000
Parce que j'étais là en 71,
01:32
studying a lagoon in West Africa.
31
80000
2000
j'étudiais un lagon en Afrique de l'Ouest.
01:34
I was there because I grew up in Europe
32
82000
3000
J'étais là parce que j'ai grandi en Europe
01:37
and I wanted later to work in Africa.
33
85000
2000
et je voulais plus tard travailler en Afrique.
01:39
And I thought I could blend in.
34
87000
2000
Et je pensais que je pouvais m'intégrer.
01:41
And I got a big sunburn,
35
89000
2000
Et j'ai eu un coup de soleil important,
01:43
and I was convinced that I was really not from there.
36
91000
3000
et j'ai été convaincu que je n'étais vraiment pas originaire de là.
01:46
This was my first sunburn.
37
94000
2000
Ce fut mon premier coup de soleil.
01:48
And the lagoon
38
96000
3000
Et le lagon
01:51
was surrounded by palm trees,
39
99000
2000
était entourée de palmiers,
01:53
as you can see, and a few mangrove.
40
101000
2000
comme vous pouvez le voir, et d'une mangrove.
01:55
And it had tilapia
41
103000
2000
Et il y avait des tilapias
01:57
about 20 centimeters,
42
105000
2000
environ 20 centimètres,
01:59
a species of tilapia called blackchin tilapia.
43
107000
2000
une espèce de tilapia appelé tilapia amrin sénégalais.
02:01
And the fisheries for this tilapia
44
109000
2000
Et les pêches de ce tilapia
02:03
sustained lots of fish and they had a good time
45
111000
3000
ont fait vivre beaucoup de pêcheurs et ils ont passé du bon temps
02:06
and they earned more than average
46
114000
2000
et ils ont gagné plus que la moyenne
02:08
in Ghana.
47
116000
2000
au Ghana.
02:10
When I went there 27 years later,
48
118000
3000
Quand j'y suis allé 27 ans plus tard,
02:13
the fish had shrunk to half of their size.
49
121000
3000
le poisson avait diminué de moitié en taille.
02:16
They were maturing at five centimeters.
50
124000
2000
Ils venaient à maturité à cinq centimètres.
02:18
They had been pushed genetically.
51
126000
2000
Ils avaient été "poussés" génétiquement.
02:20
There were still fishes.
52
128000
2000
Il y avait encore des poissons.
02:22
They were still kind of happy.
53
130000
2000
Ils étaient toujours heureux d'une certaine manière.
02:24
And the fish also were happy to be there.
54
132000
5000
Et les poissons aussi étaient heureux d'être là.
02:29
So nothing has changed,
55
137000
2000
Donc, rien n'a changé,
02:31
but everything has changed.
56
139000
2000
mais en fait tout a 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 complice
02:37
in the introduction of trawling
59
145000
2000
de l'introduction du chalutage
02:39
in Southeast Asia.
60
147000
2000
en Asie du sud-est
02:41
In the '70s -- well, beginning in the '60s --
61
149000
3000
Dans les années 70 - en fait, commençant dans les années 60 -
02:44
Europe did lots of development projects.
62
152000
3000
l'Europe a fait beaucoup de projets de développement.
02:47
Fish development
63
155000
2000
Pour le développement des poissons
02:49
meant imposing on countries
64
157000
2000
ce qui signifiait d'imposer à des pays
02:51
that had already 100,000 fishers
65
159000
3000
qui avait déjà 100 000 pêcheurs
02:54
to impose on them industrial fishing.
66
162000
3000
leur imposer la pêche industrielle.
02:57
And this boat, quite ugly,
67
165000
2000
Et ce bateau, assez laid,
02:59
is called the Mutiara 4.
68
167000
2000
s'appelle le Mutiara 4.
