Modélisation de la bioaccumulation de métaux traces

(Hg, Cd, Pb, Cu et Zn) chez la moule, Mytilus

galloprovincialis, en milieu méditerranéen
Stellio Casas

To cite this version:

Stellio Casas. Modélisation de la bioaccumulation de métaux traces (Hg, Cd, Pb, Cu et Zn) chez la
moule, Mytilus galloprovincialis, en milieu méditerranéen. Interactions entre organismes. Université
du Sud Toulon Var, 2005. Français. �NNT : �. �tel-00009551�

HAL Id: tel-00009551

https://theses.hal.science/tel-00009551
Submitted on 21 Jun 2005

HAL is a multi-disciplinary open access L’archive ouverte pluridisciplinaire HAL, est

archive for the deposit and dissemination of sci- destinée au dépôt et à la diffusion de documents
entific research documents, whether they are pub- scientifiques de niveau recherche, publiés ou non,
lished or not. The documents may come from émanant des établissements d’enseignement et de
teaching and research institutions in France or recherche français ou étrangers, des laboratoires
abroad, or from public or private research centers. publics ou privés.
 THESE
présentée par :

Stellio CASAS

Pour obtenir le grade de

DOCTEUR DE L’UNIVERSITE DU SUD TOULON VAR

Spécialité : Océanologie biologique, Environnement marin

MODELISATION DE LA BIOACCUMULATION DE METAUX

TRACES (Hg, Cd, Pb, Cu et Zn) CHEZ LA MOULE, MYTILUS
GALLOPROVINCIALIS, EN MILIEU MEDITERRANEEN

Soutenue publiquement le : 17 Mars 2005

Devant le jury composé de :

M. Jean-Yves BENAIM, Directeur du RCMO, Université Toulon Directeur de thèse, Université

M. Daniel COSSA, Cadre de recherche, Ifremer Nantes Directeur de thèse, Ifremer
M. Alain BOUDOU, Directeur du LEESA, Université Bordeaux 1 Rapporteur
M. Nicholas S. FISHER, Professeur, State University of New York (USA) Rapporteur
M. Cédric BACHER, Cadre de Recherche, Ifremer, Brest Examinateur
M. Yves LUCAS, Directeur du PROTEE, Université Toulon Examinateur
M. Pierre BOISSERY, Ingénieur d’études, Agence de l’eau, Marseille Membre invité
 AVANT PROPOS

Le travail exposé dans ce mémoire n’aurait pu être réalisé sans le soutien et l’amicale attention de
nombreuses personnes que mes séjours à l’IFREMER (Nantes et Toulon) et au CREMA m’ont amené à
côtoyer. Toutes ne pourront être citées ici, tant la liste est longue, mais j’espère qu’elles se reconnaîtront.

Ce mémoire est le résultat d’un travail cofinancé par l’IFREMER et la région Provence-Alpes-Côte
d’Azur. Je remercie ces deux organismes d’avoir soutenu financièrement ce projet et de m’avoir accordé
une bourse de recherche. Je remercie également les laboratoires PROTEE (PROcessus de Transfert et
d’Echange dans l’Environnement) et RCMO (Recherche en Chimie Marine des Organométalliques)
de l’UFR Sciences et techniques de l’Université de Toulon, dirigés respectivement par Mr Yves Lucas et
Mr Jean-Yves Benaim. Aussi, je remercie l’Agence de l’eau Rhône Méditerranée Corse et en particulier
Mr Pierre Boissery pour l’intérêt qu’il a toujours témoigné et pour sa contribution financière à cette thèse
par le programme RINBIO.

Je suis très heureux de pouvoir compter Messieurs Alain Boudou et Nicholas Fisher parmi les membres
de mon jury et je leur suis très reconnaissant d’avoir accepté de rapporter ce travail. Ayant effectué ma
licence/maîtrise à l’Université de Bordeaux 1, je vois là un grand plaisir de retrouver Alain Boudou, le
professeur qui m’a instruit mes premières notions d’écotoxicologie aquatique. Aussi, après une rencontre
dans une conférence de la CIESM à Barcelone, l’intérêt porté par Nicholas Fisher sur la problématique de
ma thèse me va droit au cœur et je le remercie vivement de ses conseils et expertises.

Que Messieurs Nicholas Fisher, professeur à l’Université d’état de New-York, (Marine Sciences Research
Center, Stony Brook, USA) ; Alain Boudou, professeur à l’Université de Bordeaux 1 et directeur du
Laboratoire d'Ecophysiologie et Ecotoxicologie des Systèmes Aquatiques ; Jean-Yves Benaim et Yves
Lucas, professeurs à l’Université de Toulon ; Daniel Cossa et Cédric Bacher, cadres de recherches à
l’IFREMER, soient ici remerciés de l’intérêt qu’ils témoignent à ce travail en acceptant de participer au
jury de cette thèse.

J’exprime également ma reconnaissance à Messieurs Robert Poggi et Lucay Han Ching, directeurs
successifs du centre IFREMER de Nantes et à Michel Marchand, directeur du département
« Biogéochimie et Ecotoxicologie », à Monsieur Patrick Gentien, directeur du CREMA de L’Houmeau et
à Messieurs Guy Herrouin et Didier Sauzade, respectivement directeur du centre de Méditerranée et
directeur du laboratoire côtier Provence-Azur-Corse de Toulon pour m’avoir successivement accueilli
durant ces trois années.
Mes plus vifs remerciements et toute ma reconnaissance vont à mes responsables scientifiques, à ce
quatuor si complémentaire, faisant toute la pluridisciplinarité du sujet:

A Monsieur Daniel Cossa, tout d’abord. C’est toi qui m’a reçu lors de ma candidature sur ce sujet de
thèse, merci pour ta confiance et l’autonomie que tu m’as laissée dès le début et pendant ces trois années.
Les trois premiers mois ont commencé dans ton bureau, au département Polluants Chimiques de
l’IFREMER de Nantes, et soyons clair, c’est là que tout a commencé ! Que de discussions suite à mes
recherches bibliographiques, que de conseils et d’orientations, que de précisions et d’avis échangés. Tu
m’as toujours considéré comme un membre à part du département et tu as toujours été disponible malgré
le léger éloignement que représentait la distance Nantes-La Rochelle, puis Nantes-Toulon. Merci aussi
pour toutes ces discussions amicales qui n’apparaissent pas forcément mais qui me serviront par la suite.

A Monsieur Cédric Bacher. Après ces trois mois nantais est venu le temps de passer au CREMA de
L’Houmeau pour un séjour de six mois afin d’attaquer le travail de modélisation. Merci pour ton
encadrement sans faille aucune, ton suivi régulier, ta disponibilité dès que c’était nécessaire. Merci pour
ces semaines « condensées » (de par la quantité de travail réalisé) lors de la troisième année, que tu m’as
accordées à La Rochelle, à Brest, à Nantes et même sur les routes pour aller d’un endroit à l’autre, ou pour
rattraper le train raté de Nantes. Le temps que tu m’as consacré et l’excellence de tes conseils et idées
m’ont considérablement aidé et guidé dans ma réflexion. Le CREMA m’a permis de retrouver une
recherche plus thématique, propre à cette unité mixte CNRS-IFREMER.

A Monsieur Jean-Louis Gonzalez. Partie prenant dès le début, tu as brillamment pris le relais pour mes
seconde et troisième années passées à Toulon. Ton encadrement scientifique et ton expertise de chimiste
m’ont permis de mieux comprendre la spéciation des métaux mais surtout l’importance des précautions
nécessaires pour réaliser les prélèvements, filtrations et analyses des contaminants dans l’eau et les
particules. En dehors de tes qualités scientifiques, j’ai aussi pu vérifier le célèbre dicton « un esprit sain
dans un corps sain » en testant les nombreux parcours de la forêt de Janas et profiter en courant des
magnifiques vues surplombantes sur cette célèbre rade de Toulon, à deux pas du laboratoire. Ces moments
de décompression ont bien fait l’équilibre avec les moments de travail.

A Monsieur Bruno Andral. De par ton engagement complet dans les réseaux de surveillance, en
particulier sur RINBIO, j’ai ainsi pu être, dès mon arrivée à Toulon, à la page de leurs fonctionnements et
logistiques, en contact direct avec le laboratoire côtier. Cette proximité m’a permis de découvrir une
équipe à taille humaine, ancrée dans les réalités du terrain où d’autres qualités toutes aussi primordiales
que les qualités scientifiques sont nécessaires pour avancer. Merci pour tes conseils et ton encadrement
technique. De par l’intérêt porté, j’ai apprécié la complémentarité recherche fondamentale-recherche
appliquée donnée à ce sujet. Aussi, tu m’as toujours donné les moyens de faire ce que je souhaitais:
expérimentations terrain, conférences internationales, journées thématiques, séjours à Nantes ou Brest.
Merci pour cette confiance et liberté attribuée au cours de ces trois années.
J’exprime également ma reconnaissance à Messieurs Jean-Paul Dreno, Patrick Gentien et Guy Herrouin
pour m’avoir successivement accueilli à l’IFREMER de Nantes, au CREMA de l’Houmeau et à
l’IFREMER de La Seyne-sur-mer.

Que Monsieur Joël Denervaux, consultant, trouve ici le témoignage de ma gratitude pour avoir été un
mentor efficace et agréable dans la réalisation du "nouveau chapitre de la thèse: valorisation des
compétences".

Cette thèse n’aurait pas vu le jour sans le concours de bien d’autres personnes, alors je me dois de
remercier :

En pays Nantais

A Dominique Auger et Jane Bretaudeau pour avoir assuré toute la partie analytique des métaux dans l’eau
et les particules. Merci de votre contribution si précieuse sur laquelle repose tout ce travail. Merci de votre
patience pour m’initier aux joies du méticuleux travail de laboratoire. Merci pour votre logistique sans
faille.
A Didier Claisse et Catherine Munschy pour m’avoir attribué du temps au sujet du RNO et envoyé dès
nécessaire les renseignements souhaités.
A toute la dynamique et sympathique équipe des chimistes du Département des Polluants Chimiques dont
il m’a été donné de rencontrer les trois premiers mois et de retrouver avec plaisir à chaque passage sur
Nantes. Je veux parler de Morgan Lemoigne, Farida Akcha, Bernard Boutier, Jean-François Chiffoleau,
Thierry Burgeot, Jacek Tronczynski, Joël Knoery, Michel Marchand parmi tant d’autres. Je tiens
également à remercier Marie-Jo Thebaud pour ses conseils et ses aides administratives et Chrystelle
Tissier pour ses conseils en terme de DCE. Merci aussi à Patrick Lassus.
Merci à Annick Radenac et Marielle Bouilde pour votre accueil, votre gentillesse et votre aide
incontestable dans mes recherches bibliographiques. Le peu de temps passé à Nantes a pris lieu pour une
grande part dans cette agréable bibliothèque au bord de l’Erdre. Merci pour votre spontanéité et rapidité
mais aussi pour toutes ces conversations et ces bons moments passés à vous ennuyer alors que vous étiez
déjà très occupés. Merci pour cette disponibilité quelque soit l’endroit où j’étais.

C’est aussi à Nantes que des amitiés se sont construites et ce genre de liens m’a tellement aidé qu’un
simple merci ne suffira. Merci à toi Camille pour ces trois années d’amitié, sans parler de toutes celles à
venir. Merci de ton écoute, des fous-rires et autres thérapies de thésards, des utopies et philosophies
partagées sans parler du support apporté dans les moments plus difficiles.
Merci à Xavier pour ces moments terribles et ces pauses cafés dans la maison du jardin, mais aussi pour la
découverte des crébillons lumineux. Ces premiers mois furent très courts mais très intenses avec la
joyeuse équipe nantaise: Laetitia, Nolwen, Ali, Nadège, Morgan et Farida.
 En pays Rochellais

Un très grand merci à Marianne Alumno-Bruscia pour mon intégration au sein du projet DEBIB (projet
bilatéral franco-néerlandais). La découverte des modèles DEB par le télé-enseignement et leur
approfondissement au sein de cette collaboration franco-néerlandaise m’ont été très enrichissants, de par
les questions posées et de par les rencontres réalisées avec Joana Cardoso, Pieter Honkoop, Jaap van der
Meer et Henk van der Veer à La Rochelle puis aux Pays-Bas à Texel (NIOZ). Merci particulièrement à
Stéphane Pouvreau qui par ses questions appliquées m’a permis de comprendre et d’intégrer des
processus que je ne soupçonnais pas.
Mes autres merci vont à tous ceux qui m’ont accueilli et qui ont rendu cet endroit agréable: toute l’équipe
des thésards: Aline, Caroline, Francis, Anne-Gaëlle, Pascal, mais en particulier l’équipe de choc: Céline,
Delphine, Nathalie, Béatrice et Stéphane. La recherche est une grande famille éparpillée et j’espère que
les retrouvailles aux quatre coins de France se renouvelleront plus fréquemment une fois tous soutenus !

Un grand merci à l’équipe brestoise du département DEL pour votre accueil chaleureux lors de mes
visites de cette dernière année: à Véronique Loiseau, Nathalie Bodin, Karine Grangere, Alain Abarnou et
Alain Menesguen.

Et plus au Sud ! L’autre Sud que je ne connaissais point, le Sud-Est

C’est là que ces deux dernières années se sont réalisées, ces deux années inoubliables au sein d’une
équipe de gens du Sud et d’ailleurs qui ont su être là à chaque moment tant professionnellement que
humainement.
Pour commencer professionnellement, je tiens à remercier l’école de voile de Sigean qui quelque soit le
temps, (et je peux dire que les tempêtes méditerranéennes n’ont rien à envier à celles de l’Atlantique)
m’ont boaté sur l’étang de Bages pour faire mes prélèvements. Ces sorties furent plus que sportives et
j’avoue que des fois, je me demandais si j’en avais pas perdu la raison ! Quelle idée de faire trois heures
de route pour ramasser des moules par un temps pareil !
Merci aussi à l’équipe de l’université de Toulon pour leur bonne humeur et conseils: Nathalie, Stéphane et
Cédric.
Merci à Fabienne Chavanon et Françoise Marco-Miralles pour les analyses chlorophylle et phéopigments.
Merci à Christophe Ravel pour les sorties bateau sur le Lazaret. Merci à Corinne Tomasino pour les
sublimes cartes réalisées dans ce manuscrit (cf. p 67-68) et ta compagnie en salle informatique. Merci à
Danielle L’Hostis et à Michelle Brochen pour leurs compétences administratives et bureautiques.
Merci à Didier Sauzade pour sa gentillesse et son accueil à bras ouvert au sein du laboratoire côtier. Merci
aussi à Eric Emery et à Christophe Ravel qui ont partagé le bureau paysager et supporté ces moments si
particuliers de fins de rédaction. Merci à Roger Kantin pour son intérêt permanent au sujet et pour mon
intégration au sein du GDR Corse.
Merci à Hervé Thebault pour les multiples conversations sur la physiologie de la moule et la
bioaccumulation. Merci aussi pour ton escorte au congrès de la CIESM, me permettant de rencontrer
Nicholas Fisher parmi tant d’autres. Merci aussi à Sarah Griscom pour tes encouragements permanents et
ta motivation contagieuse.
Humainement, c’est une mine d’hommes que j’ai rencontré dans ce pays, une équipe de collègues
formidables (à lire avec l’accent de Marseille, svp). Merci pour tout ces moments qui resteront gravés,
toutes ces discussions hautement philosophiques, politico-sociologiques et autres débats psychologiques
que nous avons eu ensemble autour d’un petit café et nombreux mets en de très nombreuses circonstances.
Merci pour votre gentillesse, votre humour, votre soutien et votre réconfort efficace et permanent. La vie
au sein de cette équipe restera gravée dans les lignes de ce manuscrit. Merci à Bénédicte, Maryvonne,
Nicolas, Gilles, Axel, Jacques, Maud, Myriam et Maiwenn.

Et puis, les voilà, ceux qui ont tant fait et peut-être sans le savoir. Manon, l’autre thésarde du lieu avec qui
j’ai pu partager et échanger tout les périples et autres bonheurs de la thèse. Courage, t’es la suivante sur la
liste. Merci de ton écoute et de ton amitié à l’accent de provence. Merci aussi aux amis de DEA de Liège,
en particulier Bénédicte et Mathieu qui malgré la distance sont restés fidèles. Enfin, merci à tout ces amis
rencontrés ici: Mouna, Elodie et Didier, Marie et Jean-Phillippe, Florence, Anne-Gaelle, Patrice, Caroline,
sans oublier les incontournables palois et bordelais qui m’ont ruiné en téléphone.

Incontestablement, la thèse est un aboutissement, et je ne peux m’empêcher de penser à demain….

«Les êtres vivants ne peuvent construire et maintenir
leur existence, leur autonomie, leur individualité, leur
originalité que dans la relation écologique, c’est à dire
dans et par la dépendance à l’égard de leur
environnement ; d’où l’idée alpha de toute pensée
écologisée : l’indépendance d’un être vivant nécessite
sa dépendance à l’égard de son environnement ».

Edgar Morin (La Méthode, tome I).

A mes parents,

A Jérôme,

A Ann’Sophie.
 SOMMAIRE

Introduction générale

PARTIE 1

Chapitre 1: Généralités sur la bioaccumulation des métaux traces (Hg,

Cd, Pb, Cu et Zn) chez la moule (Mytilus sp.)………………………10

Chapitre 2: Matériel et méthodes: stratégie expérimentale, dispositifs

et méthodes analytiques……………………………………………..65

Chapitre 3: Résultats et discussions: suivis de la croissance de la

moule et de la bioaccumulation de métaux traces (Hg, Cd, Pb, Cu et
Zn)…………………………………………………………………..85

PARTIE 2

Chapitre 4: Généralités sur les modèles de bioaccumulation: Quels

outils ? Quelles utilisations ?……………………………………….134

Chapitre 5: Modélisation de la croissance de la moule, Mytilus

galloprovincialis, en milieu méditerranéen………………………...152

Chapitre 6: Modélisation de la bioaccumulation des métaux traces

chez la moule, Mytilus galloprovincialis, par le couplage à un modèle
de croissance de budget énergétique dynamique (DEB)…………...210

Synthèse et perspectives……………………………………………269

Références bibliographiques……………………………………….277

Annexes…………………………………………………………….302
 SOMMAIRE DETAILLE

Introduction générale ............................................................ 1

CONTEXTE DE L’ETUDE............................................................................................................................. 1
Les bioindicateurs........................................................................................................................... 1
Les réseaux de surveillance ............................................................................................................ 3
PROBLEMATIQUE DE LA THESE ............................................................................................................. 5
OBJECTIFS DE LA THESE ........................................................................................................................... 7
STRATEGIE DE L’ETUDE............................................................................................................................ 8
ORGANISATION DU MANUSCRIT ............................................................................................................ 9

Chapitre 1: Généralités sur la bioaccumulation des métaux traces

(Hg, Cd, Pb, Cu et Zn) chez la moule (Mytilus sp.) ....................... 10
1 LES METAUX EN MILIEU MARIN .............................................................................................10
1.1 Situation générale des métaux en Méditerranée..............................................................12
1.2 Le mercure.......................................................................................................................16
1.2.1 Propriétés fondamentales: physiques, chimiques et biologiques................................16
1.2.2 Utilisations..................................................................................................................17
1.2.3 Cycle et sources naturelles et anthropiques ...............................................................17
1.2.4 Propriétés biologiques et toxicité ...............................................................................18
1.2.5 Le mercure en méditerranée française .......................................................................19
1.3 Le cadmium.....................................................................................................................22
1.3.1 Propriétés fondamentales ...........................................................................................22
1.3.2 Utilisations..................................................................................................................23
1.3.3 Cycle et sources naturelles et anthropiques ...............................................................23
1.3.4 Propriétés biologiques et toxicité ...............................................................................24
1.3.5 Le cadmium en méditerranée française ......................................................................25
1.4 Le plomb .........................................................................................................................27
1.4.1 Propriétés fondamentales ...........................................................................................27
1.4.2 Utilisations..................................................................................................................27
1.4.3 Cycle et sources naturelles et anthropiques ...............................................................27
1.4.4 Propriétés biologiques et toxicité ...............................................................................28
1.4.5 Le plomb en méditerranée française...........................................................................29
 1.5 Le cuivre..........................................................................................................................31
1.5.1 Propriétés fondamentales ...........................................................................................31
1.5.2 Utilisations..................................................................................................................31
1.5.3 Cycle et sources naturelles et anthropiques ...............................................................32
1.5.4 Propriétés biologiques et toxicité ...............................................................................33
1.5.5 Le cuivre en méditerranée française...........................................................................33
1.6 Le zinc .............................................................................................................................35
1.6.1 Propriétés fondamentales ...........................................................................................35
1.6.2 Utilisations..................................................................................................................35
1.6.3 Cycle et sources naturelles et anthropiques ...............................................................35
1.6.4 Propriétés biologiques et toxicité ...............................................................................36
1.6.5 Le zinc en méditerranée française ..............................................................................36
1.7 Réglementations, arrêtés .................................................................................................38
2 PROCESSUS PHYSIOLOGIQUES DE BIOACCUMULATION DES METAUX: EXEMPLE DE LA
MOULE…..........................................................................................................................................42