03:01
And I went sailing on it,
69
169000
2000
Et je suis allé naviguer dessus,
03:03
and we did surveys
70
171000
3000
et nous avons fait des études
03:06
throughout the southern South China sea
71
174000
3000
dans toute l'extrême sud de la mer de Chine
03:09
and especially the Java Sea.
72
177000
2000
et surtout la mer de Java.
03:11
And what we caught,
73
179000
2000
Et ce que nous avons pris,
03:13
we didn't have words for it.
74
181000
2000
nous n'avions pas de mots pour cela.
03:15
What we caught, I know now,
75
183000
3000
Ce nous avons pris, je le sais maintenant,
03:18
is the bottom of the sea.
76
186000
2000
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
d'autres animaux qui sont fixés sur le fond.
03:27
And actually most of the fish,
80
195000
2000
Et en fait la plupart des poissons,
03:29
they are a little spot on the debris,
81
197000
2000
ils sont une petite tache sur les débris,
03:31
the piles of debris, were coral reef fish.
82
199000
3000
les tas de débris, étaient des poissons des récifs coralliens.
03:34
Essentially the bottom of the sea came onto the deck
83
202000
2000
Essentiellement, le fond de la mer arrivait sur le pont
03:36
and then was thrown down.
84
204000
2000
puis était déversé.
03:38
And these pictures are extraordinary
85
206000
3000
Et ces photos sont extraordinaires
03:41
because this transition is very rapid.
86
209000
3000
parce que cette transition est très rapide.
03:44
Within a year, you do a survey
87
212000
3000
En moins d'un an, vous faites une étude
03:47
and then commercial fishing begins.
88
215000
2000
et puis la pêche commerciale commence.
03:49
The bottom is transformed
89
217000
2000
Le fond est transformé
03:51
from, in this case, a hard bottom or soft coral
90
219000
3000
dans ce cas, d'un fond dur ou d'un corail mou
03:54
into a muddy mess.
91
222000
3000
en un fond boueux.
03:57
This is a dead turtle.
92
225000
2000
Il s'agit d'une tortue morte.
03:59
They were not eaten, they were thrown away because they were dead.
93
227000
3000
Elles n'ont pas été mangé, on les a jetées parce qu'elles étaient mortes.
04:02
And one time we caught a live one.
94
230000
2000
Et une fois, nous en avons pris 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 puis ils ont voulu la tuer parce qu'elle était bonne 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 en fait ramassée par les pêcheurs
04:15
every time they go
99
243000
2000
chaque fois qu'ils vont
04:17
into an area that's never been fished.
100
245000
2000
dans une zone où il n'y a jamais eu de pêche.
04:19
But it's not documented.
101
247000
2000
Mais ce n'est pas documenté.
04:21
We transform the world,
102
249000
2000
Nous transformons 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 niveau de 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
et nous ne nous souvenons pas ce qu'il y avait là avant.
04:34
If you generalize this,
107
262000
2000
Si vous généraliser ceci,
04:36
something like this happens.
108
264000
2000
quelque chose comme cela se produit.
04:38
You have on the y axis some good thing:
109
266000
3000
Vous avez sur l'axe quelque chose de bon :
04:41
biodiversity, numbers of orca,
110
269000
3000
la biodiversité, le nombre d'orques,
04:44
the greenness of your country, the water supply.
111
272000
3000
la végétation de votre pays, l'approvisionnement en eau.
04:47
And over time it changes --
112
275000
2000
Et au fil du temps ça change.
04:49
it changes
113
277000
2000
Ça change
04:51
because people do things, or naturally.
114
279000
2000
parce que les gens font les choses tout naturellement.
04:53
Every generation
115
281000
2000
Chaque génération
04:55
will use the images
116
283000
2000
utilisera les images
04:57
that they got at the beginning of their conscious lives
117
285000
3000
qu'elle a reçu au début de sa vie consciente
05:00
as a standard
118
288000
2000
en tant que norme
05:02
and will extrapolate forward.