2.1 Définitions.......................................................................................................................42
2.2 Mécanisme de capture des métaux..................................................................................43
2.2.1 Capture des métaux en solution..................................................................................43
2.2.2 Capture des métaux associés aux particules...............................................................46
2.3 Mécanisme d’excrétion des métaux ................................................................................46
2.4 Mécanisme de stockage des métaux: organotropisme et amplification ..........................47
2.4.1 Organotropisme ..........................................................................................................48
2.4.2 Les métallothionéines..................................................................................................48
2.4.3 Bioaccumulation et biomplification dans les réseaux trophiques...............................48
2.5 Bioaccumulation du mercure chez la moule ...................................................................49
2.6 Bioaccumulation du cadmium.........................................................................................50
2.7 Bioaccumulation du plomb .............................................................................................51
2.8 Bioaccumulation du cuivre et du zinc .............................................................................52
3 FACTEURS AFFECTANT LA BIOACCUMULATION DES METAUX: TRANSFERTS ET

BIOTRANSFORMATION ENDOGENE .................................................................................................53

3.1 Caractéristiques physico-chimiques du contaminant: spéciation et biodisponibilité ......53

3.2 Facteurs biotiques............................................................................................................54
3.2.1 Les processus de nutrition: action sur entrées/sortie .................................................54
3.2.2 Concentration métallique: quantité métallique et poids du bioindicateur ................58
3.2.3 Cycle de vie de l’organisme........................................................................................58
3.2.4 Composition biochimique et condition physiologique ................................................59
 3.3 Caractéristiques physico-chimiques du milieu environnant............................................60
3.3.1 Solubilité dans l’eau, hydrophobicité .........................................................................60
3.3.2 Facteurs physico-chimiques........................................................................................60
3.3.3 Matière organique dissoute et particulaire ................................................................61
3.4 Interactions multi-factorielles..........................................................................................61
3.5 Implications pour les programmes de surveillance .........................................................64

Chapitre 2: Matériel et méthodes: stratégie expérimentale,

dispositifs et méthodes analytiques..................................................65
1 PROCEDURE DE TRANSPLANTATION ......................................................................................65
1.1 Planning expérimental: cinétiques de contamination et de décontamination...................65
1.2 Choix des sites..................................................................................................................66
1.3 Technique des transplants et mise en stabulation (« caging ») ........................................69
2 STRATEGIE EXPERIMENTALE .................................................................................................71
3 ECHANTILLONNAGE ................................................................................................................73
3.1 Caractéristiques des échantillons......................................................................................73
3.2 Caractéristiques des poches..............................................................................................73
3.3 Campagne de pose et de relèves.......................................................................................74
4 PRELEVEMENTS BIOLOGIQUES ET QUANTIFICATION METALLIQUE ....................................74
4.1 Protocole de prélèvement et allométrie ............................................................................74
4.2 Protocole de traitement du matériel avant usage..............................................................75
4.3 Protocole de décoquillage, broyage et lyophilisation.......................................................75
4.4 Analyses de la concentration en métaux traces dans la moule.........................................76
5 ANALYSES CHIMIQUES DU MILIEU ENVIRONNANT ................................................................78
5.1 Caractéristiques physiques et physico-chimiques ............................................................78
5.2 Caractéristiques chimiques dissoutes ...............................................................................78
5.3 Caractéristiques chimiques particulaires ..........................................................................78
5.4 Analyses de la concentration en métaux dans le milieu: dissous et particulaire ..............79
5.4.1 Performances de la méthode d’analyse des métaux dans la phase dissoute ...............80
5.4.2 Performances de la méthode d’analyse des métaux dans la phase particulaire .........81
5.5 Analyses de la concentration en métaux dissous « labiles »: DGT ..................................83
Chapitre 3: Résultats et discussions: suivis de la croissance
de la moule et de la bioaccumulation des métaux traces
(Hg, Cd, Pb, Cu et Zn)..................................................................85
1 CARACTERISTIQUES DES SITES ...............................................................................................85
1.1 Données physico-chimiques.............................................................................................85
1.1.1 Baie du Lazaret ............................................................................................................85
1.1.2 Etang de Bages ............................................................................................................88
1.1.3 Ile de Port-Cros ...........................................................................................................90
1.1.4 Comparaison inter-sites...............................................................................................92
1.2 Teneurs métalliques de chaque site..................................................................................94
1.2.1 Baie du Lazaret ............................................................................................................94
1.2.2 Etang de Bages ............................................................................................................94
1.2.3 Ile de Port-Cros ...........................................................................................................96
1.2.4 Comparaison inter-sites...............................................................................................96
1.3 Teneurs métalliques dissoutes totales par la méthode des DGT: étude biodisponibilité..97
2 CROISSANCE.............................................................................................................................99
2.1 Baie du Lazaret.................................................................................................................99
2.2 Etang de Bages .................................................................................................................99
2.3 Ile de Port-Cros ..............................................................................................................101
2.4 Comparaison inter-sites..................................................................................................102
3 CINETIQUES DE CONTAMINATION ET DE DECONTAMINATION ...........................................103
3.1 Cinétiques de contamination ..........................................................................................103
3.1.1 Cas du mercure ..........................................................................................................103
3.1.2 Cas du cadmium.........................................................................................................106
3.1.3 Cas du plomb .............................................................................................................108
3.1.4 Cas du cuivre .............................................................................................................110
3.1.5 Cas du zinc.................................................................................................................112
3.1.6 Comparaison inter-métaux des cinétiques d’accumulation.......................................114
3.2 Cinétiques de décontamination: site de Port-Cros .........................................................114
3.2.1 Cas du mercure ..........................................................................................................114
3.2.2 Cas du cadmium.........................................................................................................114
3.2.3 Cas du plomb .............................................................................................................115
3.2.4 Cas du zinc.................................................................................................................115
3.2.5 Cas du cuivre .............................................................................................................115
 3.3 Récapitulatif des cinétiques: bilan des observations de bioaccumulation..................... 116
4 DISCUSSIONS ...................................................................................................................... 118
4.1 Interprétation des variations de croissance .................................................................. 118
4.1.1 Variations spatiales et temporelles: importance de la quantité nutritive du milieu.. 118
4.1.2 Variations temporelles: saisonnières: cycle de vie de l’organisme ......................... 118
4.1.3 Relations allométriques et conditions physiologiques ............................................. 119
4.2 Interprétation des variations de concentration et de quantité: essais de généralisation des
observations ............................................................................................................................ 120
4.2.1 Variations spatiales: importance de la contamination du milieu............................. 120
4.2.2 Variations temporelles: saisonnières: cycle de vie de l’organisme indicateur......... 121
4.2.3 Variations spatio-temporelles: modifications environnementales ........................... 122
4.2.4 Interactions des différents forçages, couplage et prédominance temporelle ............ 124
4.3 Etat de pseudo-équilibre et facteur de bioconcentration (FBC)……………………..131
Chapitre 4: Généralités sur les modèles de
bioaccumulation: Quels outils ? Quelles utilisations ?.... 134
1 LES MODELES CINETIQUES A COMPARTIMENTS............................................................... 135
1.1 Généralités.................................................................................................................. 135
1.2 Concept et formulation du modèle .............................................................................. 135
1.3 Hypothèses d’application ............................................................................................ 136
1.4 Etat d’équilibre ........................................................................................................... 136
1.5 Extension du concept: les modèles cinétiques à plusieurs compartiments.................... 137
2 LES MODELES CINETIQUES A BASE PHYSIOLOGIQUE ........................................................ 139
2.1 Généralités.................................................................................................................. 139
2.2 Concept et formulation du modèle .............................................................................. 139
2.3 Extension possible à différents types de nourriture...................................................... 140
2.3.1 Les paramètres d'entrée: voies dissoute et particulaire........................................... 140
2.3.2 Les efficacités d’assimilation .................................................................................. 142
2.3.3 Le paramètre de sortie: dissous et particulaire ....................................................... 143
2.4 Limites d’application et complexité croissante............................................................ 143
3 LES MODELES CINETIQUES A BASE ENERGETIQUE: COUPLAGE CROISSANCE

BIOACCUMULATION : LES MODELES DEB (DYNAMIC ENERGY BUDGET MODEL: MODELE DE

BUDGET ENERGETIQUE DYNAMIQUE)........................................................................................ 144

3.1 Importance du couplage.............................................................................................. 144

3.2 Théorie des modèles DEB .......................................................................................... 144
3.3 Concept et hypothèses....................................................................................................146
3.4 Un exemple de modèle de bioaccumulation du cadmium: van Haren et al., 1994 ........148
3.5 Discussion ......................................................................................................................148
4 LES MODELES CINETIQUES DE RESEAUX TROPHIQUES .......................................................149
5 STRATEGIE DE MODELISATION CHOISIE AU VU DES OBJECTIFS DE L’ETUDE ....................150
Chapitre 5: Modélisation de la croissance de la moule,
Mytilus galloprovincialis, en milieu méditerranéen ...........152
1 CHOIX DU MODELE DE CROISSANCE: NIVEAUX DE COMPLEXITE.......................................152
1.1 Les modèles de croissance .............................................................................................152
1.2 Hypothèses générales des modèles DEB........................................................................152
1.3 Modèles de croissance individuelle................................................................................153
1.4 Simulations du modèle ...................................................................................................162
2 PARAMETRISATION DES PROCESSUS PHYSIOLOGIQUES .....................................................164
2.1 Relation volume/longueur: Shape ..................................................................................164
2.2 Effet de la température ...................................................................................................165
2.3 Nutrition .........................................................................................................................166
2.4 Paramètres de maintenance ............................................................................................167
2.5 Paramètres intervenant dans la croissance et la reproduction ........................................167
2.6 Récapitulatif des différents paramètres du modèle de croissance .................................168
2.7 Etude biologique et mathématique des différentes équations différentielles .................169
2.8 Calcul du poids total de l’organisme..............................................................................173
3 SIMULATIONS DU MODELE DEB SUR LES SUIVIS DE CROISSANCE .....................................174
3.1 Définition des conditions initiales et des paramètres à estimer......................................174
3.2 Stratégie 1: fonction nutritive constante.........................................................................175
3.3 Stratégie 2: fonction nutritive variable...........................................................................179
4 CHOIX D’UN MODELE PAR STRATEGIE: TEST DE FISHER....................................................183
4.1 Test des coefficients .......................................................................................................183
4.2 Résultats du test sur la stratégie 1 ..................................................................................184
4.3 Résultats du test sur la stratégie 2 ..................................................................................186
5 ANALYSES DE SENSIBILITE ....................................................................................................189
6 DISCUSSIONS ET CONCLUSIONS ............................................................................................191
6.1 Validité, pertinence des estimations et de la stratégie de simulation .............................191
6.2 Comparaison entre sites: interprétation du fonctionnement trophique, simulation long
terme et répartition des flux.........................................................................................................193
6.3 Application et validation sur d’autres sites: Généricité du modèle................................196
7 CONCLUSION GENERALE .......................................................................................................205
ANNEXE 5.1: AUTRES FORMES POSSIBLES DES EQUATIONS DU MODELE DE CROISSANCE
TROUVEES DANS LA BIBLIOGRAPHIE .................................................................................................206
Chapitre 6: Modélisation de la bioaccumulation des
métaux traces chez la moule, Mytilus galloprovincialis, par
le couplage à un modèle de croissance de budget
énergétique dynamique (DEB) .......................................... 210
1 CHOIX DU MODELE DE BIOACCUMULATION: MODELE DEB................................................. 210
1.1 Importance du couplage.............................................................................................. 210
1.2 Equation du modèle DEB de bioaccumulation de Koiijman & van Haren, 1990 ........ 211
1.3 Simplification du modèle de bioaccumulation ............................................................. 212
1.4 Constitution du modèle ............................................................................................... 212
2 SIMULATIONS DU MODELE DEB SUR LES SUIVIS DE BIOACCUMULATION ............................ 214
2.1 Définition des conditions initiales et des paramètres à estimer ................................... 214
2.2 Paramétrisation du modèle de bioaccumulation ......................................................... 214
3 ANALYSES DE SENSIBILITE ET VERIFICATION DU MODELE ................................................... 220
4 CHOIX D’UN MODELE SIMPLIFIE PAR METAL ........................................................................ 222
4.1 Simplification possible du modèle de bioaccumulation selon le métal considéré......... 222
4.2 Validation de la simplification: Test Fisher ................................................................ 223
4.3 Bilan des paramètres retenus par métal ...................................................................... 225
5 DISCUSSIONS .......................................................................................................................... 226
5.1 Validité, pertinence des estimations et de la stratégie de simulation ........................... 226
5.2 Analyse du modèle sur le long terme........................................................................... 232
5.3 Bilan des flux et comparaison bibliographique des paramètres cinétiques.................. 235
6 PREDICTION DES CONCENTRATIONS METALLIQUES DANS LE MILIEU PAR L’ANALYSE
INVERSE DES DONNEES RINBIO .................................................................................................... 246

6.1 Principe de l’analyse inverse ...................................................................................... 246

6.2 Répartition dissous/particulaire sur les sites de l’étude réalisée et prédiction ............ 246
6.3 Comparaison des deux méthodes: modèle empirique de RINBIO, modèle de
bioaccumulation ...................................................................................................................... 258
7 CONCLUSION GENERALE ....................................................................................................... 263
ANNEXE DU CHAPITRE 6: DETAIL DES EQUATIONS DU MODELE DE BIOACCUMULATION ..... 265

Synthèse et perspectives………………………………….269
Références Bibliographiques…………………………….277
Annexes..…………………………………………………..302
INTRODUCTION GENERALE
 Introduction générale

CONTEXTE DE L’ETUDE
Le milieu marin est contaminé par de nombreux produits chimiques dont des éléments métalliques
rejetés par les industries, l’agriculture et les communautés urbaines. Les zones estuariennes et côtières,
sous forte influence continentale, sont les plus touchées par cette contamination. Afin de connaître et
de suivre l’évolution de la contamination chimique côtière, des programmes de recherche et de
surveillance à partir du dosage des métaux dans l’eau et les sédiments ont été mis en œuvre.

Les concentrations de la plupart des métaux dans l’environnement sont de l’ordre de quelques
nanogrammes par litre d’eau, ce qui rend les techniques de prélèvement et de mesure complexes. Les
risques de contamination au moment de l’échantillonnage et de l’analyse sont nombreux, rendant les
mesures délicates. Ces problèmes ont été surmontés par l’utilisation de techniques « ultra-propres »
dans l’échantillonnage. Cependant, la mesure directe des contaminants dans l’eau fait appel à des
techniques analytiques sophistiquées, difficilement applicables en routine le long d’un linéaire côtier
important. Par ailleurs, la variabilité temporelle du milieu littoral ne confère que peu de
représentativité à une mesure ponctuelle dans la colonne d’eau. Enfin, le suivi de ces concentrations
totales dans le milieu ne renseigne pas directement sur les concentrations des espèces chimiques
biodisponibles. Les dosages concernent le plus souvent la totalité des espèces chimiques et non
spécifiquement les formes biodisponibles des contaminants étudiés, information indispensable quant à
la protection des écosystèmes et à la compréhension des processus de contamination.

Les bioindicateurs
C’est dans cette optique que Goldberg (1975) a proposé de suivre, à l’échelle internationale, les
concentrations des contaminants dans les organismes vivants pour surveiller le milieu. C’est le
principe des « bioindicateurs quantitatifs » basé sur le fait que les organismes marins concentrent les
contaminants, en particulier les métaux divalents, en relation avec les concentrations présentes dans le
milieu (Goldberg, 1975; Philips, 1977; Goldberg et al., 1978; Phillips, 1980; Philips et Segar, 1986).
Les stratégies de surveillance développées sont diverses ; l’utilisation de mollusques fixés et de
poissons relativement sédentaires sont les plus couramment développés dans les programmes de
surveillance (ex. Ospar). L’utilisation des moules a été proposée à l’échelle mondiale par Goldberg dès
1975, sous le vocable « Mussel Watch ». Cette proposition a été mise en place avec succès sous deux
types de stratégie: celles qui utilisent les populations indigènes de moules sauvages ou cultivées
(biomonitorage passif, cas du RNO) (Thibaud et Boutier, 1988; Claisse, 1989; Claisse et al., 1992;

1
Amiard-Triquet et al., 1999; Claisse et al., 2001) et celles qui ont recourt aux transplants d’individus,
provenant d’un site de référence (biomonitorage actif, cas de RINBIO), sur un site d’étude pour un
séjour de plusieurs mois dans l’eau. Dans ce dernier cas, les mollusques accumulent les contaminants
jusqu’à atteindre un pseudo-équilibre avec le milieu (Kock de, 1983; Fabris et al., 1994; Buestel,
1997; Andral et Stanisiere, 1999; Andral et al., 2001).

La concentration et l’accumulation des métaux divalents chez les organismes aquatiques sont des
processus assez complexes. Les degrés d’assimilation et de rétention des métaux traces varient entre
les différents genres et espèces (Eisler, 1981) et dépendent des propriétés biochimiques de chaque
élément (Bowen, 1966). Pour constituer un bon « bioindicateur quantitatif », l’espèce animale utilisée
doit avoir, selon Butler et al. (1971) et Philips et Rainbow (1994), les qualités suivantes:

- l’organisme doit concentrer le contaminant, sans effet létal, aux concentrations rencontrées
dans le milieu ;

- il doit être sédentaire afin d’être représentatif de la zone d’échantillonnage ;

- il doit être abondant dans la zone étudiée ;

- il doit avoir une durée de vie suffisamment longue pour permettre l’échantillonnage de
plusieurs classes d’âges ;

- il doit avoir une taille suffisante afin de donner une quantité de tissus adéquate pour l’analyse
chimique ;

- il doit être euryhalin ;

- il doit concentrer suffisamment pour permettre des dosages sans préconcentration ;

- il doit exister une corrélation entre la teneur en contaminants dans l’organisme et la

concentration dans l’eau environnante, la concentration dans les tissus reflétant ainsi la
biodisponibilité du métal dans le milieu ;

- les effets de variations de la salinité et de la température doivent être connus.

Autant de qualités ne se trouvent pas réunies dans une seule espèce et un compromis doit être
recherché. C’est dans cet esprit que Goldberg (1975) a proposé le concept de « Mussel Watch »,
comme première étape dans une surveillance globale du milieu marin.

Après un séjour de plusieurs mois dans l’eau, les niveaux mesurés dans les organismes sont le résultat
et le reflet chronique du milieu. La moule, Mytilus sp., est un bivalve marin utilisé en tant que
bioindicateur pour les métaux (Butler et al., 1971; Goldberg, 1975; Phillips, 1976; Phillips, 1976;
Philips, 1977; Cunningham, 1979; Cain et Luoma, 1986; Fisher, 1988; Cossa, 1989; Regoli et
Orlando, 1993)

2
En effet, ces bivalves présentent des caractéristiques qui en font de bons bioindicateurs en raison de:

- leur large répartition géographique allant des régions tempérées aux régions subarticques ;

- leur mode de vie sessile et euryhalin ;

- leur faculté d’accumuler des métaux présents dans l’environnement dans un facteur de
concentration de l’ordre de 103 à 105 par rapport à l’eau environnante ;

- la stabilité de leur population ;

- leur tolérance à différents stress ;

- la possibilité de les transplanter ;

- leur consommation par l’homme donc vecteur de contamination.

C’est pourquoi les moules sont très largement utilisées dans divers programmes de surveillance visant
à établir la variabilité spatiale et temporelle des contaminants de l’environnement côtier (Phillips,
1976; Philips, 1977; Phillips, 1980; Philips et Segar, 1986; Fisher, 1988; Cossa, 1989; Wolfe, 1991;
Regoli et Orlando, 1993; Augier et al., 1994; Kaimoussi et al., 2001; Kljakovic Gaspic et al., 2002).

Le genre Mytilus, de la famille de Mytilidées (Pélécypodes) est principalement défini par la forme de
sa coquille, en particulier par son embout en position terminale. Selon Soot Ryen (1995), le genre
Mytilus comprend trois espèces: Mytilus edulis Linné, Mytilus californianus Conrad et Mytilus
crassitesta Liscke. Cet auteur fait ensuite la liste des sous-espèces parmi lesquelles Mytilus
galloprovincialis Lamarck et Mytilus edulis planutalus Lamarck, deux moules fréquemment utilisées
dans les programmes de surveillance respectivement en Méditerranée et en Océanie (Butler et al.,
1971; Daracott et Watling, 1975; Kock de, 1986; Philips et Segar, 1986; Claisse et al., 1992; Joanny et
al., 1994; Phillips et Rainbow, 1994; Rainbow, 1995; Haynes et Toohey, 1998; Amiard-Triquet et al.,
1999; Boening, 1999; Odzac et al., 2000; Besada et al., 2002; Romeo et al., 2003; Andral et al., 2004;
Fung et al., 2004; Kalpaxis et al., 2004; Rainbow et al., 2004).

Les réseaux de surveillance

Réseau National d’Observation de la qualité du milieu marin (RNO)

Le Réseau National d’Observation de la qualité du milieu marin (RNO) de l’Ifremer a été mis en place
en France par le ministère chargé de l’environnement avec pour premier objectif l’évaluation des
niveaux et des tendances de contamination et des paramètres généraux de la qualité du milieu. C’est
un réseau de type « passif » dont les premiers prélèvements ont débuté en juin 1974 et ont
essentiellement porté jusqu’en 1978 sur les eaux marines. Par la suite, se sont développés les
programmes de surveillance des contaminants dans la matière vivante, compartiment mieux adapté

3
pour répondre aux objectifs du RNO. Les organismes marins, moules et huîtres, sont alors utilisés
comme indicateurs quantitatifs de la contamination.

Ainsi, la surveillance de la contamination côtière a été effectuée dès 1979, le long des côtes françaises,
en utilisant la moule comme espèce indicatrice. Cette approche, dite de moule témoin (sentinelle), a
été utilisée pour surveiller la contamination par les métaux (Hg, Cd, Pb, Cu et Zn), les organochlorés
(DDT, DDD, DDE, lindane, etc.) et les hydrocarbures polyaromatiques. C’est en particulier 100 points
de prélèvement de mollusques visités quatre fois par an depuis 1979. La densité de la grille des
stations et la fréquence d’échantillon en font un outil remarquable, à ces égards supérieur à la plupart
des systèmes de surveillance de contamination côtière équivalents existant à l’étranger.

La base de données acquise depuis 30 ans est importante et procure une vue synoptique de la
distribution spatiale de la contamination, de même qu’elle met en évidence les évolutions temporelles
(voir rapports annuels RNO et le site internet « www.ifremer.fr/envlit ») (RNO, 1974-2004). Enfin, les
prélèvements ayant lieu quatre fois par an (au milieu de chaque trimestre), les variations saisonnières
de la teneur en contaminants sont mises en évidence (Buat-Menard et al., 1980; Thibaud et Boutier,
1988; Claisse, 1989; Claisse et al., 1992; Amiard-Triquet et al., 1999; Claisse et al., 2001).

Réseau Intégrateurs Biologiques (RINBIO)

Le Réseau INtégrateurs BIOlogiques (RINBIO), réseau de type actif, a été développé en partenariat
entre l’Ifremer, l’Agence de l’eau Rhône Méditerranée Corse (RMC) et l’Institut de Radioprotection et
de Sûreté Nucléaire (IRSN) depuis 1996. Il a pour objectif d’évaluer les niveaux de contamination
chimique et radiochimique dans chaque unité du référentiel géographique du Schéma Directeur
d’Aménagement et de Gestion des Eaux (SDAGE) du bassin Rhône Méditerranée Corse (Comité-de-
Bassin, 1995; Andral et al., 1997). Le SDAGE du bassin RMC délimite le littoral par une double
bande terrestre et marine, découpée en cinquante zones homogènes. C’est à travers ces cadres
territoriaux qu’a été conçu le Réseau Littoral Méditerranéen (RLM) pour disposer d’un dispositif
intégré de connaissance et d’évaluation de la qualité des eaux littorales à l’échelle de la façade. Parmi
les propositions opérationnelles du RLM, le premier objectif concrétisé a porté sur la connaissance du
niveau moyen de la contamination chimique, dans la zone de dilution des apports polluants affectant la
partie marine de la zone côtière (champ moyen), en utilisant un organisme biointégrateur, en
l’occurrence la moule.

Le nombre réduit de stations RNO et la faible disponibilité de gisements naturels ou cultivés de

coquillages ne permettant pas de couvrir l’ensemble des zones homogènes constituant le référentiel
géographique du SDAGE en Méditerranée. La technique spécifique de mesure de la contamination
chimique au moyen de moules en stations artificielles a été développée dans le cadre du réseau
RINBIO. Ce réseau se base sur les capacités bioaccumulatrices de la moule mais utilise la technique

4
des transplants (bioindicateurs actifs) qui combine le contrôle expérimental réalisé en laboratoire avec
le réalisme des expériences pratiquées sur le terrain (Behrens et Duedall, 1981; Phelps, 1983; Regoli et
Orlando, 1994; Haynes et al., 1995; Haynes et Toohey, 1998). Cette technique procure de nombreux
avantages. La période d’exposition est connue et les stations peuvent être sélectionnées à des endroits
où les moules naturelles sont absentes. Les mesures sont optimisées par l’utilisation d’échantillons
homogènes au regard de la population d’origine, de la taille, de l’âge et de leur environnement. Elle
permet ainsi de déployer stratégiquement des stations le long de gradients physiques et chimiques ou
de les placer près de sources potentielles de pollution, comme le sédiment ou les zones de rejet en mer,
pour en suivre l’impact (Kock de, 1983; Kock de et Van Het Groenewoud, 1985; Buestel, 1997;
Andral et Stanisiere, 1999; Odzac et al., 2000; Andral et al., 2001; Andral et al., 2004).

Les procédures et la méthodologie de traitement des données du réseau RINBIO permettent de

discriminer les facteurs physiologiques, notamment la croissance liée aux caractéristiques trophiques
du milieu et les facteurs environnementaux qui interagissent sur le signal brut de contamination
mesurée dans la moule. A l’échelle du réseau, les données sont ajustées à un individu standard et
peuvent être comparées indépendamment de l’hétérogénéité physico-chimique et trophique des sites
de stabulation.

PROBLEMATIQUE DE LA THESE
Ainsi, le suivi de la contamination côtière par les métaux, au moyen du bivalve du genre Mytilus
galloprovincialis, est de pratique courante dans de nombreux programmes de surveillance à travers le
monde. Les réseaux nationaux (RNO, RINBIO) et internationaux de surveillance de la contamination
côtière fournissent une base de données importante qu’il est intéressant d’exploiter pour mieux
comprendre le processus de bioaccumulation. Cependant, les données obtenues nous renseignent bien
sur les niveaux de bioaccumulation du milieu, sans tenir compte des différents mécanismes et
dynamiques qui y conduisent. Il y a donc un manque de connaissance quant à la signification et la
représentativité de la concentration mesurée à l’instant « t ». Résulte-t-elle d’un changement de
conditions chimiques, trophiques du milieu environnemental, d’une modification physiologique de
l’organisme, ou encore du couplage de plusieurs forçages ? En effet, la valeur de la concentration
mesurée dans l’organisme indicateur est la résultante de processus impliqués à différentes échelles: à
l’échelle du contaminant (nature du métal, taille molécule, spéciation chimique, biodisponibilité, etc.),
à l’échelle de l’organisme récepteur (propriétés membranaires, voies d’entrée, voies de sortie, cycle de
vie, filtration, nutrition, etc.) mais aussi à l’échelle de l’environnement intra et extracellulaire
(température, conditions trophiques, contamination du milieu, etc.). L’étude de la contamination se
heurte en permanence à cette complexité due à la diversité des facteurs abiotiques et biotiques mais
surtout à leurs variations et interactions dans l’espace et le temps. Ainsi, la comparaison des

5
concentrations bioaccumulées entre sites aux potentiels trophiques différents peut s’avérer biaisée du
fait de la variabilité spatiale importante des conditions du milieu (température, qualité et quantité
nutritive) entraînant de fortes différences dans les taux de croissance selon les sites, pouvant impliquer
des différences de niveaux de concentration des organismes indicateurs.

Tout programme de surveillance utilisant des transplants à une large échelle spatiale se trouve
confronté au suivi de secteurs hétérogènes du point de vue physico-chimique et trophique. En dépit
d’un protocole standardisé, la variabilité des milieux peut brouiller le signal obtenu par la mesure
directe des contaminants dans la chair du biointégrateur. Pour certains métaux, la croissance agit
comme un facteur de dilution de la quantité de contaminant incorporée, l’amaigrissement comme un
facteur de concentration. Les cinétiques de bioaccumulation peuvent varier en fonction de facteurs
énergétiques ou selon les propriétés physico-chimiques et hydrologiques du milieu. En conséquence, si
l’effet de la physiologie est négligé, la comparaison des niveaux de contamination n’est justifiée qu’à
l’intérieur de secteurs géographiques homogènes quant à leur potentiel trophique.

Ces résultats sont confirmés par les nombreux travaux, réalisés à l’échelle internationale, sur l’impact
du poids de l’organisme sur le processus de bioaccumulation et la mise en évidence de la relation
métal/poids (Boyden, 1977; Cossa et al., 1979; Cossa et al., 1980; George, 1980; Orren et al., 1980;
Boalch et al., 1981; La Touche et Mix, 1982; Crescenti et al., 1983; Fisher, 1983; Brix et Lyngby,
1984; Fisher, 1984; Soto et al., 1997; Chan, 1999; Soto et al., 2000; Arai et al., 2002; Saavedra et al.,
2003). Ainsi, pour pondérer la contamination mesurée entre secteurs trophiques différents, l’utilisation
d’index de correction par la taille ou le poids est fréquente (Simkiss et Taylor, 1981; Fisher, 1984;
Soto et al., 1995; Soto et al., 1997). Aussi, l’indice de condition (IC: rapport du poids sec de chair sur
le poids sec de coquille), indicateur de l’état physiologique, par sa corrélation avec la concentration en
contaminant permet de déterminer un modèle de correction du signal obtenu (Margus, 1985; Hariati,
1986; Okumus et Stirling, 1998; Cossa et Sanjuan, 2002; Orban et al., 2002). Ces modèles sont utilisés
pour ajuster les résultats à un individu standard et discriminer les secteurs contaminés à l’échelle du
réseau. Ils facilitent la confrontation des données ajustées à celles disponibles chez Mytilus
galloprovincialis et Mytilus edulis. Cependant cette méthode reste empirique (ajustement par
corrélations) et non fondée sur des processus physiologiques de la moule.

6
OBJECTIFS DE LA THESE
L’étude de l’interaction entre les contaminants et les barrières biologiques est donc d’un intérêt
considérable pour la compréhension des phénomènes écotoxicologiques et l’interprétation de la
bioaccumulation et des transferts à travers les chaînes trophiques. L’objet de ce travail est la
modélisation de la bioaccumulation des métaux traces chez la moule Mytilus galloprovincialis, dont le
réseau trophique est relativement simple, afin de pouvoir l’utiliser dans différentes zones où les
paramètres du milieu sont connus. L’ancrage du modèle est la Méditerranée française (golfe du Lion),
mer semi-fermée, soumise à d’importantes pressions anthropiques. Ainsi, les objectifs de la thèse
sont de:

- comprendre la signification de la concentration mesurée à l’instant t, par l’étude des cinétiques

d’accumulation et de décontamination, et le suivi de la physiologie de l’organisme et des
caractéristiques environnementales du milieu ;

- comprendre et prédéfinir les principales voies de contamination des moules, à partir de l’eau
et/ou de la nourriture, et les voies de décontamination ;

- comprendre et quantifier l’impact de l’état physiologique et des différentes étapes du cycle

biologique de l’organisme bioindicateur sur le processus de bioaccumulation: nutrition,
croissance, amaigrissement, reproduction ;

- comprendre et quantifier l’effet des variations environnementales tant chimiques (nature et

importance de la contamination du milieu, variation du partitionnement dissous/particulaire,
impact de la spéciation et de la biodisponibilité) que biologiques et environnementales
(température, conditions trophiques), qui interviennent dans le processus de contamination ;

- relier, par une méthode explicative, les concentrations dans l’organisme vivant à celles du
milieu environnant ;

- comprendre et évaluer la contamination chimique effective des sites quelles que soient les
conditions trophiques rencontrées dans le golfe du Lion, en s’affranchissant des différences
physiologiques dues au trophisme ;

- comparer les différentes stratégies de bioaccumulation des cinq métaux étudiés: métaux
régulés et non régulés.

7
STRATEGIE DE L’ETUDE
L’approche empirique et modélisatrice sont nécessaires pour comprendre et approcher la complexité
de la bioaccumulation métallique. Des études expérimentales seules ne sont pas suffisantes pour
comprendre les mécanismes d’accumulation des métaux. En effet, une étude complète de
bioaccumulation devrait inclure:
- développement d’un modèle conceptuel de bioaccumulation approprié décrivant au mieux les
cheminements d’accumulation, et non contraint par des hypothèses d’exposition constante et
d’équilibre thermodynamique. Ce modèle devrait être capable d’incorporer les facteurs
biologiques et géochimiques gouvernant l’accumulation ;
- mesures des paramètres décrits dans le modèle sous conditions contrôlées ;
- détermination de la variabilité de ces paramètres sous conditions environnementales ;
- prédiction des concentrations métalliques et comparaison de ces valeurs prédites avec les
valeurs mesurées sur le terrain ;
- analyses de sensibilité des facteurs pour identifier les processus affectant la bioaccumulation.

Pour remplir chacun de ces objectifs, conjointement aux mesures réalisées sur le terrain, la
modélisation a été utilisée comme un outil privilégié. En effet le modèle est:

- un outil de choix pour intégrer la variabilité du milieu et la diversité des processus mis en
jeu ;

- un outil de recherche qui sert à rassembler et à améliorer l’état des connaissances sur le
comportement du milieu mais qui peut également, à terme, être employé comme outil d’aide
à la décision ;

- un outil pertinent dans la validation et l’optimisation de l’utilisation des moules comme

bioindicateurs quantitatifs, en reproduisant aussi fidèlement que possible l’importance relative
des différents processus et leurs variations spatio-temporelles ;

- un outil opérationnel, si le modèle est suffisamment validé et si ses limites d’application bien
connues, qui permet de tester des modifications dans les entrées du modèle pour en prévoir les
conséquences sur le fonctionnement du système. La vision intégrée et globale du processus de
bioaccumulation, avec ses variations spatiales et temporelles, peut donner des indications
parlantes de l’évolution de la contamination côtière.

Compte tenu du propos et des objectifs du modèle, afin d’intégrer l’effet de l’état physiologique et de
la croissance de la moule sur la bioaccumulation des métaux, ainsi que l’effet des variables
environnementales (chimiques et trophiques), le modèle de bioaccumulation sera issu d’un couplage

8
entre un modèle cinétique d’accumulation avec un modèle de croissance, tous deux dépendants de
forçages environnementaux. Ainsi, en plus de traiter l’accumulation des métaux traces à partir de la
voie dissoute et particulaire des métaux, il tiendra compte de la biologie de l’individu (croissance,
ponte, alimentation, respiration) et permettra de mieux comprendre et quantifier l’effet de ces
différentes interactions Environnement - Hôte - Contaminant. En effet, pour fonctionner, le modèle de
bioaccumulation requiert la formulation d’un modèle de croissance. Les modèles écophysiologiques
permettent de restituer la croissance individuelle des filtreurs sur la base d’un bilan d’énergie
(Kooijman, 1993; Kooijman, 2000). Le taux de croissance représente la connexion entre
l’écophysiologie et la bioaccumulation. Ce type de modèle permet de pallier aux limites des modèles
empiriques développés dans le cadre d’étude: extrapolation possible à d’autres années et reproduction
plus fine du processus de croissance liée à la reconstitution des mécanismes d’allocation d’énergie
(Jorgensen, 1988; van Haren et Kooijman, 1990; Landrum et al., 1992; van Haren et Kooijman, 1993;
Wang et Fisher, 1997b; Grant et Bacher, 1998; Nisbet et al., 2000; Bendell-Young et Arifin, 2004).

ORGANISATION DU MANUSCRIT
Le manuscrit s’articule autour de six chapitres divisés en deux parties. La première partie
concerne l’étude expérimentale du processus de bioaccumulation. Elle est divisée en trois chapitres: le
premier est consacré à la présentation des généralités concernant la bioaccumulation des métaux traces
chez la moule, processus physiologique issu des interactions Métaux - Bioindicateur – Environnement
(Chapitre 1). Le second chapitre décrit la stratégie expérimentale pour laquelle nous avons opté
compte tenu des objectifs de l’étude et des perspectives de modélisation. Ainsi, les divers
prélèvements, échantillonnages et techniques analytiques sont présentés (Chapitre 2). Enfin, les
résultats acquis au cours de ces expérimentations terrains et leurs interprétations font l’objet du
troisième chapitre de résultats et discussions (Chapitre 3).

La seconde partie se concentre sur le travail de modélisation réalisé dans le cadre de cette étude. Dans
un premier chapitre est décrit les généralités concernant les modèles de bioaccumulation et les
différentes possibilités de traiter ce processus selon les objectifs d’étude (Chapitre 4). Le second
chapitre concerne particulièrement la mise en place du modèle de croissance (Chapitre 5) alors que le
troisième décrit les résultats du couplage croissance – bioaccumulation et ses applications aux réseaux
de surveillance (Chapitre 6).

9
 CHAPITRE 1

Généralités sur la bioaccumulation des métaux traces (Hg,

Cd, Pb, Cu et Zn) chez la moule (Mytilus sp.)
Chapitre 1: Généralités sur la bioaccumulation des métaux
traces (Hg, Cd, Pb, Cu et Zn) chez la moule (Mytilus sp.)

Le milieu marin, biotope particulièrement riche, est caractérisé à la fois par une remarquable stabilité de
ses propriétés fondamentales et une grande variabilité de ses microconstituants. L’eau de mer contient en
solution des combinaisons de tous les éléments chimiques mais seulement certains d’entre eux, au nombre
de douze, ont des concentrations égales ou supérieures au mg.L-1. Ces douze éléments majeurs
interviennent pour 99,4 % en masse du total de la croûte terrestre (O, Si, Al, Fe, Ca, Na, K, Mg, Ti, H, P et
Mn par ordre d’abondance). Les éléments traces, au nombre de 68, ne représentent en masse que 0,6 % du
total et sont à des concentrations inférieures à 10-6 M dans l’eau de mer (Miquel, 2001; Neff, 2002).

Ces éléments sont engagés dans des réactions biochimiques et contribuent à l’équilibre du milieu marin.
Mais l’apport de contaminants métalliques par l’intermédiaire des effluents industriels et de l’atmosphère,
des fleuves et de leur estuaire, peut modifier la composition de l’eau de mer qui peut devenir toxique pour
les plantes et les animaux.

L’étude de l’interaction entre les contaminants et les barrières biologiques est d’un intérêt considérable
pour la compréhension des phénomènes écotoxicologiques, particulièrement la bioaccumulation et les
transferts à travers les chaînes trophiques. Les processus impliqués sont très complexes et sont influencés
par le contaminant (taille molécule, spéciation chimique, etc.), l’organisme récepteur (propriétés
membranaires, composition chimique, processus actifs, etc.) et l’environnement intra et extracellulaire
(température, pH, etc.).

1 Les métaux en milieu marin

Un métal est un élément chimique, issu le plus souvent d’un minerai doté d’un éclat particulier, bon
conducteur de chaleur et d’électricité, ayant des caractéristiques de dureté et de malléabilité, se combinant
aisément avec d’autres éléments pour former des alliages utilisés par l’homme depuis l’Antiquité.

Si les métaux sont souvent indispensables au déroulement des processus biologiques (oligo-éléments),
nombre d’entre eux peuvent s’avérer contaminants pour diverses formes de vie, lorsque leur concentration
dépasse un seuil, lui-même fonction de l’état physico-chimique (spéciation) de l’élément considéré. C’est
le cas du fer (Fe), du cuivre (Cu), du zinc (Zn), du nickel (Ni), du cobalt (Co), du vanadium (V), du

10
 sélénium (Se), du molybdène (Mo), du manganèse (Mn), du chrome (Cr), de l’arsenic (As) et du titane
(Ti) (Miquel, 2001). D’autres ne sont pas nécessaires à la vie et peuvent être même préjudiciables comme
le mercure (Hg), le plomb (Pb), le cadmium (Cd) et l’antimoine (Sb) (Chiffoleau et al., 2001).
L’appellation « éléments en traces métalliques » (ETM) ou par extension « éléments traces » est
communément utilisée pour désigner les éléments métalliques naturels, caractérisés par une masse
volumique élevée, supérieure à 5 g.cm-3 (Tableau 1.1).

Tableau 1.1: Table périodique des éléments (l’encadrement indique les éléments étudiés lors de ce
travail).
IA VIIIA
1 2
1K H IIA IIIA IVA VA VIA VIIA He
3 4 5 6 7 8 9 10
2L Li Be B C N O F Ne
11 12 13 14 15 16 17 18
3M Na Mg IIIB IVB VB VIB VIIB - VIIIB - IB IIB Al Si P S Cl Ar
19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36
4N K Ca Sc Ti V Cr Mn Fe Co Ni Cu Zn Ga Ge As Se Br Kr
37 38 39 40 41 42 43 44 45 46 47 46 49 50 51 52 53 54
5O Rb Sr Y Zr Nb Mo Tc Ru Rh Pd Ag Cd In Sn Sb Te I Xe
55 56 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86
6P Cs Ba L Lu Hf Ta W Re Os Ir Pt Au Hg TI Pb Bi Po At Rn
87 88 103
7O Fr Ra A Lw
57 58 59 60 61 62 63 64 65 66 67 68 69 70
La Ce Pr Nd Pm Sm Eu Gd Tb Dy Ho Er Tm Yb
89 90 91 92 93 94 95 96 97 98 99 100 101 102
Ac Th Pa U Np Pu Am Cm Bk Cf Es Fm Md No
Hydrogène
Métaux alcalins
Métaux alcalino-terreux
Eléments de transition
Autres métaux
Non métaux
Gaz rares
Lanthanides
Actinides

Les utilisations des métaux sont multiples et très diversifiées, depuis les additifs de plomb dans les
carburants jusqu’aux sels d’argent de l’industrie photographique, au nickel ou au cadmium des batteries
d’accumulateurs, au zinc des gouttières ou au chrome des aciers inoxydables, au cuivre de l’industrie
électrique ou à l’arsenic des produits phytosanitaires. Les sources de contamination le sont par conséquent
aussi. Durant toutes les phases d’élaboration, d’utilisation et/ou de recyclage de ces produits, des métaux
sont rejetés dans l’environnement, soit directement dans les eaux continentales ou marines, soit dans
l’atmosphère transportés par les vents, associés aux aérosols avant de se déposer par voie sèche ou humide
à la surface de la terre ou de l’océan.