119
290000
2000
et extrapolera vers l'avenir.
05:04
And the difference then,
120
292000
2000
Et alors la différence,
05:06
they perceive as a loss.
121
294000
2000
est perçue comme une perte.
05:08
But they don't perceive what happened before as a loss.
122
296000
3000
Mais ils ne perçoivent pas ce qui s'est passé avant comme une perte.
05:11
You can have a succession of changes.
123
299000
2000
Vous pouvez avoir une succession de changements.
05:13
At the end you want to sustain
124
301000
3000
A la fin vous voulez conserver
05:16
miserable leftovers.
125
304000
3000
les misérables restes.
05:19
And that, to a large extent, is what we want to do now.
126
307000
3000
Et ceci, est dans une large mesure, ce que nous voulons faire maintenant.
05:22
We want to sustain things that are gone
127
310000
3000
Nous voulons maintenir les choses qui n'existent plus
05:25
or things that are not the way they were.
128
313000
4000
ou des choses qui ne sont pas comme elles étaient avant.
05:29
Now one should think
129
317000
2000
Maintenant il faut penser
05:31
this problem affected people
130
319000
2000
que ce problème touchait certainement les gens
05:33
certainly when in predatory societies,
131
321000
4000
lorsque dans les sociétés prédatrices,
05:37
they killed animals
132
325000
2000
ils tuaient des animaux
05:39
and they didn't know they had done so
133
327000
2000
et ils ne réalisaient pas qu'ils l'avaient fait cela
05:41
after a few generations.
134
329000
2000
après quelques générations.
05:43
Because, obviously,
135
331000
3000
Parce que, évidemment,
05:46
an animal that is very abundant,
136
334000
5000
un animal qui est très abondant,
05:51
before it gets extinct,
137
339000
3000
avant qu'il ne disparaisse,
05:54
it becomes rare.
138
342000
3000
il devient rare.
05:57
So you don't lose abundant animals.
139
345000
3000
Donc, vous ne perdez pas les animaux abondants.
06:00
You always lose rare animals.
140
348000
2000
Vous perdez toujours des animaux rares.
06:02
And therefore they're not perceived
141
350000
2000
Et donc ils ne sont pas perçus
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
nous nous concentrons sur les grands animaux,
06:10
and in a sea that means the big fish.
145
358000
2000
et dans une mer ça signifie les gros poissons.
06:12
They become rarer because we fish them.
146
360000
3000
Ils deviennent plus rares parce que nous les pêchons.
06:15
Over time we have a few fish left
147
363000
2000
Au fil du temps, il nous reste quelques poissons
06:17
and we think this is the baseline.
148
365000
3000
et nous pensons que c'est le niveau de référence.
06:20
And the question is,
149
368000
2000
Et la question est,
06:22
why do people accept this?
150
370000
5000
pourquoi les gens acceptent-ils cela?
06:27
Well because they don't know that it was different.
151
375000
3000
Eh bien parce qu'ils ne savent pas que c'était différent avant.
06:30
And in fact, lots of people, scientists,
152
378000
3000
Et en fait, beaucoup de gens, des scientifiques,
06:33
will contest that it was really different.
153
381000
2000
contesteront que c'était vraiment différent.
06:35
And they will contest this
154
383000
2000
Et ils vont contester ça
06:37
because the evidence
155
385000
2000
parce que les preuves
06:39
presented in an earlier mode
156
387000
5000
présentées dans une premier mode
06:44
is not in the way
157
392000
3000
ne sont pas telles
06:47
they would like the evidence presented.
158
395000
2000
qu'ils voudraient qu'on les présentent.