Ainsi, les métaux traces sont présents dans tous les compartiments de l’environnement, à la fois parce
qu’ils sont naturellement présents (sources naturelles) ou parce que certaines activités de l’homme
favorisent leur dispersion (source anthropique). Enfin, ils présentent un danger potentiel pour le

11
consommateur de produits marins du fait de leur possibilité de concentration dans les espèces marines, de
leur élimination difficile et de leur large répartition dans le milieu aquatique.

1.1 Situation générale des métaux en Méditerranée

Comme son nom l’indique, la Méditerranée est une mer semi-fermée, entourée de trois continents, les
apports atmosphériques et telluriques sont donc importants. Sa superficie est de 2,5.1012 m2, alors que son
bassin versant représente 1,8.1012 m2. Le rapport des surfaces bassin versant sur mer est donc de 0,7 alors
qu’il est de 0,3 pour l’océan mondial. Cet effet du bassin versant reste toutefois inférieur à ce que subit la
mer Noire où le rapport des surfaces respectives atteint 4,4. Dans la vingtaine de pays riverains de la
Méditerranée sont hébergés près de 400 millions d’habitants, dont 100 millions de résidents sur la zone
côtière, recevant 120 millions de visiteurs par an. En conséquence, au lessivage naturel des sols et à
l’érosion éolienne, s’ajoutent les apports (ou rejets) liés aux activités industrielles, agricoles et urbaines du
bassin versant. De plus, les apports atmosphériques, inclus dans la circulation atmosphérique, peuvent
venir de régions extérieures au bassin versant: Europe du Nord et régions sahariennes.

Les premières mesures fiables d’éléments traces, réalisées en 1983, ont montré des profils verticaux très
différents en Méditerranée de ceux mesurés dans les océans Atlantique et Pacifique (Ruiz-Pino et al.,
1990; Ruiz-Pino et al., 1990; Ruiz-Pino et al., 1991). Dans ces deux océans, pour le zinc et le cadmium,
par exemple, les profils verticaux s’apparentaient à ceux des éléments nutritifs, à savoir de très faibles
concentrations en surface et une augmentation progressive en profondeur. En Méditerranée, ces métaux
traces sont plus concentrés dans les couches supérieures que dans les couches inférieures où ils restent en
quantité relativement stable. Ces profils particuliers en Méditerranée ont été interprétés par un état non
stationnaire, les apports superficiels étant plus forts que le transfert vertical par l’activité biologique et les
mouvements hydrologiques. Cette caractéristique a permis aux chercheurs d'analyser avec plus de facilité
l'évolution de la concentration des métaux traces (mercure, cadmium, plomb, cuivre et zinc) provenant de
l'atmosphère et des rivières: dus pour l'essentiel aux activités humaines. Le tableau 1.2 ci-après présente
les statistiques sur les niveaux moyens de contamination, à l’échelle des grandes façades du littoral pour
les périodes 1979-1993 et 1993-1999 (RNO, 1974-2004).

Pour que ces statistiques soient représentatives d’un état moyen du littoral, un traitement d’élimination des
valeurs extrêmes a été nécessaire. En effet, les fortes valeurs rencontrées sur certains sites (pour le
cadmium en Gironde par exemple) peuvent fausser la représentativité de la moyenne de la façade
concernée (élimination itérative des valeurs extérieures à l’intervalle [moyenne ± 3 x écart-type]). Par

12
contre, les minima-maxima indiqués portent sur les populations totales de façon à donner une idée des
gammes de concentration effectivement rencontrées (RNO, 1974-2004).

Tableau 1.2: Données statistiques sur les concentrations de 5 métaux traces (Hg, Cd, Pb, Cu et Zn)
dans la chair de moules sur deux périodes (1979-1993, 1993-1999) (RNO, 1974-2004). Nb: nombre
d’observations. Moy.: moyenne exprimée par rapport au poids sec. Mini-max: concentrations
minimales et maximales rencontrées avant élimination des valeurs extrêmes (voir texte).
1973-1993 1993-1999
Paramètre Manche-Atlantique Méditerranée Manche-Atlantique Méditerranée
Hg (mg.kg-1) Nb. 1793 943 647 350
Moy. 0,12 0,17 0,13 0,15
Ecart-Type 0,06 0,1 0,09 0,09
Min-Max 0,01-0,83 0,02-1,24 0,01-0,7 0,03-0,66
Cd (mg.kg-1) Nb. 1868 985 649 350
Moy. 1,1 0,83 0,87 0,87
Ecart-Type 0,59 0,37 0,73 0,86
Min-Max 0,2-13 0,09-36,2 0,15-14,6 0,21-7,95
Pb (mg.kg-1) Nb. 1852 994 649 350
Moy. 2,27 3,06 1,97 2,6
Ecart-Type 1,13 2,38 1,25 2,65
Min-Max 0,15-13,7 0,1-83,2 0,5-14,6 0,1-18,8
Cu (mg.kg-1) Nb. 1862 1015 649 350
Moy. 7,2 7,1 7,08 8,49
Ecart-Type 1,5 2 1,69 11,5
Min-Max 0,9-33,9 1,3-52,2 3,7-1,6 2,3-132
Zn (mg.kg-1) Nb. 1872 1000 649 350
Moy. 93,4 154 109 147
Ecart-Type 38 55,2 65,4 53,5
Min-Max 24-546 43-615 33-391 51-373

Sur une période plus récente, la comparaison des niveaux de contamination métallique trouvés dans le
cadre des réseaux de surveillance le long du linéaire côtier français permettent d’observer les différences
entre la Méditerranée (réseau RNO: période 1991-1996 et réseau RINBIO: campagne 1998 et 2000, valeur
ajustée pour un indice de condition (IC, rapport du poids sec de chair sur le poids sec de coquille) de 0,124
mg.kg-1 p.s.), l’Atlantique et la Manche (Tableau 1.3).

13
Tableau 1.3: Comparaison des concentrations pour les 5 métaux étudiés chez les mollusques
bivalves des deux réseaux de surveillance français. Concentrations exprimées en mg.kg-1 de poids
sec de chair (RNO, 1974-2004; Andral et Stanisiere, 1999; Andral et al., 2001).

Hg (mg.kg-1) Pb (mg.kg-1) Cd (mg.kg-1) Cu (mg.kg-1) Zn (mg.kg-1)

Moy. Min-Max Moy. Min-Max Moy. Min-Max Moy. Min-Max Moy. Min-Max
RNO Méditerranée 0,1 0,03-0,6 0,9 0,03-17,3 2,62 0,1-34,6 5,9 2,3-29,7 153,3 47-371
RNO Atlantique 0,1 0,01-0,3 0,9 0,01-2,5 2,18 0,6-6,8 7,2 5-9,9 113,4 40-407
RNO Manche 0,1 0,01-0,47 1,1 0,01-6 1,61 0,4-4,9 6,7 5-9,9 79,8 30-289
RINBIO 19998 0,2 0,1-0,5 1,2 0,9-3,7 1,8 0,7-2,8 6,7 4,2-14,5 123,3 85,2-178,8
RINBIO 2000 0,1 0,05-0,34 0,9 0,1-5,85 1 0,5-5,4 7,4 5,2-18,3 148,3 116,1-203,2

Ainsi, il est à noter que les niveaux sont sensiblement du même ordre de grandeur, hormis pour les
maximums, qui se retrouvent dans tous les cas plus importants en Méditerranée (RNO Méditerranée)
qu’en Atlantique ou Manche, mettant en évidence des disparités importantes sur ce littoral. Ces « hots
spots » sont mis en évidence dans le cadre des différents réseaux de surveillance. Il s’agit de:

- la petite rade de Toulon (Balaguier) et les étangs Palavasiens pour le Hg ;

- l’Etang de Bages pour le Cd ;

- la petite rade de Toulon et de Marseille pour le Pb ;

- l’Etang de Bages et la rade de Toulon pour le Cu ;

- l’Etang de Bages et du Méjean et la station mer de Banyuls pour le Zn.

Dans cette étude, cinq métaux, suivis dans le cadre du RNO et de RINBIO seront étudiés en particulier: le
mercure, le cadmium, le plomb, le cuivre et le zinc. Pourquoi distinguer ces cinq métaux ? Pour les trois
premiers, il y a d’une part une raison historique. Les premiers biochimistes ont distingué ces trois métaux
en raison de leur affinité avec le soufre qui permettait d’identifier les protéines « qui précipitent
lourdement » ou donnent facilement des sels (sels de mercure, sels de plomb, etc.). De plus, ils se
transportent et changent de forme chimique, ils ont une conductivité électrique élevée qui expliquent leur
utilisation dans de nombreuses industries. Enfin, ils présentent une certaine toxicité pour l’homme,
entraînant notamment des lésions neurologiques plus ou moins graves. Pour compléter l’étude, le Cu et le
Zn seront aussi évoqués. En effet, contrairement aux trois précédents, ces deux métaux sont indispensables
au déroulement des processus biologiques et deviennent toxiques qu’au-delà d’un certain seuil.

14
Au niveau Méditerranéen, les teneurs de ces Résultats RNO
cinq métaux demeurent importantes et varient de façon
Comparaison des contaminants aux médianes nationales pour les trois dernières années
importante le long du littoral (Figure 1.1).

Cadmium Plomb Mercure

38093101 Les Stes Maries de la mer
38094101 Pointe St Gervais
38094106 Anse de Carteau
38094115 Cap Couronne
39096102 Pomègues ouest
39096114 Pomègues Est 400%
40100101 Toulon - Lazaret 470% 370%
40105103 Port Grimaud
41108101 Golfe de la Napoule
42117104 Ajaccio - Pte de Parata 280%
43114101 Etang de Diana
43114102 Etang d'Urbino
43116101 Sant'Amanza

0 50 100 150 200 250 0 50 100 150 200 250 0 50 100 150 200 250

% de la médiane nationale % de la médiane nationale % de la médiane nationale

(moule=0.62 mg/kg, p.s.) (moule=1.5 mg/kg, p.s.) (moule=0.11 mg/kg, p.s.)

Cuivre Zinc Lindane

38093101 Les Stes Maries de la mer
38094101 Pointe St Gervais
38094106 Anse de Carteau
38094115 Cap Couronne
39096102 Pomègues ouest
39096114 Pomègues Est
40100101 Toulon - Lazaret
40105103 Port Grimaud
41108101 Golfe de la Napoule
42117104 Ajaccio - Pte de Parata
43114101 Etang de Diana
43114102 Etang d'Urbino
43116101 Sant'Amanza

0 50 100 150 200 250 0 50 100 150 200 250 0 50 100 150 200 250

% de la médiane nationale % de la médiane nationale % de la médiane nationale

(moule=6.3 mg/kg, p.s.) (moule=114 mg/kg, p.s.) (moule=1.5 µg/kg, p.s.)

DDT + DDD + DDE CB 153 Fluoranthène

Figure 1.1: Résultats RNO: comparaison des concentrations en contaminants aux médianes
38093101 Les Stes Maries de la mer 480%
nationales pour
38094101 Pointe les trois dernières années (Bulletin
St Gervais 330% de la Surveillance, édition 2004 du laboratoire
38094106 Anse de Carteau 320%
côtier Cap CouronneAzur Corse). Concentrations exprimées en mg.kg-1 de poids sec de chair de moule.
Provence
38094115
39096102 Pomègues ouest
39096114 Pomègues Est
40100101 Toulon - Lazaret 340%
40105103 Port Grimaud
41108101 Golfe de la Napoule
42117104 Ajaccio - Pte de Parata
43114101 Etang de Diana
43114102 Etang d'Urbino
43116101 Sant'Amanza

0 50 100 150 200 250 0 50 100 150 200 250 0 50 100 150 200 250

% de la médiane nationale % de la médiane nationale % de la médiane nationale

(moule=7.36 µg/kg, p.s.) (moule=20.77 µg/kg, p.s.) (moule=14 µg/kg, p.s.)

Source/Copyright RNO MEDD-Ifremer, banque Quadrige

15
1.2 Le mercure

1.2.1 Propriétés fondamentales: physiques, chimiques et biologiques

Le mercure est un métal dont la dynamique dans l’environnement est conditionnée par trois propriétés
fondamentales: physique, par sa volatilité à température ambiante ; chimique, par la stabilité de ses
liaisons avec le carbone et le soufre ; et biologique par sa très forte bioconcentration et sa toxicité. Son
cycle biogéochimique fait intervenir des conversions d’espèces chimiques (Tableau 1.4) qui se traduisent
par des changements de phase (liquide, solide, gaz) et, en conséquence des comportements très différents
dans l’environnement. Les composés du mercure se divisent en deux classes chimiques principales: le
mercure inorganique (incluant le mercure élémentaire) et le mercure organique (incluant le
méthylmercure).

Tableau 1.4: Les principales espèces du mercure dans les eaux naturelles (Cossa et Ficht, 1999):
valence, dénomination et formule chimique.

Valence Dénomination Formule chimique

0 Mercure élémentaire Hg0

II Ion mercurique libre Hg2+
II Chlorocomplexes HgCl+, HgCl2, HgCl3-
II Hydroxocomplexes Hg(OH)+, Hg(OH)2
II Thiocomplexes HgSR, CH3HgSR
II Monométhylmercure CH3HgCl
II Diméthylmercure CH3HgCl3
II Sulfure de mercure HgS
II Séléniure de mercure HgSe
II Complexes fulviques et humiques

Liquide et volatil à température ambiante, le mercure élémentaire (Hg0) est un élément constitutif de
l’écorce terrestre. C’est le seul métal liquide à température ambiante. Aussi, en raison de ses propriétés de
partage et de gradients de concentration à l’interface air - eau, cette forme élémentaire est stable dans les
conditions naturelles et préférentiellement transférée dans l’atmosphère (Miquel, 2001). Le mercure
inorganique existe aussi à l’état naturel à la valence II. Oxydé, il forme principalement des composés
divalents. Les composés mercureux ne sont stables que dans un domaine de concentration limité ; les
réactions de précipitation ou de complexation, par des ligands anioniques, produisent toute sa dismutation
en sel mercurique. Les ions mercuriques forment des composés stables avec le carbone, l’azote, le chlore,

16
le brome, l’iode et surtout le soufre et le sélénium. Ces complexes sont des espèces chimiques abondantes
dans les milieux aqueux naturels, en particulier les chlorocomplexes dans l’eau de mer. La forme la plus
répandue dans la croûte terrestre est le sulfure de mercure (HgS) sous forme de cinabre, présentant une
solubilité très faible (Cossa et Ficht, 1999).

Le mercure se démarque des autres métaux par une forte tendance à former des liaisons covalentes plutôt
que ioniques. En particulier, sa liaison avec le carbone est très forte. Le mercure divalent peut aussi être
méthylé dans les eaux faiblement oxygénées sous forme de mono et/ou diméthylmercure. Le méthyl
mercure est particulièrement stable alors que le diméthyl, volatil, l’est beaucoup moins (Cossa et al.,
1990). La méthylation est principalement le fait des organismes, la méthyl-cobalamine agissant comme
agent méthylant, sans intervention de systèmes enzymatiques. Elle a été constatée dans les sédiments sous
l'action des micro-organismes et dans la colonne d'eau en présence de phytoplancton Dans
l'environnement, les composés méthylés ont une place particulièrement importante dans le cycle
biogéochimique. Le monométhyl mercure, CH3Hg+, ainsi formé, a une très grande faculté de
biomagnification dans les chaînes alimentaires et sa proportion augmente progressivement quand on passe
d'un échelon trophique au suivant.

1.2.2 Utilisations

Le mercure est rare dans le milieu naturel: il se trouve cependant dans les roches, parfois à des
concentrations justifiant une exploitation. Le mercure est extrait du cinabre (sulfure de mercure), par des
techniques minières classiques. Le mercure, libéré sous forme de vapeur, est recueilli par condensation.

Le mercure est utilisé par l’homme dans de multiples domaines. Il a été largement utilisé dans
l’agriculture (pesticide), comme fongicide pour les papeteries et les industries de peinture, pour le
traitement des minerais d’or et d’argent, dans l’industrie catalytique et l’électrolyse, dans les équipements
électroniques et électriques, les lampes, les explosifs, les batteries et les instruments de mesures (Boudou,
1982; Fitzgerald et Clarkson, 1991; Lindqvist, 1991).

1.2.3 Cycle et sources naturelles et anthropiques

Le mercure est dégazé ou émis vers l’atmosphère par différents processus naturels qui sont
principalement: le dégazage par les sols et la végétation (zones de dépôts géologiques riches en mercure,
minerais du cinabre), la volatilisation du mercure à partir des eaux naturelles et les émissions d’origine
volcanique (Lindqvist et Rhode, 1985; Schroeder et al., 1989; Lindqvist, 1991).

17
Le dégazage naturel de l’écorce terrestre et les activités humaines constituent les sources principales de
mercure mobilisé dans l’environnement. Le transfert du mercure s’effectue très schématiquement par
volatilisation, déposition sèche et pluie, transport fluviatile et sédimentation. La part anthropique du
mercure mobilisé à l’échelle planétaire est estimée à plus de 50 %. La contamination par le mercure est
ubiquiste en raison de sa grande mobilité et les systèmes aquatiques en sont particulièrement affectés.
Actuellement, la principale source est la réémission de mercure anthropique déposé. Les sources
ponctuelles anthropiques sont par ordre d’importance: la combustion des hydrocarbures fossiles, en
particulier le charbon, l’incinération d’ordures ménagères et hospitalières, et les procédés industriels
(fabrication de la soude caustique, métallurgie non-ferreuse, etc.). Les sources diffuses sont nombreuses:
tubes fluorescents, piles, thermomètres, peintures, gaz d’échappement des véhicules, décharges d’ordures,
certains dépôts d’armes, sols contaminés et certaines exploitations de gaz naturel (Cossa et Ficht, 1999).

Les émissions atmosphériques de mercure dues à l’activité humaine ont augmenté d’environ 4,5 fois
depuis le début du siècle dernier (Mason et al., 1994) et plus des deux tiers de la production du mercure
ont été effectués au cours du vingtième siècle. Selon Fitzgerald (1989), environ 30 à 40 % des émissions
totales annuelles du mercure dans l’atmosphère sont d’origine anthropique (Fitzgerald et Watras, 1989).
Les estimations de Mason et al. (1994) sont beaucoup plus sévères: c’est de 70 à 80 % des émissions
actuelles vers l’atmosphère qui sont estimées être d’origine anthropique. L’augmentation des émissions
anthropiques de mercure a entraîné depuis le siècle dernier une augmentation d’un facteur trois des
concentrations en Hg dans l’atmosphère et les eaux de surface de l’océan.

1.2.4 Propriétés biologiques et toxicité

Le mercure est le seul élément métallique dont l’introduction dans le milieu marin par l’activité humaine
ait entraîné la mort d’hommes. Quarante huit décès, sept cents paralysés et plusieurs milliers d’individus
atteints ont en effet été recensés suite au déversement de cent cinquante tonnes de mercure dans la baie de
Minamata, au sud du japon, au cours des années cinquante et soixante. Cette maladie tragique fut le
résultat de l’ingestion, par des pécheurs et leur famille, de poissons contaminés par un dérivé neurotoxique
du mercure, le méthyl-mercure.
La toxicité aiguë du mercure (introduit sous forme inorganique) pour les mollusques varie de 5 µg.L-1 à
plus de 5000 µg.L-1. Elle varie en outre avec la température et la salinité du milieu: elle augmente
généralement avec la température et à faible salinité (Marchand et Kantin, 1997). Les larves et les
embryons figurent parmi les plus sensibles. Le mercure est donc considéré comme un élément
extrêmement toxique pour la vie aquatique puisque les doses létales les plus basses sont inférieures à 10

18
µg.L-1 à certains stades du développement d’espèces déjà constatées comme très sensibles (GESAMP,
1997). Les concentrations sans effet sont inférieures à 1 µg.L-1.
Pour des teneurs inférieures à 10 µg.L-1, différents effets sublétaux peuvent se manifester comme une
perturbation de la respiration, un retard de croissance et des effets sur la reproduction. Les effets
histopathologiques relevés concernent surtout les branchies et le système digestif des organismes marins.
Ils sont observés pour des concentrations supérieures à 100 µg.L-1 et des durées de contamination
relativement longues. Il est donc normal que les taux de mercure soient contrôlés. En France, le Conseil
supérieur de l’hygiène publique (CSHP) propose une norme de tolérance de 0,7 mg.kg-1 (poids humide)
chez les poissons en bout de chaîne alimentaire (dont le thon) et de 0,5 mg.kg-1 (poids humide) pour les
autres produits de la pêche. (Marchand et Kantin, 1997). Le Règlement (CE) n° 466/2001 fixe les
quantités maximales de certains contaminants: nitrates, aflatoxines, plomb, cadmium, mercure,
monocloro-propane-1, 2 diol (3-MCPD), dioxines, ochratocine A, patuline et l'étain inorganique. La
fixation de teneurs maximales pour certains contaminants vise à réduire la présence de ces contaminants
dans certaines denrées alimentaires aux niveaux les plus faibles que permettent raisonnablement de bonnes
pratiques de fabrication ou agricoles, afin d'obtenir un niveau élevé de protection de la santé publique, en
particulier pour les groupes sensibles de la population: enfants, personnes allergiques, etc. (Règlement
(CE) n° 221/2002, mise à jour de l'annexe concernant les teneurs maximales en métaux lourds)
(http://www.admi.net/eur/loi/leg_euro/fr_301R0466.html).

1.2.5 Le mercure en méditerranée française

Les niveaux de concentration rencontrés dans les mollusques prélevés le long de la côte méditerranéenne
française dans le cadre du RNO (Figure 1.1), sont élevés et supérieurs à la médiane nationale pour les
secteurs de Toulon Lazaret (3,7 fois la moyenne nationale) et dans une moindre mesure de Pomègues (2
fois la médiane nationale). Elles restent inférieures au seuil réglementaire de 1 mg.kg-1 (p.h). Il n’apparaît
pas de tendance nette à la décroissance des niveaux, en particulier pour les secteurs présentant les plus
fortes contaminations (Tableau 1.2).

En ce qui concerne les résultats de RINBIO, les ordres de grandeur sont les mêmes que ceux observés par
le RNO (Tableau 1.3 et Figure 1.2 et 1.3). Le niveau moyen se situe en dessous de 0,1 mg.kg-1 (p.s.) avec
des niveaux très importants dans le complexe des étangs Palavasiens (maximum atteint dans l’étang de
Vic: 0,34 mg.kg-1 p.s.). A un degré moindre, un pic relatif (0,16 mg.kg-1 p.s.) est observé dans l’étang de
Lapalme. Pour les stations mer, la station de Balaguier présente un pic important (0,25 mg.kg-1 p.s.) qui
témoigne d’une contamination par le mercure de la petite rade de Toulon. Le secteur de Fos-Marseille fait
état de niveaux moins significatifs.

19
Figure 1.2: Stations du réseau de surveillance RINBIO (campagne 2000).

20
 [Hg] mesurée (mg.kg-1 p.s)

0,00
0,05
0,10
0,15
0,20
0,25
0,30
0,35
0,40

Ban yuls (01A)

Por t-V endres (01B)
Arg eles (0 2A)
Canet plages (02B)
Bar car es (02 C)
Por t la nouvelle (07A )
Fleury (07B)
Valr as Ou est (07D)
Valr as Est (0 7D)
Agd e ( 07C)
Marseillan (08 A)
Sète (08B )
Frontignan (1 0A)
Pala vas (10C)
Gr au du roi (10B)
Stes Mar ies (15 A)
Emb Rhône (15B )
Carteau (16C)
Pon tea u ( 16B)
Carry (18A)
Marseille Nord (19A)
Marseille Sud (19 B)
Cortiou (20A)
Cassis (20B)
La Ciotat (21 A)
Ban dol-San ary (2 1B)
Sicie (21C)
St Ma ndrier (22 A)
Toulon Gd ra de (22B)
Toulon Pte rade (22 C)
Gie ns (23 A)
Hyè res O uest (23B )
Hyè res Est ( 23B)
Por t-Cros (23C)
Lavand ou (24A)
Cavalaire (24B )
Pampe lone (25A)
St Tro pez (2 6A)
Frejus Ouest (2 7A)
Fréjus Est (27B)
Cannes Ouest ( 28A)
Cannes Est (28B )
Antibes (29A)
Emb du Var (29 D)
Apt Nice (29B )
Nice (2 9C)
Bea ulieu (30B)
Menton (30A )

Stations
Por tocciolo (31B)
Bastia Sud (32A)
Emb Golu (3 2C)
Fium A lto (32 B)
AlistroO (34A )
Tavignano (34 C)
Fium O rbu (34B )
Sole nza ra (34D)
Cavu ( 38A)
Por to Vecchio (39A)
San ta Amanza (40A )
Bon ifaccio (41A)
Figari (42A )
Pro priano (43 B)
Ajaccio Sud (44A)
Ajaccio Nor d ( 44B)
Sag one No rd (45A)
Cargese (45B )
Por to (46 A)
Ga leria (47A)
Calvi (4 8A)
Ile Rou sse (48B)
Liscu ( 49A)
St Flor ent (5 0A)
Fium A lbino (50C)
Nonza (50B)
Pino (5 1A)
Centuri (51B)
Etg Leucate (04B)
Etg Lapalme (05 A)
Etg Bages Sud (06C)
Etg Bages No rd (06C)
Etg Ayrolle (06A)
Etg Th au Sud (09A)
Etg Th au Nor d ( 09B)
Etg de Vic (1 1A)
Etg Prevost( 11B)
Etg In grill (11C)
Etg Mejean (12A )
21
de poids sec de chair de moules mesurées le long des stations de surveillance. En bleu les stations en mer, en vert les stations lagunaires.
Figure 1.3:Contamination par le mercure du littoral méditerranéen français (Réseau RINBIO,campagne 2000). Concentrations en mg.kg-1

Etg Ponan t (13A )

Etg Berre (1 7A)
Etg Ur bino (35A)
Etg Dia na (37A)
1.3 Le cadmium

1.3.1 Propriétés fondamentales

Le cadmium a une grande résistance à la corrosion ; son point de fusion est bas ; il a une bonne
conductivité de l’électricité ; ses produits dérivés ont une bonne résistance aux fortes températures ; il
présente des caractéristiques chimiques proches de celles du calcium, en particulier le rayon ionique,
facilitant ainsi sa pénétration dans les organismes (Borchardt, 1985).

Le cadmium est un élément rencontré en milieu aquatique sous diverses formes physiques (dissoute,
colloïdale, particulaire) et chimiques (minérale ou organique). Un ensemble de variables physico-
chimiques du milieu (salinité, pH, potentiel redox, caractéristiques sédimentologiques, nature
géochimique des particules, concentration en chlorures) gouvernent les transformations du cadmium dans
l’environnement (Gonzalez et al., 1999; Chiffoleau et al., 2001). La distinction entre les trois formes
dissoutes, colloïdales et particulaires (Tableau 1.5) se fait par filtration et ultrafiltration, dont les seuils
sont fixés arbitrairement en fonction de leur taille :

- les formes dissoutes (< 1 nm) de cet élément en milieu aquatique sont des espèces libres (Cd2+) et
formées par des associations (complexation) de cadmium avec des composés (ligands ou complexant)
minéraux ou organiques. Contrairement au mercure, l’ion libre du cadmium se trouve majoritairement
dans le milieu. Ainsi, à pH=8, la quasi-totalité du cadmium est présent sous forme Cd2+. Plus la salinité
augmente, plus la concentration en Cd2+ diminue (Campbell, 1995). Pour des pH supérieurs à 8, le
cadmium précipite avec les carbonates. En zone côtière, lors du mélange des eaux douces avec l’eau de
mer, le cadmium forme des complexes très stables avec les chlorures: les chloro-complexes (CdCl2,
CdCl+, CdCl3- et CdCl42-). Pour des salinités faibles, c’est l’espèce CdCl+ qui domine, alors qu’en milieu
marin, c’est CdCl2 qui est majoritaire (Cossa et Lassus, 1989).

- les formes colloïdales (de 450 à 1 nm) lorsqu’il se fixe à des oxydes de fer, de manganèse, des
hydroxydes, des carbonates, des argiles ou de la matière organique colloïdale.

- les formes particulaires (> 0,45 µm) se font par intégration du cadmium dans la structure cristalline de
minéraux détritiques (bruit de fond géochimique), par liaison à une fraction d’origine organique
(carbonates, restes d’organismes, pelotes fécales), par précipitation avec différents fractions minérales
(carbonates, phosphates, oxydes et hydroxydes de fer ou de manganèse, sulfures) et par adsorption sur des
phases de différentes natures (argiles, matière organique, oxydes et hydroxydes de fer et de
manganèse)(Gonzalez et al., 1999).

22
Tableau 1.5: Distribution selon la taille de quelques espèces chimiques du cadmium dans les eaux
naturelles (Cossa et Lassus, 1989).
Solution vraie - Ions libres
- Complexes inorganiques
- Complexes organiques
Ex: Cd2+, CdCl+
Colloïdes - Colloïdes minéraux
- Complexes organiques de PM élevé
- Métal adsorbé
Ex: CdCO3, CdS, Cd-Ac. Humiques, Cd adsorbé sur des hydroxydes
Particulaires - Précipités inorganiques et organiques
- Organismes vivants
Ex: Cd adsorbé sur particules, Cd adsorbé par les organismes

1.3.2 Utilisations

Le cadmium est naturellement présent à l’état de traces dans les roches superficielles de l’écorce terrestre,
ce qui en fait un élément plus rare que le mercure et le zinc. Il y a deux origines principales de présence de
cadmium:

- le cadmium primaire est principalement associé au zinc dans les minerais de zinc (blende) (0,01 à
0,05%) et donc sous-produit de la métallurgie du zinc qui donne en moyenne 3 kg de cadmium par tonne
de zinc. Le cadmium est également présent dans des minerais de plomb et de cuivre ainsi que dans des
phosphates naturels (Jordanie, Tunisie). Les usages de cadmium se situent principalement en électricité
(accumulateurs), en électronique, en métallurgie (traitement des surfaces par cadmiage) et dans l’industrie
des matières plastiques (stabilisateur de polymères) (Ramade, 1992).

- le cadmium secondaire est produit par recyclage (accumulateurs Ni/Cd, alliages Cu/Cd, poussières
d’aciéries, incinération d’ordures ménagères) représentant des causes de pollution de l’environnement. A
l’image du mercure, les combustions des dérivés fossiles du carbone introduisent également ce métal dans
l’atmosphère (combustion produits pétroliers et charbon). Aussi, le transport de ce polluant peut couvrir
de grandes distances.

1.3.3 Cycle et sources naturelles et anthropiques

Le cadmium rejeté dans l’atmosphère provient de sources naturelles et anthropiques. Le cadmium présent
dans la croûte terrestre peut être dispersé dans l’air par entraînement de particules provenant du sol et par
les éruptions volcaniques. Cependant, les activités industrielles telles que le raffinage des métaux non
ferreux, la combustion du charbon et des produits pétroliers, les incinérateurs d’ordures ménagères et la
métallurgie de l’acier constituent les principales sources de rejet atmosphérique. Dans l’eau, le cadmium

23
provient de l’érosion naturelle, du lessivage des sols (engrais phosphatés) ainsi que des décharges
industrielles et du traitement des effluents industriels et des mines.

1.3.4 Propriétés biologiques et toxicité

Contrairement à de nombreux métaux, le cadmium n’a aucun rôle métabolique connu et ne semble pas
biologiquement essentiel ou bénéfique au métabolisme des êtres vivants. Il remplace parfois le Zn dans
des systèmes enzymatiques carencés en Zn chez le plancton (Price et Morel, 1990; Lane et Morel, 2000).

Le cadmium présente des risques chez le consommateur. Même à de faibles concentrations, il tend à
s’accumuler dans le cortex rénal sur de très longues périodes (50 ans) où il entraîne une perte anormale de
protéines par les urines (protéinurie) et provoque des dysfonctionnements urinaires chez les personnes
âgées. Chez l’homme, le phénomène de toxicité aiguë est connu depuis 1950 sous le nom de syndrome
d’Itai-Itai défini par l’association d’une insuffisance rénale avec ostéoporose (déminéralisation et
fragilisation des os) et ostéomalacie (déminéralisation et déformation des os). Son nom provient des cris
poussés par les malades, riziculteurs âgés de 40 à 60 ans, du bassin de la rivière Jintsu au Japon,
intoxiqués par l’eau de boisson et la consommation de riz contaminés par les rejets d’une usine de métaux
non ferreux.

Le JECFA (Joint Expert Comittee for Food Additives) comité mixte FAO/OMS, a recommandé chez
l’homme une dose hebdomadaire tolérable (DHT) de 7 µg de cadmium par kilogramme de poids corporel
et par semaine. Il faut noter que, outre la boisson et la nourriture, le tabagisme est une source importante
de cadmium notée dans toutes les études épidémiologiques. De la même façon que pour le mercure, le
règlement (CE) n° 466/2001 fixe les quantités maximales de cadmium dans les denrées alimentaires (1
mg.kg-1 poids humide). Cependant, il ne présente pas de toxicité aiguë pour les organismes marins à des
concentrations susceptibles d’être rencontrées dans le milieu. Au niveau sublétal 1, des concentrations de
0,05 à 1,2 µg.L-1 peuvent provoquer des effets physiologiques (anomalies dans le développement
embryonnaire et larvaire chez mollusques bivalves) et des inhibitions de croissance (Chiffoleau et al.,
2001).

1
Effets sublétaux: qui ne provoquent pas la mort des individus mais des dysfonctionnement métaboliques ou
physiologiques.

24
1.3.5 Le cadmium en méditerranée française

Les concentrations dans les mollusques mesurées dans le cadre du RNO sont dans l’ensemble voisines de
la médiane nationale et inférieures au seuil réglementaire de 1 mg.kg-1 (p.h.) (Tableau 1.2). Les secteurs
de Ajaccio (Pointe de la Parata) présentent des concentrations relativement élevées (2,8 fois la médiane
nationale). La tendance générale est à la décroissance des concentrations, particulièrement visibles sur le
secteur de delta du Rhône. Les niveaux RINBIO 2000 sont du même ordre de grandeur que les moyennes
RNO observées en Méditerranée (Tableau 1.3 et Figure 1.4). Les niveaux sont équivalents en mer ouverte
et en lagune, à l’exception de la lagune de Bages qui atteint des concentrations de 5,82 mg.kg-1 (p.s.). Ces
niveaux sont plus élevés qu’en 1998. Les teneurs sont supérieures au nouveau seuil de 1 mg.kg-1 poids
humide fixé par le règlement CE n° 466-2001 concernant les teneurs maximales pour certains
contaminants dans les denrées alimentaires, confirmant l’interdiction de commercialisation en vigueur.

25
 [Cd] mesurée (mg.kg-1 p.s)

0,00
1,00
2,00
3,00
4,00
5,00
6,00
7,00
8,00

Ban yuls (01A)

Por t-V endres (01B)
Arg eles (0 2A)

lagunaires.
Canet plages (02B)
Bar car es (02 C)
Por t la nouvelle (07A )
Fleury (07B)
Valr as Ou est (07D)
Valr as Est (0 7D)
Agd e ( 07C)
Marseillan (08 A)
Sète (08B )
Frontignan (1 0A)
Pala vas (10C)
Gr au du roi (10B)
Stes Mar ies (15 A)
Emb Rhône (15B )
Carteau (16C)
Pon tea u ( 16B)
Carry (18A)
Marseille Nord (19A)
Marseille Sud (19 B)
Cortiou (20A)
Cassis (20B)
La Ciotat (21 A)
Ban dol-San ary (2 1B)
Sicie (21C)
St Ma ndrier (22 A)
Toulon Gd ra de (22B)
Toulon Pte rade (22 C)
Gie ns (23 A)
Hyè res O uest (23B )
Hyè res Est ( 23B)
Por t-Cros (23C)
Lavand ou (24A)
Cavalaire (24B )
Pampe lone (25A)
St Tro pez (2 6A)
Frejus Ouest (2 7A)
Fréjus Est (27B)
Cannes Ouest ( 28A)
Cannes Est (28B )
Antibes (29A)
Emb du Var (29 D)
Apt Nice (29B )
Nice (2 9C)
Bea ulieu (30B)
Menton (30A )

Stations
Por tocciolo (31B)
Bastia Sud (32A)
Emb Golu (3 2C)
Fium A lto (32 B)
AlistroO (34A )
Tavignano (34 C)
Fium O rbu (34B )
Sole nza ra (34D)
Cavu ( 38A)
Por to Vecchio (39A)
San ta Amanza (40A )
Bon ifaccio (41A)
Figari (42A )
Pro priano (43 B)
Ajaccio Sud (44A)
Ajaccio Nor d ( 44B)
Sag one No rd (45A)
Cargese (45B )
Por to (46 A)
Ga leria (47A)
Calvi (4 8A)
Ile Rou sse (48B)
Liscu ( 49A)
St Flor ent (5 0A)
Fium A lbino (50C)
Nonza (50B)
Pino (5 1A)
Centuri (51B)
Etg Leucate (04B)
Etg Lapalme (05 A)
Etg Bages Sud (06C)
Etg Bages No rd (06C)
Etg Ayrolle (06A)
Etg Th au Sud (09A)
Etg Th au Nor d ( 09B)
Etg de Vic (1 1A)
Etg Prevost( 11B)
Etg In grill (11C)
Figure 1.4: Contamination par le cadmium du littoral méditerranéen français (Réseau RINBIO, campagne 2000). Concentrations en
mg.kg-1 de poids sec de chair de moules mesurées le long des stations de surveillance. En bleu les stations en mer, en vert les stations

26

Etg Mejean (12A )

Etg Ponan t (13A )
Etg Berre (1 7A)
Etg Ur bino (35A)
Etg Dia na (37A)
1.4 Le plomb

1.4.1 Propriétés fondamentales

Le plomb existe sous trois formes essentielles: le plomb dissous, le plomb colloïdal et le plomb
particulaire:

- Sous forme dissoute, les espèces dominantes dans l’eau de mer sont PbCO3, PbCl2 ou PbCl+. Cette
répartition ne prend pas en compte la matière organique dissoute et le fait que le plomb, dans l’eau de mer,
se trouverait essentiellement sous forme de complexes organiques labiles. De même que pour le mercure,
le plomb peut-être méthylé par les bactéries dans les sédiments, mais ce phénomène revêt une moindre
importance.

- Aussi, le plomb présente une forte affinité pour la matière particulaire. A peine 10 % du plomb se trouve
sous cette forme dans l’océan. L’adsorption du plomb sur la matière particulaire est fonction du pH et
augmente avec ce dernier.

1.4.2 Utilisations

Le plomb est très souvent associé au zinc dans les minerais mais aussi à de nombreux autres éléments: Fe,
Cu, Cd, Bi, Sb, Ge, As, Ag, Au qui sont en grande partie (sauf Fe) récupérés lors des opérations
métallurgiques. Les minerais mixtes Pb-Zn représentent 70 % de la production minière de plomb, les
minerais de plomb en représentent 20 %, et 10 % de la production de plomb proviennent d’une
coproduction lors du traitement du minerais de cuivre, de zinc ou d’autres métaux. Le principal minerai du
plomb est la galène (PbS) très souvent associé à la blende et à la pyrite (Chiffoleau et al., 2001).

L’utilisation du plomb est directement liée à la métallurgie. Avec deux pics notables: sous l’empire
romain pour la production de la monnaie, les canalisations et la vaisselle ; et pendant la révolution
industrielle pour l’industrie, l’imprimerie, les peintures et les carburants automobiles. Cette dernière
utilisation qui consistait à ajouter du plomb à l’essence comme antidétonant est aujourd’hui prohibée
(Miquel, 2001). Depuis décembre 1991, il n’y a plus de production minière en France. Par contre, plus de
90 % du plomb utilisé dans les batteries sont récupérés.

1.4.3 Cycle et sources naturelles et anthropiques

Dans l’air, les émissions de plomb provenant de poussières volcaniques véhiculées par le vent sont
reconnues d’importance mineure. Les rejets atmosphériques sont principalement anthropiques.

27
De nombreux auteurs ont mis en évidence une augmentation d’un facteur 20, au cours des deux derniers
siècles, des concentrations en plomb dans les glaces polaires ayant intégré la retombée atmosphérique
(Murozumi et al., 1969; Boutron et Patterson, 1983). Cette augmentation est en relation avec
l’accroissement des émissions anthropiques. Les apports de plomb à l’océan se font majoritairement par
voie atmosphérique, la source principale étant encore à l’heure actuelle la combustion des carburants
automobiles. Les teneurs dans les eaux côtières sont à peine plus élevées qu’en zone océanique à cause de
l’ampleur de l’enlèvement dans les zones où les concentrations en matières en suspension sont fortes. Des
eaux côtières, dont les teneurs sont inférieures à 50 ng.L-1 peuvent être considérées comme non
contaminées. Dans les sédiments, le plomb peut être remis en solution par dégradation aérobie de la
matière organique particulaire à laquelle il est associé. Cette solubilisation s’observe également en sub-
surface par dissolution des oxydes de fer et de manganèse (Marchand et Kantin, 1997).

1.4.4 Propriétés biologiques et toxicité

Les doses létales du plomb, sous la forme de sel minéral, sont souvent supérieures à sa limite de solubilité
dans l’eau de mer, c’est à dire 4 mg.L-1. Le plomb inorganique peut donc être considéré comme toxique
(concentration létale de 1 à 10 mg.L-1) ou modérément toxique (concentration létale de 10 à 100 mg.L-1).
Les teneurs létales en plomb tétralkylé sont en revanche beaucoup plus faibles: les CL50 96 heures sont en
effet généralement inférieures à 1 mg.L-1, c’est à dire que cette forme va de très toxique à extrêmement
toxique (Marchand et Kantin, 1997). Le seuil de qualité sanitaire réglementaire est de 1,5 mg.kg-1 (p.h) du
règlement européen CE 221/2002.

Des effets sur la croissance de certaines espèces phytoplanctoniques ont été enregistrés à partir de 0,5
µg.L1. Les invertébrés marins aux stades embryonnaires sont plus sensibles que les adultes. Ainsi, la
concentration inhibitrice du développement embryonnaire de la moule (Mytilus galloprovincialis) est
d’environ 500 µg.L-1 ; de plus, à cette concentration, un grand nombre de larves sont anormales. L’effet
toxique du plomb peut se traduire par une compétition avec des métaux essentiels. Chez la moule, Mytilus
edulis, en présence de plomb (0,1 mg.L-1), il y a perturbation du métabolisme des autres métaux divalents:
notamment le calcium, le magnésium et le cuivre (Marchand et Kantin, 1997). Enfin, le saturnisme
désigne l’ensemble des manifestations de l’intoxication humaine par le plomb. Ses principaux organes
cibles sont le système nerveux, les reins et le sang. Cette maladie se caractérise par une anémie et une
perturbation du métabolisme par compétition avec les ions Ca2+.