06:49
For example,
159
397000
2000
Par exemple :
06:51
the anecdote that some present,
160
399000
2000
l'anecdote que certains présentent,
06:53
as Captain so-and-so
161
401000
2000
telle que le Capitaine Machin-Truc
06:55
observed lots of fish in this area
162
403000
3000
a observé beaucoup de poissons dans cet endroit
06:58
cannot be used
163
406000
2000
ne peut pas être utilisée
07:00
or is usually not utilized by fishery scientists,
164
408000
3000
ou n'est généralement pas utilisée par les scientifiques de la pêche,
07:03
because it's not "scientific."
165
411000
2000
parce que ce n'est pas «scientifique».
07:05
So you have a situation
166
413000
2000
Donc, vous avez une situation
07:07
where people don't know the past,
167
415000
3000
où les gens ne connaissent pas le passé,
07:10
even though we live in literate societies,
168
418000
3000
même si nous vivons dans des sociétés alphabétisées,
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
D'où le rôle énorme
07:21
that a marine protected area can play.
172
429000
2000
qu'une aire marine protégée peut jouer.
07:23
Because with marine protected areas,
173
431000
3000
Parce qu'avec des aires marines protégées,
07:26
we actually recreate the past.
174
434000
4000
nous faisons revivre le passé.
07:30
We recreate the past that people cannot conceive
175
438000
3000
Nous recréons le passé que les gens ne peuvent concevoir
07:33
because the baseline has shifted
176
441000
2000
parce que le niveau de référence a changé
07:35
and is extremely low.
177
443000
2000
et est extrêmement faible.
07:37
That is for people
178
445000
2000
C'est à dire pour les gens
07:39
who can see a marine protected area
179
447000
5000
qui peuvent envisager une aire marine protégée
07:44
and who can benefit
180
452000
2000
et qui peuvent bénéficier
07:46
from the insight that it provides,
181
454000
3000
de l'idée que cela l'offre,
07:49
which enables them to reset their baseline.
182
457000
4000
qui leur permet de réinitialiser leur niveau de référence.
07:53
How about the people who can't do that
183
461000
2000
Que diriez-vous des gens qui ne peuvent pas le faire
07:55
because they have no access --
184
463000
2000
parce qu'ils n'ont pas accès -
07:57
the people in the Midwest for example?
185
465000
3000
les personnes dans le Midwest, par exemple?
08:00
There I think
186
468000
2000
Je pense que là
08:02
that the arts and film
187
470000
2000
les arts et le cinéma
08:04
can perhaps fill the gap,
188
472000
2000
peuvent peut-être combler le vide,
08:06
and simulation.
189
474000
2000
et la simulation.
08:08
This is a simulation of Chesapeake Bay.
190
476000
3000
Il s'agit d'une simulation de la baie de Chesapeake.
08:11
There were gray whales in Chesapeake Bay a long time ago --
191
479000
2000
Il y avait des baleines grises dans la baie de Chesapeake il y a longtemps -
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
Et vous aurez remarqué que les teintes et les tons
08:18
are like "Avatar."
194
486000
2000
sont les mêmes que dans "Avatar".
08:20
(Laughter)
195
488000
2000
(Rires)
08:22
And if you think about "Avatar,"
196
490000
2000
Et si vous pensez à "Avatar",
08:24
if you think of why people were so touched by it --
197
492000
3000
si vous pensez que la raison pour laquelle ça a tellement touché les gens --
08:27
never mind the Pocahontas story --
198
495000
4000
sans parler de l'histoire de Pocahontas -
08:31
why so touched by the imagery?
199
499000
4000
pourquoi l'imagerie les a tellement touchés ?
08:35
Because it evokes something
200
503000
3000
Parce qu'elle évoque quelque chose
08:38
that in a sense has been lost.
201
506000
2000
qui dans un sens a été perdu.
08:40
And so my recommendation,
202
508000
2000
Et donc ce que je recommande,
08:42
it's the only one I will provide,
203
510000
2000
c'est mon unique préconisation,
08:44
is for Cameron to do "Avatar II" underwater.
204
512000
5000
c'est que Cameron fasse "Avatar II" sous l'eau.
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