28
1.4.5 Le plomb en méditerranée française

Les concentrations rencontrées dans les mollusques du RNO (Tableau 1.2) révèlent un niveau de
contamination souvent élevé sur le littoral PACA-Corse, en particulier sur les secteurs de Toulon-Lazaret
(4,7 fois la médiane nationale) et de Marseille-Pomègues (4 fois la médiane nationale). Le seuil de qualité
sanitaire réglementaire de 1,5 mg.kg-1 (p.h) du règlement européen CE 221/2002 apparaît souvent dépassé
sur ces secteurs. La tendance générale est à la décroissance, nette sur le secteur du delta du Rhône (Saintes
Marie de la Mer) mais elle reste faible sur les deux secteurs présentant les plus fortes contaminations.

A l’échelle du réseau, les niveaux RINBIO sont dans l’ensemble inférieurs aux moyennes observées par le
RNO (Tableau 1.3 et Figure 1.5). Les valeurs extrêmes se situent uniquement dans la rade de Toulon
(5,4mg.kg-1 p.s.) et à un degré moindre à Marseille. Les lagunes, à l’exception de Méjean présentent des
niveaux plus faibles que les stations mer.

29
 [Pb] mesurée (mg.kg-1 p.s)

0,00
1,00
2,00
3,00
4,00
5,00
6,00
7,00

Ban yuls (01A)

Por t-V endres (01B)
Arg eles (0 2A)
Canet plages (02B)
Bar car es (02 C)
Por t la nouvelle (07A )
Fleury (07B)
Valr as Ou est (07D)
Valr as Est (0 7D)
Agd e ( 07C)
Marseillan (08 A)
Sète (08B )
Frontignan (1 0A)
Pala vas (10C)
Gr au du roi (10B)
Stes Mar ies (15 A)
Emb Rhône (15B )
Carteau (16C)
Pon tea u ( 16B)
Carry (18A)
Marseille Nord (19A)
Marseille Sud (19 B)
Cortiou (20A)
Cassis (20B)
La Ciotat (21 A)
Ban dol-San ary (2 1B)
Sicie (21C)
St Ma ndrier (22 A)
Toulon Gd ra de (22B)
Toulon Pte rade (22 C)
Gie ns (23 A)
Hyè res O uest (23B )
Hyè res Est ( 23B)
Por t-Cros (23C)
Lavand ou (24A)
Cavalaire (24B )
Pampe lone (25A)
St Tro pez (2 6A)
Frejus Ouest (2 7A)
Fréjus Est (27B)
Cannes Ouest ( 28A)
Cannes Est (28B )
Antibes (29A)
Emb du Var (29 D)
Apt Nice (29B )
Nice (2 9C)
Bea ulieu (30B)
Menton (30A )

Stations
Por tocciolo (31B)
Bastia Sud (32A)
Emb Golu (3 2C)
Fium A lto (32 B)
AlistroO (34A )
Tavignano (34 C)
Fium O rbu (34B )
Sole nza ra (34D)
Cavu ( 38A)
Por to Vecchio (39A)
San ta Amanza (40A )
Bon ifaccio (41A)
Figari (42A )
Pro priano (43 B)
Ajaccio Sud (44A)
Ajaccio Nor d ( 44B)
Sag one No rd (45A)
Cargese (45B )
Por to (46 A)
Ga leria (47A)
Calvi (4 8A)
Ile Rou sse (48B)
Liscu ( 49A)
St Flor ent (5 0A)
Fium A lbino (50C)
Nonza (50B)
Pino (5 1A)
Centuri (51B)
Etg Leucate (04B)
Etg Lapalme (05 A)
Etg Bages Sud (06C)
Etg Bages No rd (06C)
Etg Ayrolle (06A)
Etg Th au Sud (09A)
Etg Th au Nor d ( 09B)
Etg de Vic (1 1A)
Etg Prevost( 11B)
Etg In grill (11C)
Etg Mejean (12A )
30
de poids sec de chair de moules mesurées le long des stations de surveillance. En bleu les stations en mer, en vert les stations lagunaires.
Figure 1.5: Contamination par le plomb du littoral méditerranéen français (Réseau RINBIO, campagne 2000). Concentrations en mg.kg-1

Etg Ponan t (13A )

Etg Berre (1 7A)
Etg Ur bino (35A)
Etg Dia na (37A)
1.5 Le cuivre

1.5.1 Propriétés fondamentales

Le cuivre est indispensable au métabolisme des êtres vivants (oligo-éléments).

L’ion Cu2+ forme de nombreux complexes stables avec des ligands minéraux, comme les chlorures ou
l’ammonium, ou avec des ligands organiques (ATSDR, 1990; Dameron et Howe, 1998). Dans les milieux
aqueux, le comportement du cuivre est influencé par de nombreux processus:

- complexation avec des ligands organiques (surtout sur les groupes -NH2 et -SH, et dans une moindre
mesure sur le groupe -OH) ou minéraux,

- adsorption sur des oxydes métalliques, des argiles ou des matières organiques particulaires,

- bioaccumulation, présence de cations de compétition (Ca2+, Fe2+, Mg2+), présence des sels (OH-, S2-,
PO43-, CO32-),

- échange entre les sédiments et l’eau (ATSDR, 1990; Dameron et Howe, 1998).

L’oxyde cuivreux Cu2O est insoluble dans l’eau alors que les formes CuSO4, Cu(OH)2 et CuCl2 le sont. La
majorité du cuivre rejeté dans l’eau est sous forme particulaire et tend à se déposer, à précipiter ou à
s’adsorber à la matière organique, au fer hydraté, aux oxydes de manganèse ou aux argiles. Dans l’eau, le
cuivre particulaire représenterait de 40 à 90 % du cuivre (ATSDR, 1990). Après introduction du cuivre
dans le milieu aquatique, l’équilibre chimique est généralement atteint en 24 heures.

1.5.2 Utilisations

Le cuivre existe à l’état natif et est extrait d’une grande variété de minerais. Il se rencontre surtout sous
forme de sulfures CuS et Cu2S dans la tétrahédrite et l’énargite, et sous forme d’oxydes. Le minerai le plus
important est la chalcopyrite. La teneur en cuivre dans les minerais varie de 0,5 à 5 %. Elle est de 0,01 %
dans les roches volcaniques et de 0,0055 % dans les roches cristallines. Le cuivre est principalement
produit par broyage de minerais sulfurés, enrichissement par flottation ou par lessivage acide des minerais
oxydés suivi d’une fusion et d’un raffinage électrolytique ou thermique.

Le cuivre est l’un des métaux les plus employés à cause de ses propriétés physiques et de sa conductibilité
électrique et thermique. Il est utilisé dans la métallurgie, dans la fabrication des alliages de bronze (avec
étain), de laiton (avec zinc) ou de joaillerie (avec or et argent). Il est très largement employé dans la
fabrication de matériels électriques (fils, enroulements de moteurs, transformeurs), dans la plomberie,
dans les équipements industriels, dans l’automobile et en chaudronnerie.

31
L’acétate de cuivre est utilisé comme catalyseur, notamment dans la fabrication de caoutchouc, comme
pigments pour les céramiques et les teintures, comme fongicide et comme insecticide. Le chlorure
cuivrique est employé comme catalyseur, agent désodorisant, désulfurant ou purifiant, fixateurs pour la
photographie. Il est utilisé pour la production de couleurs dans les compositions pyrotechniques ou encore
pour la conservation du bois et le raffinage des métaux. Aussi, le sulfate de cuivre anhydre est utilisé en
analyse pour la détection et l’élimination de traces d’eau provenant des alcools. La forme hydratée est
utilisée comme fongicide agricole, bactéricide et herbicides. Il entre dans la composition de la bouillie
bordelaise utilisée pour le traitement des vignes.

1.5.3 Cycle et sources naturelles et anthropiques

Le cuivre est présent dans l’environnement de manière ubiquiste. Sa concentration dans l’écorce terrestre
est estimée à environ 70 mg.kg-1. Le transport par le vent des poussières de sol, les éruptions volcaniques,
les décompositions végétales, les feux de forêts et les aérosols marins constituent les principales sources
naturelles d’exposition. Les principales sources anthropiques sont l’industrie du cuivre et des métaux en
général, l’industrie du bois, l’incinération de ordures ménagères, la combustion de charbon, d’huile et
d’essence et la fabrication de fertilisants (phosphate). Le milieu environnemental le plus exposé au cuivre
est le sol: 97 % du cuivre libéré dans l’environnement s’y retrouve contre seulement 3 % dans les eaux et
0,04 % dans l’air (ATSDR, 1990). La contamination des sols est due principalement aux scories
d’extraction et de broyage des minerais de cuivre, les boues des usines de traitement des eaux usées, les
déchets de la galvanoplastie, l’industrie du fer et de l’acier. Dans les eaux, le cuivre provient pour la
majeure partie de l’érosion des sols par les cours d’eau (68 %), de la contamination par le sulfate de cuivre
(13 %) et des rejets d’eaux usées qui contiennent encore du cuivre, même après traitement.

La viticulture, principale monoculture dans la région méditerranéenne constitue une source potentielle de
pollution métallique. Divers fongicides à base de cuivre sont, par exemple, largement utilisés pour
protéger la vigne. De surcroît, en zone Méditerranéenne, l'importance du ruissellement et de l'érosion sont
susceptibles d'accroître les transferts vers les eaux superficielles des produits phytosanitaires issus du
traitement de la vigne, le cuivre inclus. Par conséquent, ce métal, connu pour son effet fongicide sur les
végétaux, se retrouve présent dans l’écosystème aquatique récepteur et peut être à l’origine de
perturbations au niveau des populations phytoplanctoniques.

32
1.5.4 Propriétés biologiques et toxicité

Le cuivre est un élément essentiel chez l’homme et l’animal. Il est impliqué dans de nombreuses voies
métaboliques, notamment pour la formation d’hémoglobine et la maturation des polynucléaires
neutrophiles. De plus, il est un cofacteur spécifique de nombreuses enzymes et métalloprotéines de
structure intervenant dans un métabolisme oxydatif, la respiration cellulaire, la pigmentation (OMS-IPCS,
1998). Il a une importance capitale dans l’entretien des processus biologiques. Chez les mollusques, le
sang renferme un pigment respiratoire à base de cuivre, l’hémocyanine.

La toxicité vis à vis des organismes marins dépend de la forme chimique du cuivre et de son état
d’oxydation. En particulier, la concentration létale en 48 h pour 50 % des larves d’huîtres plates serait de 1
à 3 µg.L-1 et des inhibitions de croissance du phytoplancton se produisent à partir de 4 µg.L-1.

Les caractéristiques physico-chimiques du milieu (pH, dureté, teneurs en autres inorganiques) agissent sur
le degré de dissociation entre les formes métalliques et ioniques. Le cuivre complexé est moins toxique
que le cuivre à l’état ionique.

1.5.5 Le cuivre en méditerranée française

Les niveaux de concentration dans les mollusques du réseau RINBIO sont sensiblement comparables aux
moyennes RNO observées en Méditerranée (Tableau 1.3). Une forte homogénéité des données (Figure
1.6) est constatée autour d’une valeur moyenne de 4 mg.kg-1 (p.s.) à l’exception de plusieurs stations
lagunaires (Bages Nord: 9,3 mg.kg-1 p.s.) et de la rade de Toulon (6,5 mg.kg-1 p.s.).

33
 [Cu] mesurée (mg.kg-1 p.s)

0,00
2,00
4,00
6,00
8,00
10,00
12,00

Ban yuls (01A)

Por t-V endres (01B)
Arg eles (0 2A)
Canet plages (02B)
Bar car es (02 C)
Por t la nouvelle (07A )
Fleury (07B)
Valr as Ou est (07D)
Valr as Est (0 7D)
Agd e ( 07C)
Marseillan (08 A)
Sète (08B )
Frontignan (1 0A)
Pala vas (10C)
Gr au du roi (10B)
Stes Mar ies (15 A)
Emb Rhône (15B )
Carteau (16C)
Pon tea u ( 16B)
Carry (18A)
Marseille Nord (19A)
Marseille Sud (19 B)
Cortiou (20A)
Cassis (20B)
La Ciotat (21 A)
Ban dol-San ary (2 1B)
Sicie (21C)
St Ma ndrier (22 A)
Toulon Gd ra de (22B)
Toulon Pte rade (22 C)
Gie ns (23 A)
Hyè res O uest (23B )
Hyè res Est ( 23B)
Por t-Cros (23C)
Lavand ou (24A)
Cavalaire (24B )
Pampe lone (25A)
St Tro pez (2 6A)
Frejus Ouest (2 7A)
Fréjus Est (27B)
Cannes Ouest ( 28A)
Cannes Est (28B )
Antibes (29A)
Emb du Var (29 D)
Apt Nice (29B )
Nice (2 9C)
Bea ulieu (30B)
Menton (30A )

Stations
Por tocciolo (31B)
Bastia Sud (32A)
Emb Golu (3 2C)
Fium A lto (32 B)
AlistroO (34A )
Tavignano (34 C)
Fium O rbu (34B )
Sole nza ra (34D)
Cavu ( 38A)
Por to Vecchio (39A)
San ta Amanza (40A )
Bon ifaccio (41A)
Figari (42A )
Pro priano (43 B)
Ajaccio Sud (44A)
Ajaccio Nor d ( 44B)
Sag one No rd (45A)
Cargese (45B )
Por to (46 A)
Ga leria (47A)
Calvi (4 8A)
Ile Rou sse (48B)
Liscu ( 49A)
St Flor ent (5 0A)
Fium A lbino (50C)
Nonza (50B)
Pino (5 1A)
Centuri (51B)
Etg Leucate (04B)
Etg Lapalme (05 A)
Etg Bages Sud (06C)
Etg Bages No rd (06C)
Etg Ayrolle (06A)
Etg Th au Sud (09A)
Etg Th au Nor d ( 09B)
Etg de Vic (1 1A)
Etg Prevost( 11B)
Etg In grill (11C)
Etg Mejean (12A )
34
de poids sec de chair de moules mesurées le long des stations de surveillance. En bleu les stations en mer, en vert les stations lagunaires.
Figure 1.6: Contamination par le cuivre du littoral méditerranéen français (Réseau RINBIO, campagne 2000). Concentrations en mg.kg-1

Etg Ponan t (13A )

Etg Berre (1 7A)
Etg Ur bino (35A)
Etg Dia na (37A)
1.6 Le zinc

1.6.1 Propriétés fondamentales

Le zinc est indispensable au métabolisme des êtres vivants (oligo-éléments) ; en particulier comme co-
enzyme. Le zinc existe dans l’eau de mer sous diverses formes: ion hydraté (Zn(H2O)2+n), zinc complexé
par les ligands organiques (acides fulviques et humiques) et zinc adsorbé sur de la matière solide.

1.6.2 Utilisations

Le zinc est présent dans l’écorce terrestre, souvent associé au plomb et au cadmium dans les minerais,
avec une teneur variant de 4 à 20 %. Le minerai principal est la blende, sulfure de zinc (ZnS). Il est
produit principalement suivant un procédé hydrométallurgique ou encore pyrométallurgique.

Le zinc est principalement utilisé pour les revêtements de protection des métaux contre la corrosion
(galvanoplastie, métallisation, traitement par immersion). Il entre dans la composition de divers alliages
(laiton, bronze, alliages légers). Il est utilisé dans la construction immobilière, les équipements pour
l’automobile, les chemins de fer et dans la fabrication de produits laminés ou formés. Il constitue un
intermédiaire dans la fabrication d’autres composés et sert d’agent réducteur en chimie organique et de
réactif en chimie analytique.

1.6.3 Cycle et sources naturelles et anthropiques

Le zinc principalement sous forme de sulfure (blende) est assez uniformément distribué dans les roches
magmatiques (40 à 120 mg.kg-1). Sa concentration est un peu plus élevée dans les sédiments argileux (80 à
120 mg.kg-1) et les schistes alors qu’elle est plus faible dans les roches mères sableuses.

Il entre naturellement dans l’atmosphère à partir du transport par le vent de particules du sol, des éruptions
volcaniques, des feux de forêts et d’émission d’aérosols marins.

Les apports anthropiques de zinc dans l’environnement résultent des sources minières industrielles
(traitement minerai, raffinages, galvanisation du fer, gouttières de toitures, piles électriques, pigments,
matières plastiques, caoutchouc), des épandages agricoles (alimentation animaux, lisiers) et des activités
urbaines (trafic routier, incinération ordures). Dans les zones portuaires, le zinc est introduit à partir de la
dissolution des anodes destinées à la protection des coques de bateaux contre la corrosion, et est contenu
dans certaines peintures antisalissures.

35
1.6.4 Propriétés biologiques et toxicité

Comme le cuivre, le zinc est un métal essentiel, nécessaire, à la vie d’un grand nombre d’organismes, en
quantité généralement faible. Le zinc est l’un des oligo-éléments les plus abondants chez l’homme
(besoins 15 mg.jour-1). Il intervient au niveau de la croissance, du développement osseux et cérébral, de la
reproduction, du développement fœtal, du goût et de l’odorat, des fonctions immunitaires et de la
cicatrisation des blessures (NAS/NRC, 1989). Sa toxicité pour les organismes aquatiques n’en fait pas un
contaminant prioritaire, bien qu’il s’agisse, à de fortes concentrations, sur la reproduction des huîtres et la
croissance des larves.

1.6.5 Le zinc en méditerranée française

Les niveaux dans les mollusques rencontrés en PACA sur le réseau RNO (Tableau 1.2), sont dans
l’ensemble supérieurs à la médiane nationale (114 mg.kg-1 p.s.). Les secteurs à dominante portuaire (golfe
de Marseille, Toulon-Lazaret, Port Grimaud et Ajaccio) présentent les teneurs les plus élevées. Aucune
tendance n’est observée.

Les niveaux mesurés dans le cadre de RINBIO sont sensiblement du même ordre de grandeur que la
moyenne RNO (Tableau 1.3 et Figure 1.7). Le niveau moyen de contamination se situe autour de 150
mg.kg-1 (p.s.) avec trois valeurs élevées dans les étangs de Bages (199,3 mg.kg-1 p.s.), du Méjean
(183mg.kg-1 p.s.) et dans la station-mer de Banyuls (190,6 mg.kg-1 p.s.).

36
 [Zn] mesurée (mg.kg-1 p.s)

0,00
100,00
150,00
200,00
250,00
300,00
350,00
400,00

50,00
Ban yuls (01A)
Por t-V endres (01B)
Arg eles (0 2A)
Canet plages (02B)
Bar car es (02 C)
Por t la nouvelle (07A )
Fleury (07B)
Valr as Ou est (07D)
Valr as Est (0 7D)
Agd e ( 07C)
Marseillan (08 A)
Sète (08B )
Frontignan (1 0A)
Pala vas (10C)
Gr au du roi (10B)
Stes Mar ies (15 A)
Emb Rhône (15B )
Carteau (16C)
Pon tea u ( 16B)
Carry (18A)
Marseille Nord (19A)
Marseille Sud (19 B)
Cortiou (20A)
Cassis (20B)
La Ciotat (21 A)
Ban dol-San ary (2 1B)
Sicie (21C)
St Ma ndrier (22 A)
Toulon Gd ra de (22B)
Toulon Pte rade (22 C)
Gie ns (23 A)
Hyè res O uest (23B )
Hyè res Est ( 23B)
Por t-Cros (23C)
Lavand ou (24A)
Cavalaire (24B )
Pampe lone (25A)
St Tro pez (2 6A)
Frejus Ouest (2 7A)
Fréjus Est (27B)
Cannes Ouest ( 28A)
Cannes Est (28B )
Antibes (29A)
Emb du Var (29 D)
Apt Nice (29B )
Nice (2 9C)
Bea ulieu (30B)
Menton (30A )

Stations
Por tocciolo (31B)
Bastia Sud (32A)
Emb Golu (3 2C)
Fium A lto (32 B)
AlistroO (34A )
Tavignano (34 C)
Fium O rbu (34B )
Sole nza ra (34D)
Cavu ( 38A)
Por to Vecchio (39A)
San ta Amanza (40A )
Bon ifaccio (41A)
Figari (42A )
Pro priano (43 B)
Ajaccio Sud (44A)
Ajaccio Nor d ( 44B)
Sag one No rd (45A)
Cargese (45B )
Por to (46 A)
Ga leria (47A)
Calvi (4 8A)
Ile Rou sse (48B)
Liscu ( 49A)
St Flor ent (5 0A)
Fium A lbino (50C)
Nonza (50B)
Pino (5 1A)
Centuri (51B)
Etg Leucate (04B)
Etg Lapalme (05 A)
Etg Bages Sud (06C)
Etg Bages No rd (06C)
Etg Ayrolle (06A)
Etg Th au Sud (09A)
Etg Th au Nor d ( 09B)
Etg de Vic (1 1A)
Etg Prevost( 11B)
Etg In grill (11C)
Etg Mejean (12A )
poids sec de chair de moules mesurées le long des stations de surveillance. En bleu les stations en mer, en vert les stations lagunaires.

37
Figure 1.7: Contamination par le zinc du littoral méditerranéen français (Réseau RINBIO, campagne 2000). Concentrations en mg.kg-1 de

Etg Ponan t (13A )

Etg Berre (1 7A)
Etg Ur bino (35A)
Etg Dia na (37A)
 1.7 Réglementations, arrêtés
Du fait de la gravité des effets des métaux sur la santé et des contaminations dans l’environnement, des
réglementations ont été adoptées, à tous niveaux, visant à limiter les émissions ou réduire les usages
(Tableau 1.6).
Tableau 1.6: Valeurs sanitaires et environnementales utilisées pour la population générale et
concentration sans effet prévisible pour l’environnement (PNEC: Previsible Non Effect
Concentration). Pour les PNEC Inéris, la date de la dernière mise à jour de la fiche est pour le Hg
(4/12/2003), le Cd (22/01/2004), le Pb (03/12/2003), le Zn (8/12/2003) et le Cu (18/03/2004). Ces fiches
suivent les évaluations des risques en cours et pour certaines les propositions doivent être revisitées.
Mercure Cadmium Plomb Zinc Cuivre
Valeurs Date décret Valeurs Valeurs Valeurs Valeurs Date décret
-1
Qualité des France 1 µg.L 07/03/91 5 µg.L-1 10 µg.L-1 Non 2 mg.L-1 20/12/01
eaux de concerné
consommation UE 1 µg.L-1 03/11/98 5 µg.L-1 10 µg.L-1 Non 2 mg.L-1 03/11/98
concerné
OMS 1 µg.L-1 1996 3 µg.L-1 10 µg.L-1 3 mg.L-1 1 mg.L-1 1996
-3 -1
Qualité de France 0,5 µg.m .an 15/01/02
l'air UE 0,5 µg.m-3.an-1 22/04/99
OMS 0,5 µg.m-3.an-1 2000 5 ng.m-3 0,5 µg.m-3.an-1 Non Non concerné 2000
inorg concerné
Valeurs Sang 5-10 µg.L-1 OMS 90-91 10-30 µg.L-1 7,7-23 800-1200 OMS
moyennes µmol.L-1 µg.L-1 1996/2000
dans les Urine 4 µg.L-1 OMS 90-91 0,15-1,2 30-60 µg.L-1
milieux mg.jour-1
biologiques Cheveux 1-2 mg.kg-1 OMS 90-91 8,9 mg.g-1
Placenta 10 mg.kg-1 OMS 90-91 50µg.kg-1.jour-1
Concentration Eau douce 0,24-0,01µg.L-1 Hg inorg- 0,17 µg.L-1 5 µg.L-1 8,6 µg.L-1 1,6 µg.L-1 PNEC
sans effet org extrapolation extrapolation Inéris
prévisible Eau marine 0,24-0,01µg.L-1 Hg inorg- 56-85ng.L-1 5,4 µg.L-1 8,6 µg.L-1 0,8 µg.L-1 Fiche
pour org dernière
extrapolation extrapolation
environnement mise à jour
Sédiment 9,3 –1,1 mg.kg-1 Hg inorg- 6,8mg.kg-1 0,8 mg.kg-1
Propositions décembre
org
Ineris 2003
Sol 27-23µg.kg-1 Hg inorg- 12mg.kg-1 21 mg.kg-1 2,7 mg.kg-1ps
org
Prédateurs 25 µg.kg-1 Hg 160 µg.kg-1 1 mg.kg-1 5,7 mg.kg-1
nourriture organique nourriture nourriture nourriture
(p.frais) (p.frais) (p.frais) (p.frais)
Seuils Mollusques 2,5 mg.kg-1 CE 5 mg.kg-1 7,5 mg.kg-1 CE
Denrées p.sec 266/2001 (p.sec) (p.sec) 266/2001
alimentaires Poissons 0,5 à 1 mg.kg-1 CE 0,05 à 0,01 0,2 à 0,4 CE
p.frais 266/2001 mg.kg-1 mg.kg-1 266/2001
(p.frais) (p.frais)

38
Remarque: Les valeurs de PNEC dans le biota ou PNEC prédateurs donnent une concentration à ne pas
dépasser dans les proies des organismes supérieurs (poissons, oiseaux, mammifères) afin d’éviter un
empoisement secondaire de la chaîne trophique.

L’ensemble forme un écheveau particulièrement complexe composé de:

- quatre niveaux de réglementation: national (avec 4 niveaux internes: lois, décrets, arrêtés, circulaires),
communautaire (règlements, directives et décisions européennes), international (conventions
internationales type convention Marpol) et mondial (recommandations de OMS).
- quatre types d’intervention ou de « normes » plus ou moins rigoureuses: « valeurs » ou « teneurs
limites », « valeurs guides », « objectifs » ou « recommandations ». Il est à noter que ce qui est
communément appelé « norme » n’est en réalité le plus souvent qu’une recommandation ou une valeur
objectif, une exigence devant être satisfaite à un moment donné. D’un point de vue réglementaire, la
norme est la seule à avoir une valeur légale et doit être suivie. C’est ce qui fait sa force par rapport aux
objectifs ou valeurs guides qui ne sont que des recommandations. La valeur contraignante que l’opinion
donne à ces dernières vient d’avantage de l’autorité qui les signe que de leur contenu. En exemple,
OSPAR propose des recommandations de seuils de qualité qui peuvent ou non être suivies pour
différentes substances dangeureuses alors que la DCE va imposer des normes qui devront être suivies. De
plus, les autorités sanitaires suivent, avec attention, les concentrations en métaux lourds des fruits de mer et
établissent des limites maximales de consommation. En France, les dispositions réglementaires, qui suivent
une recommandation du CSHPF, ont été prévues par l’arrêté du 2 juillet 1996 2, qui précise, dans son article
11, « les coquillages ne doivent pas contenir de contaminant microbiologique ou chimique en quantités
telles qu’ils puissent présenter un risque de toxicité pour le consommateur. La contamination moyenne,
exprimée en kilogramme de chair humide de coquillage ne doit pas excéder 0,5 mg de mercure total, 2 mg
de cadmium et 2 mg de plomb ».
Pour la gestion et la préservation de la qualité de l’eau dans les Etats membres de l’Europe, la directive
2000/60/CE du Parlement européen et du Conseil du 23 octobre 2000 établit un cadre pour une politique
communautaire dans le domaine de l’eau. C’est l’aboutissement d’un processus législatif européen. Elle
apporte des modifications majeures tant dans la méthode que dans l’ambition:
- La directive-cadre encadre et reprend les dispositions des directives existantes sur l’eau, ainsi que les
conventions internationales, souvent déterminantes en matière environnementale (convention OSPAR sur les
apports à la mer, (OSPAR, 2000)).
- La politique de l’eau est vue dans une acceptation large et concerne tous les types d’eaux .

2
Arrêté du 2 juillet 1996 (JO du 19 juillet 1996) fixant les critères sanitaires auxquels doivent satisfaire les
coquillages vivants destinés à la consommation humaine immédiate.

39
 - Les objectifs de qualité sont établis par « masse d’eau », correspondant à un volume dont les
caractéristiques sont communes et sur lesquelles les pressions urbaines, agricoles ou industrielles sont
homogènes.
- L’objectif est donc l’écologie des milieux. Jusqu’à présent - type loi 1964-, les objectifs correspondent à
des usages en vigueur (pour être apte à fabriquer de l’eau potable ou apte à la baignade, l’eau devait avoir
telles ou telles caractéristiques). Il s’agit d’une conception radicalement nouvelle par rapport aux objectifs
antérieurs. L’objectif de qualité est de parvenir d’ici 2015 à un bon état écologique et chimique pour les eaux
de surface 3. Le « bon état » est apprécié à partir de paramètres et de seuils quantifiés et mesurables.
- La stratégie de lute contre la pollution chimique des eaux (article 16) se concentre autour de 33 substances
(ou groupe de substances) considérées comme prioritaires, dont 14 le sont aussi dans le cadre des travaux de
la convention OSPAR. Pour chacune de ces substances, des normes de qualité environnementales (NQE)
doivent être établies sur la base de critères écotoxicologiques et selon une procédure d’évaluation des effets
telle qu’elle est décrite dans le guide méthodologique européen d’évaluation du risque chimique (TGD). Le
tableau 1.7 ci-dessous résume plusieurs points clés de la Directive cadre sur l’Eau et le tableau 1.8
récapitule les différentes normes de qualité provisoires environnementales pour le Hg, le Cd et le Pb.

Tableau 1.7: Points clés de la DCE (Marchand et al., 2004).

Article 4 - … parvenir à un bon état des eaux de surface en 2015, conformément aux dispositions de
Objectifs l’annexe V.
environnementaux - … réduction ou suppression des substances prioritaires, conformément à l’article 16 § 1 et 8.
Article 11 - « mesures de base »
Programmes de - « mesures complémentaires »
mesures
Article 16 - fixation d’une liste de substances prioritaires
Stratégie de lutte contre - programme de réduction, arrêt ou suspension des rejets des substances prioritaires
la pollution de l’eau - fixation des normes de qualité environnementale par la Commission (t+2 ans) ou par les Etats-
membres en cas d’absence d’accord communautaire (t+5 ans)
Article 20 - les annexes I et III et le § 1.3.6. de l’annexe V peuvent être adaptés au progrès scientifique et
Adaptation techniques technique
de la Directive
Annexe V - 1.2.3. & 1.2.4.: définitions normatives des classifications de l’état écologique « très bon », « bon »
et « moyen » des eaux de transition et des eaux côtières
- 1.2.6.: procédure à suivre pour l’établissement des normes de qualité chimique
- 1.3.: surveillance de l’état écologique et de l’état chimique des eaux de surface: contrôle de

3
Eaux de surface: rivières, lacs, eaux de transition, eaux côtières, masses d’eau fortement modifiées ou artificielles.

40
 surveillance, contrôles opérationnels, contrôles d’enquête, fréquence des contrôles
- 1.3.6.: normes pour le contrôle des éléments de qualité (paramètres physico-chimiques, toute
norme CEN/ISO pertinente
- 1.4.3.: présentation des résultats des contrôles et classification de l’état chimique (bon, pas bon)
Annexe VIII - liste indicative des principaux polluants
Annexe IX - valeurs limites d’émission et normes de qualité environnementale (Directives Hg, Cd, HCH,
substances dangereuses)
Annexe X - liste des substances prioritaires

Tableau 1.8: Récapitulatif des normes de qualités environnementale (NQE) pour trois des substances
étudiés (Hg, Pb et Cd). Comparaison entre valeurs proposées par la DCE (eaux transition et côtières),
la Commission Européenne (Fraunhofer Institute) (tous milieux aquatiques), le SEQ-Eau (eau douce)
et la cellule ARC 4 (eaux transition et eaux côtières).
Substance DCE Fraunhofer Institute (FHI) SEQ-Eau
Eaux de Eaux douces Eaux de MAC-QS NQE Biota Eaux douces
transition transition
et eaux côtières et eaux côtières
-1
Cadmium 0,21µg.L f. de [CaCo3] 0,21 µg.L-1 f. de [CaCo3] 8,3 µg.kg-1 f. de [CaCo3]
-1 -1
Dir. 83/153/CEE (40-100) 80 ng.L (dissous) (40-100) 450 ng.L nourriture (<50) 10 ng.L-1
(100-200) 150 ng.L-1 (100-200) 890 ng.L-1 (p.frais) (50-200) 40 ng.L-1
(>200) 250 ng.L-1 (>200) 1480 ng.L-1 (>200) 90 ng.L-1
Plomb 0,4 µg.L-1 430 ng.L-1 (dissous) 430 ng.L-1 1,6 µg.L-1 160 µg.kg-1 f. de [CaCo3]
(dissous) nourriture (<50) 2100 ng.L-1
(p.frais) (50-200) 5200 ng.L-1
(>200) 10000 ng.L-1
Mercure En discussion 36 ng.L-1 36 ng.L-1 0,07 µg.L-1 0,3 µg.kg-1 70 ng.L-1
82/176/CEE, 84/156/CEE (inorganique) (inorganique) (inorganique) nourriture
(p.frais)

Remarque: Toutes les normes de qualité proposées pour les métaux dans l’eau sont des concentrations
dites ajoutées, auxquelles il faut ajouter la concentration dite de fond ou naturelle (différentes du niveau
ambiant). Cela est en cours d’être accepté par tous les membres.

4
Les propositions de la cellule arc s’inscrivent à l’heure actuelle sur les propositions du FHI pour les NQE, à
l’exception du mercure pour lequel une valeur de l’eau pour tenir compte de l’empoisement secondaire a été
proposé en lien avec D.Cossa. En discussion.

41
2 Processus physiologiques de bioaccumulation des métaux: exemple de la moule.

2.1 Définitions

La bioaccumulation est le processus par lequel un organisme vivant absorbe une substance à une vitesse
plus grande que celle avec laquelle il l’excrète ou la métabolise. Elle désigne donc la somme des
absorptions d’un élément par voie directe et alimentaire par les espèces animales aquatiques ou terrestres
(Ramade, 1992).

Face à la complexité et l’immensité des problèmes écotoxicologiques, il semble impératif de s’occuper

séparément des mécanismes d’accumulation et du transfert des contaminants. Les termes de transfert et
d’accumulation sont fortement liés. Le premier représente un changement d’état du second. Les transferts
représentent le flux de contaminants entre les différents compartiments abiotiques et biotiques et
l’accumulation représente la quantité stockée dans chacun des compartiments. La bioaccumulation est
donc le résultat des processus par lesquels le contaminant entre dans l’organisme et des processus de
décontamination, une combinaison des mécanismes d’excrétion vers l’environnement et de
biotransformation endogène (Ribeyre et Boudou, 1989).

La bioconcentration est un cas particulier de bioaccumulation. Elle est définie comme le processus par
lequel une substance (ou un élément) se trouve présent dans un organisme vivant à une concentration
supérieure à celle de son milieu environnant. C’est donc l’accroissement direct de la concentration d’un
contaminant lorsqu’il passe de l’eau à un organisme aquatique. Le facteur de concentration (FBC) peut
être défini comme une constante issue du rapport de la concentration d’un élément dans un organisme en
état d’équilibre à sa concentration dans le biotope (Veith et al., 1979; Ramade, 1992).

La bioamplification est le processus par lequel le prédateur concentre une substance (ou un élément) à un
niveau supérieur à celui où il se trouve dans la proie.

Ainsi, le concept de bioaccumulation résulte de la balance nette des processus de capture, de stockage et
d’excrétion d’une substance dans un organisme, due à une exposition dans l’eau, la nourriture, le sédiment
et l’air (Neff, 2002). La bioaccumulation, phénomène capital au niveau de l’organisme, est exprimée par
la différence entre la quantité de métaux qui pénètre au travers des barrières biologiques et celle qui est
éliminée vers le milieu extérieur (processus d’excrétion). Pénétration, stockage dans les organes cibles et
élimination seront sous la dépendance des facteurs abiotiques du milieu, de la nature du contaminant et
des caractéristiques physiologiques et biochimiques de l’organisme ou de l’espèce considérée.

42
2.2 Mécanisme de capture des métaux

Pendant tout processus physiologique d’échange avec le milieu environnant, les molécules exogènes
pénètrent à travers les barrières biologiques séparant l’environnement interne de l’organisme du milieu
externe. Quand la contamination se fait, ces barrières (cutanées et respiratoires pour la contamination
directe, et intestinale pour la contamination trophique) montrent des propriétés biologiques liées à leur
structure et aux conditions physico-chimiques de l’environnement (température, pH, électrolytes, etc.). La
membrane plasmique est la structure primaire impliquée dans ces processus (Luoma, 1983).

Les métaux traces sont piégés par les organismes aquatiques par deux voies principales, à partir de l’eau
(voie directe) et à partir de la nourriture (voie trophique). La pénétration des métaux traces nécessite donc
le franchissement de structures biologiques spécifiques comme le revêtement extérieur et surtout
l’épithélium branchial pour les contaminants présents dans l’eau, et l’ensemble du tractus digestif pour les
métaux associés aux particules ou contenus dans les proies ingérées. Toutes ces voies sont possibles pour
un même métal et leur importance relative est fonction de la forme chimique sous laquelle le métal est
dans le milieu. C’est la coexistence de ces mécanismes et la dynamique de la spéciation qui rend si
complexe la notion de biodisponibilité.

Les caractéristiques de l’interface Environnement - Organisme ont une influence importante sur la forme
métallique accumulée. Cette interface est une membrane lipidique, non polaire, imprégnée de molécules
qui vont intervenir dans le transport de substances polaires essentielles à travers la membrane.

2.2.1 Capture des métaux en solution

Les organismes aquatiques baignent dans des solutions où les concentrations en métaux traces varient du
ng.L-1 dans l’océan ouvert, à des niveaux approchant le µg.L-1 dans les zones côtières.

La capture, par la surface perméable, de beaucoup de ces métaux traces en solution se fait généralement
par diffusion passive ne requièrant aucune dépense d’énergie (Luoma, 1983; Phillips et Rainbow, 1994;
Anandraj et al., 2002). Ainsi, les formes métalliques liposolubles ou à polarité réduite (ex. HgCl2,
CH3HgCl, etc.), peuvent traverser la membrane via la diffusion. Cette diffusion passive peut être facilitée
(diffusion par gradients de concentration, déplacement dans un champ électrique, présence de solvants,
transport par canaux spécifiques aux cations essentiels) en utilisant des protéines de transports associées à
la membrane (Figure 1.8).

43
 M L2 + 2 H + M 2+ + 2 HL

Diffusion passive
facilitée (canal,etc.)
Diffusion
passive sous M L2
forme ML2

Figure 1.8: Schéma représentatif des deux types de transport de métaux en solution.

Les processus digestifs jouent aussi un rôle important dans la détermination de capture à partir de la
nourriture et de l’eau ingérée (Tran et al., 2002). Le clivage enzymatique des protéines pourrait faciliter
l’assimilation si les métaux sont transportés avec les acides aminés. Le pH est probablement le facteur le
plus important dans le tractus digestif.

La concentration de l’ion libre métallique a une grande importance dans le contrôle de la capture
métallique à partir des solutions. Le métal sous forme d’ion libre a été proposé comme l’espèce métallique
dissoute la plus biodisponible (Campbell, 1995). Ce modèle a été mis en place au début des années 80 par
Morel et a été appliqué avec succès pour interpréter la toxicité du métal. Ainsi, le transport de Hg2+, Cd2+
et Pb2+ passerait par la voie d’un canal protéique non spécifique sur la membrane cellulaire (Figure 1.9).
Plusieurs études en laboratoire suggèrent que dans le milieu aquatique, l’assimilation est proportionnelle à
la concentration en ion libre (M2+) et non à la concentration totale du métal en solution. Ce modèle a été
décrit en détail par Campbell, le validant par de nombreuses expériences en terrain. Chez les mollusques
bivalves, le modèle de l’ion libre a été utilisé de façon très probante en particulier dans le cas du cadmium
(Tessier et al., 1993). La majorité des ions ne traversent les membranes plasmatiques hydrophobes que
grâce à un ligand transporteur. Une fois dans la cellule, le métal sera capté par un autre ligand afin de
prévenir sa diffusion vers l’extérieur. Ces différents ligands constituent un système de « piégeage
cinétique » dont l’efficacité dépend de l’importance de leur synthèse et de la force de liaison avec le métal
(Simkiss et al., 1982; Simkiss et Taylor, 1995). Le transport dans la cellule et dans les organes de stockage
se fait par déplacement, par affinités successives (jusqu’au puits cinétique ou jusqu’à l’excrétion). La
vitesse d’assimilation sera fonction de la réaction la plus lente (réaction limitante), qui est souvent le
transfert intracellulaire. Ainsi, le modèle de l’ion libre (FIAM, Free Ion Activity Model) traduit
l’interaction d’un métal (MeZ+) chez un organisme en trois étapes successives: advection/diffusion du
métal à l’équilibre dans la solution « baignant » l’interface entre la membrane biologique et le milieu
d’exposition (1), réaction de complexation avec un site de surface (2), transport à travers la membrane (3).

44
 Couche de Couche de Solution
Membrane plasmique
mucus diffusion
+ -
+

ML ML ML
Milieu -
intracellulaire - K3
+ -
- +

-
+

- K1 K1
X-M Lz-
- --
+
+
-+

- -+ +

PE PS
-
K2
PS
-
M Z+ M Z+ M Z+
PE

Figure 1.9: Schéma récapitulatif du modèle de l’ion libre (d’après Campbell, 1995) (k1, k2 et k3
vitesses de réaction).

La prise en compte d’hypothèses supplémentaires (modèles dérivés du modèle de l’ion libre comme le
modèle du ligand biologique BLM- ou la théorie du récepteur biologique BRT) permet de prendre en
compte le fait que la biodisponibilité du métal décroît selon deux processus: par diminution de l’activité
de l’ion libre en solution induisant une diminution de la fixation de métal sur les sites biologiques
récepteurs ; par augmentation de la concentration en ions compétiteurs et donc en diminuant la quantité de
métal lié aux sites récepteurs.
Limites d'application du modèle de l'ion libre
Une augmentation importante de la toxicité de certains métaux (Cd, Zn) en présence de métabolites de
poids moléculaire faible (ex. le citrate), a été identifiée, ainsi que le mécanisme responsable de cette
toxicité accrue (prise en charge "accidentelle"; "piggy-back" transport) (Campbell, 1995; Errecalde et al.,
1998).
De plus, la découverte de l'implication de complexes de surface ternaires ("mixed-ligand" ou "ternary"
surface complexes) dans la réponse biologique à l'aluminium constitue une exception plutôt subtile au
modèle de l'ion libre, mais il est potentiellement lourd de conséquences en écotoxicologie. En effet, s'il
peut être généralisé à des métaux autres que l'Al, on ne pourra plus prétendre pouvoir prédire la réponse
biologique à un métal en fonction uniquement de l'activité de l'ion métallique libre (Wilkinson et al.,
1990; Wilkinson et al., 1993).
Aussi, le modèle de l’ion libre ne tient pas compte du rôle tensioactif de la matière organique dissoute
naturelle. La matière organique naturelle des eaux naturelles peut se concentrer non seulement à des
surfaces inorganiques (ex. argiles, oxydes de fer), mais également à des surfaces d'organismes vivants (ex.

45
surfaces cellulaires). Le premier phénomène est reconnu depuis plus de 15 ans, mais le second,
l'interaction des acides humiques et fulviques naturels avec des surfaces cellulaires, n'a pas été apprécié
(Parent et al., 1996; Campbell et al., 1997; Roy et Campbell, 1997). Cette dernière interaction pourrait
avoir des conséquences importantes en écologie et toxicologie aquatiques (ex. une protection accrue vis-à-
vis des métaux toxiques).
Enfin, le potentiel de la métallothionéine a été évalué comme biomarqueur d'exposition à des métaux
toxiques, notamment pour le Cd, et comme biomarqueur d'effets délétères provoqués par ces métaux.
Réalisées sur un mollusque d'eau douce choisi comme organisme biosentinelle prometteur, ces recherches
montrent que la répartition subcellulaire des métaux est perturbée chez les animaux vivant dans les
milieux les plus contaminés (Couillard et al., 1993; Couillard et al., 1995; Couillard et al., 1995; Wang et
al., 1999). Ce signal biochimique pourrait s'avérer utile comme biomarqueur d'effets.

2.2.2 Capture des métaux associés aux particules

Les particules présentes dans les eaux naturelles peuvent être inorganiques ou organiques et les métaux se
lient avec chacune de ces fractions par mécanismes variés. La capture directe des métaux à partir d’une
particule nécessite toujours l’ingestion de celle-ci et son piégeage à partir du tractus alimentaire. D’autres
cheminements ne nécessitant pas l’ingestion existent, comme la pinocytose dans les branchies (Phillips et
Rainbow, 1994). Les processus de digestion qui relâchent les éléments de la particule matrice sont
toujours nécessaires après l’entrée des métaux dans le tractus alimentaire. En effet, la biodisponibilité des
métaux ingérés dans la nourriture solide dépend des processus de digestion du consommateur et de la
concentration et nature chimique du métal dans la nourriture. Ceux-ci varient beaucoup selon le pH
digestif et selon l’activité des enzymes digestives en relation avec les substrats présents dans la nourriture.

2.3 Mécanisme d’excrétion des métaux

Parallèlement aux étapes de pénétration et de répartition des contaminants au sein de l’organisme, de

nombreux mécanismes physiologiques et biochimiques contribuent à les éliminer. Tous les organismes
aquatiques piègent des métaux en quantités importantes mais pour beaucoup d’espèces, l’excrétion des
métaux accumulés n’est pas négligeable. Les quatre processus principaux sont: la défécation, la perte via
la surface perméable, la désorption passive et les granules d’expulsion (Figure 1.10) (Phillips et Rainbow,
1994).

L’organe d’excrétion des métaux est le rein. Les métaux stockés dans les granules peuvent être perdus à
travers le tractus alimentaire sous forme de fèces (Rainbow, 1990; Wang et Fisher, 1997). L’égestion par

46
les fèces est le processus dominant pour la décontamination métallique (Simkiss et al., 1982; Wang et al.,
1995). Ces métaux présents dans les lysosomes ou les sphérocristaux sont excrétés par exocytose du
contenu vacuolaire, par épanchement de podocytes rénaux ou encore par diapédèse de granules in toto
dans le tractus urinaire. A cette voie principale via le rein s’ajoute la voie trans-tégumentaire, par synthèse
du byssus ou de la coquille ou encore par les gamètes lors de la ponte (Cossa et Lassus, 1989; Wang et
Fisher, 1998b). Certains de ces mécanismes d’excrétion ont un caractère nettement épisodique, ce qui est
susceptible d’amplifier les variations temporelles des concentrations en métaux chez les bivalves.
Fèces Oocytes

Tube Manteau
Branchies
digestif Hématocyte

Sang Hématocyte Coquille

Hématocyte

Rein Granule Muscle

Urine

Figure 1.10: Mécanismes d’excrétion des métaux chez les bivalves (George, 1980).

2.4 Mécanisme de stockage des métaux: organotropisme et amplification

Après la capture et l’excrétion des métaux, le troisième facteur déterminant l’accumulation des éléments
traces est la séquestration des métaux absorbés dans les tissus. Plusieurs mécanismes existent incluant les
piégeages des métaux et la séquestration d’éléments dans des granules ou dépôts insolubles qui peuvent
être ou non associés à des lysosomes (George et al., 1978; George, 1980; Amiard-Triquet et Caurant,
1994; Phillips et Rainbow, 1994). Après passage transmembranaire, les métaux se retrouvent dans
l’hémolymphe des bivalves associés aux protéines circulantes et aux hématocytes. La présence du métal
dans la phase dissoute traduit son absorption sous forme dissoute avec ou sans médiateur. Sa présence
dans les éléments figurés résulte de la phagocytose de vésicules formées lors de l’absorption du métal
particulaire par pinocytose et/ou de la phagocytose d’agrégats protéiniques riches en cations divalents
(George, 1980).

47
Le cas des granules a été bien étudié en particulier par Martoja et Martoja (1982) qui les considère comme
des sites d’accumulation pour les déchets métalliques de différents processus physiologiques, formés par
la précipitation des métaux en phosphate, carbonate et sulfure (Martoja et Martoja, 1978; Martoja et
Martoja, 1982).

2.4.1 Organotropisme

Après avoir franchi les structures biologiques, les contaminants, sous forme libre ou complexée, accèdent
aux compartiments internes de l’organisme. Les processus d’accumulation dans les tissus sont
extrêmement complexes. De nombreux facteurs vont intervenir tels que la stabilité des liaisons du produit
chimique considéré avec les constituants sanguins, la vascularisation des organes, la structure et les
propriétés des nombreuses barrières cellulaires (parois capillaires, membranes plasmiques, etc.), la densité
et l’accessibilité des sites potentiels de fixation ou le turn-over des structures tissulaires (Maury et
Engrand, 1986). La répartition du contaminant dans les différents organes, pour des conditions précises
d’exposition, révèle une « typologie » plus ou moins spécifique, dont l’analyse fine permet d’expliquer,
par exemple, les tendances d’évolution des phénomènes au niveau de l’organisme entier (Ribeyre et
Boudou, 1980; Boudou, 1982). Les mollusques accumulent principalement dans deux organes:
l’hepatopancreas et le rein. Ces deux organes sont des sites d’accumulation de phosphates de Ca, Sr et Mg
ou de protéines de la famille des métalloprotéines pour lesquelles les éléments des groupes IB et IIB ont
beaucoup d’affinité.

2.4.2 Les métallothionéines

Les métallothionéines sont des protéines solubles trouvées dans le cytosol (Cherian et Goyer, 1978). Elles
ont un taux de renouvellement rapide dans les tissus et peuvent être accumulées en grandes quantités dans
les lysosomes tertiaires. Ces lysosomes sont des vésicules membranaires à temps de vie biologique
variable et sont reconnus dans les tissus sous forme de granules riches en métaux. La séquestration des
éléments traces accumulés est d’une importance majeure dans le mécanisme de détoxication. Ces
métalloprotéines riches en groupes sulphydrils fixent principalement le zinc, le cuivre, le cadmium et le
mercure (Bouquegneaux et Noël-Lambot, 1978; Kohler et Riisgard, 1982; Depledge et Rainbow, 1990).

48
2.4.3 Bioaccumulation et biomplification dans les réseaux trophiques

Des études menées « in situ » ont révélé une augmentation des concentrations de certains polluants, au fur
et à mesure des différents maillons de la chaîne trophique: la bioamplification. Le prédateur concentre une
substance (ou un élément) à un niveau supérieur à celui où il se trouve dans sa proie.

Cette amplification a été constatée pour plusieurs contaminants organiques et dans le cas des métaux, pour
la forme méthylée du mercure (Fowler, 1982). Quasi-unanimement reconnu par les scientifiques pour le
mercure, plus particulièrement pour les dérivés organiques, ce concept est très discuté pour les autres
contaminants métalliques, voire contesté. Pour Ramade (1977), la rémanence d’un contaminant associé à
des transferts cumulatifs « proies contaminées - prédateurs » est à l’origine de ce processus. Au contraire,
une dilution entre les échelons primaires et secondaires a été montrée à plusieurs reprises. La
bioamplification des contaminants au sein des structures biocénotiques ne peut être abordée par une
approche mono-factorielle. Ce processus est lié à une conjonction de facteurs favorables (Boudou, 1982):
concentration du contaminant dans le milieu, stabilité des conditions, aptitude du contaminant à franchir
les barrières biologiques, rémanence de la molécule à l’égard des mécanismes de dégradation (abiotiques
et biotiques), transferts trophiques, types de réseaux alimentaires, durée de vie, etc. En fait, la
bioamplification est due à une intégration de l’ensemble de la structure biologique des écosystèmes
(réseaux alimentaires).

2.5 Bioaccumulation du mercure chez la moule

La bioaccumulation du mercure ne concerne essentiellement que ses deux formes les plus stables existant
en solution: Hg2+ et CH3Hg+. Au niveau cellulaire, la membrane plasmique peut être considérée comme un
système complexe de sites de fixation potentielle des espèces chimiques du mercure. Celui ci est bien
connu pour avoir une forte affinité pour les groupes -SH (thiols), cette propriété étant responsable de sa
fixation aux protéines membranaires. Beaucoup d’études ont montré la fixation des métaux sur les
protéines structurales ou enzymatiques. Cependant, le piégeage du mercure aux ponts -SH ou aux ponts S-
S est intimement lié à leur accessibilité qui dépend de leur localisation au niveau de la membrane et des
propriétés physico-chimiques du métal (formes chimiques, espèces ioniques ou neutres,
hydro/liposolubilité, etc.) (Boudou et al., 1991). La forte affinité de Hg2+ et de CH3Hg+ pour le soufre des
tissus biologiques et des composés biochimiques, présents dans les enzymes, dans certaines protéines
comme les métallothionéines ou encore la cystéine et le glutathion, favorise la formation de biocomplexes
dans les fluides et les cellules et permet, de ce fait, la traversée des membranes biologiques (Moore, 1981;
Kagi et Hapke, 1984; Cossa et al., 1990; Viarengo et al., 1993). Pour cela, ces deux formes chimiques

49
restent stables tout au long de leur cheminement à travers les espèces marines, c’est à dire ne subissent ni
interconversion, ni méthylation-déméthylation, ni formation de composés volatils (Thibaud et Noel, 1991;
Thibaud, 1992).

Selon Rothstein (1981), l’absorption du mercure à travers la membrane cellulaire est basée sur trois
processus de transport:

- espèces chimiques neutres traversant la membrane cellulaire par partitionnement dans la phase lipidique
(HgCl2, CH3HgCl, etc.) ;

- espèces anioniques via le système de transport anionique (HgCl3-, etc.) ;

- une petite fraction utilisant les autres canaux de protéines (canaux de perméation cationique) (HgCl+,
CH3Hg+).

Ainsi, pour le methyl-mercure, il est bien évident que le transport membranaire est essentiellement
contrôlé par la diffusion (Wood et al., 1968; Mason et al., 1995). Pour beaucoup d’auteurs, la forte
capacité de bioaccumulation de ce composé, par voie directe ou trophique, est due à sa liposolubilité.

Les biocomplexes du mercure peuvent évoluer soit vers des formes solides, notamment chez les
mollusques, soit vers des formes solubles excrétables par les reins et les branchies. En effet, la stabilité, la
formation et la destruction successive de ces complexes en relation avec le « turn over » des protéines sont
alors des facteurs qui influencent la mobilité du mercure dans les systèmes biologiques et de ce fait qui
gouvernent sa localisation et sa distribution dans différents organes (Cossa et al., 1990).

Le mercure est le seul métal qui se bioaccumule à travers tous les niveaux des réseaux trophiques (Lawson
et Mason, 1998; Blackmore et Wang, 2004). L’amplification est beaucoup plus efficace pour le CH3Hg+
que pour le Hg inorganique qui s’associe aux membranes cellulaires et non dans le cytoplasme à partir
duquel il est assimilé par les organismes prédateurs (Mason et al., 1995; Mason et al., 1996).

2.6 Bioaccumulation du cadmium

Dans les premiers temps de la cinétique de bioaccumulation, la pénétration du cadmium dans les cellules
est linéaire en fonction du temps et directement proportionnelle à sa concentration dans l’eau (George et
al., 1978; Kohler et Riisgard, 1982; Poulsen et al., 1982; Chong et Wang, 2001). Elle n’est pas affectée
par la température.

Borchardt (1983 et 1985), en marquant les algues avec du Cd109 et l’eau avec du Cd115 met en évidence la
prépondérance de la voie dissoute par rapport à la voie particulaire et montre que seulement 1% de la
quantité de Cd dans la chair de moules a pour origine la voie particulaire. La principale entrée se fait donc

50
par l’eau à travers les surfaces externes, principalement par les branchies qui représentent une surface
considérable (Carpene et George, 1981; Borchardt, 1983; Borchardt, 1985; Riisgard et al., 1987). En
parallèle, il montre que l’absorption de Cd en solution est en corrélation linéaire avec la quantité de
nourriture ingérée. Les branchies sont donc l’organe d’entrée principal.

La biodisponiblité des espèces de cadmium dissous dépend des mécanismes de capture. La diffusion
passive ou facilitée via les canaux à Ca2+ à travers la bicouche lipidique semble être le processus de
capture le plus fréquent (Simkiss et Taylor, 1995). Les formes ionisées avec des chlorures et des
hydroxydes doivent être considérées principalement.

Après un passage transmembranaire médiatisé, le cadmium se retrouve associé aux protéines circulantes et
aux hématocytes. Les bivalves accumulent le cadmium principalement dans l’hépatopancreas et dans le
rein sous forme de dépôts dans les lysosomes. La voie majeure d’excrétion se fait via le rein (Cossa et
Lassus, 1989), mécanisme d’immobilisation qui implique principalement la forme métallothionèine et leur
association dans les lysosomes (Serafim et al., 2002).

Enfin, il est à noter qu’aucune donnée convaincante ne permet de constater une biomagnification du
cadmium dans les réseaux trophiques. Au contraire, il semble qu’une diminution des concentrations avec
l’augmentation du niveau trophique soit la situation la plus couramment observée (Amiard-Triquet et al.,
1982; Amiard-Triquet et al., 1993).

2.7 Bioaccumulation du plomb

Dans les premiers temps de la cinétique de bioaccumulation, la pénétration du plomb dans les cellules est
linéaire en fonction du temps et directement proportionnelle à sa concentration dans l’eau. L’excrétion du
plomb est quant à elle proportionnelle à la concentration interne dans l’organisme (Schulz-Baldes, 1974).
Il est bien connu sous quelles formes (ions, agents chelatants, complexes) le plomb est absorbé.
Cependant, il est clair que la forme dissoute du contaminant dans le milieu est primordiale et influence le
taux de capture (Mikac et al., 1996).

Comme pour le cadmium, la pénétration du plomb dans les cellules est le résultat principalement du
transport sous forme dissoute Pb2+, bien que l’endocytose dans l’épithélium branchial ait été évoquée pour
ce métal (Coombs et George, 1978; Wang et Fisher, 1997a). Le taux d’absorption du plomb est linéaire au
cours du temps et fonction directe de la concentration en plomb dans le milieu (Schulz-Baldes, 1974;
Schulz-Baldes, 1977; Borgmann et al., 1993; Riget et al., 1997; Boisson et al., 1998). Incorporés dans
l’organisme, les ions Pb2+ entrent en compétition avec les ions Ca2+.

51
Les métallothionéines n’ont pas de rôle dans la séquestration et la détoxication du plomb (Cossa et al.,
1993). Malgré l’existence de formes organiques du plomb en milieu marin, en particulier des composés
méthylés, il n’y a pas d’évidence de bioamplification décrite dans la littérature (Riisgard et Hansen, 1990;
Fisher et Reinfelder, 1995; Zaranko et al., 1997).

2.8 Bioaccumulation du cuivre et du zinc

Le cuivre et le zinc sont des métaux essentiels indispensables à la vie. Ils sont nécessaires en quantité
généralement faible, à la vie d’un grand nombre d’organismes. L’accumulation du cuivre et du zinc est
donc régulée pour de nombreuses espèces aquatiques, par exemple chez les mollusques, les crustacés, les
poissons et les mammifères (Chong et Wang, 2001). Les entrées de cuivre et de zinc se font
préférentiellement sous forme ionique (Cu2+ et Zn2+) par des protéines de transport membranaire (Sunda et
Huntsman, 1998). Les bivalves accumulent ces deux métaux principalement dans l’hépatopancreas, les
gonades et les branchies (Adami et al., 2002).

Le zinc peut s’accumuler dans les organismes aquatiques mais les valeurs de FBC décroissent en montant
dans la chaîne trophique. Cela peut s’expliquer par une régulation plus importante dans les organismes
« supérieurs ». En conséquence, il semble que le potentiel de biomagnification soit faible.

52
3 Facteurs affectant la bioaccumulation des métaux: transferts et biotransformation
endogène

Les processus de contamination et de décontamination sont superposés dans le temps et leur importance
relative varie fortement selon les modalités de la contamination (voies d’entrée, doses absorbées, etc.),
selon les niveaux d’accumulation dans l’organisme et dans les organes et selon les facteurs physico-
chimiques du milieu environnant (Boudou et al., 1982; Boudou et al., 1983; Simkiss et Taylor, 1995).

Le concept de bioaccumulation résulte donc de plusieurs mécanismes, agissant simultanément ou avec un

décalage dans le temps. Les capacités de bioaccumulation, pour un même produit chimique, peuvent
varier considérablement selon l’espèce considérée, le stade de développement des individus, les
caractéristiques écologiques du système et les propriétés du contaminant (Luoma, 1983).

L’étude de l’interaction entre les contaminants et les barrières biologiques est d’un intérêt considérable
pour la compréhension des phénomènes écotoxicologiques, particulièrement la bioaccumulation et les
transferts à travers les chaînes trophiques. Il est bien connu que les niveaux de concentrations métalliques
dans les organismes ne sont pas le seul résultat de leur biodisponibilité dans l’environnement. Les
processus impliqués sont très complexes et sont influencés par le contaminant (taille molécule, spéciation
chimique, etc.), l’organisme récepteur (propriétés membranaires, composition chimique, processus actifs),
et l’environnement intra et extracellulaire (température, pH, etc.).

3.1 Caractéristiques physico-chimiques du contaminant: spéciation et biodisponibilité

Comme nous venons de le voir, le milieu marin, biotope particulièrement riche, est caractérisé par une
remarquable stabilité de ses propriétés fondamentales et une infinie variabilité de ses micro-constituants.
L’eau de mer contient en solution des combinaisons de tous les éléments chimiques engagés dans des
réactions inorganiques et biochimiques contribuant aux différences de composition des eaux marines (ions
majeurs, matière organique, particules en suspension, etc.). De ce fait, le métal se trouve sous des formes
physico-chimiques très diverses. L’ensemble des réactions de complexation entre un produit chimique et
la totalité des ligands présents dans le milieu correspond au processus de spéciation. C’est la résultante
d’équilibres complexes entre tous ces éléments reflétant la complexité chimique de ces milieux (Bourg,
1979; Turner, 1995). La spéciation du métal contrôle sa toxicité et son assimilation par les organismes
marins, et affecte donc sa biodisponibilité (Jansen et al., 2002). La connaissance des différentes formes
chimiques du métal est nécessaire pour comprendre le processus de bioaccumulation. En effet, celle ci va
dépendre des propriétés biochimiques du contaminant et des mécanismes d’accumulation possibles pour

53
chaque élément (Gobas, 1993). Les efficacités d’absorption du contaminant dans l’organisme étudié, à
partir de l’eau filtrée ou de la nourriture ingérée seront donc différentes selon le métal considéré et la
forme chimique.

Dans tout modèle de capture de contaminants, une des plus importantes variables est la concentration du
contaminant qui peut être absorbée par l’organisme. Cette fraction ne représente qu’une partie seulement
du total présent dans le milieu et est communément appelée fraction biodisponible. La biodisponibilité est
la capacité à être intégrée au vivant et varie selon les formes chimiques pour un même élément. Il faut
donc connaître l’abondance de chaque forme et les lois qui régissent leurs transformations en milieu
naturel pour prévoir leur assimilation dans le vivant.

Bien entendu, les propriétés du milieu environnant seront déterminantes dans la complexation des métaux
tels que le pH (Campbell et Stokes, 1985), la salinité (Gilles et Pequeux, 1983; Mantel et Farmer, 1983;
Blust et al., 1992), la température et les teneurs en matière particulaire (Skei, 1992; Skei et al., 1996;
Sunda et Huntsman, 1998). La biodisponibilité des contaminants chimiques est largement déterminée par
l’interaction du contaminant avec la matière organique particulaire dans l’eau, ce qui résulte en la
formation d’agrégats ou de complexes trop larges pour passer à travers les barrières biologiques.

3.2 Facteurs biotiques

Les facteurs biotiques sont quant à eux liés aux espèces: leur anatomie (taille, nature des téguments,
surface de contact avec l’eau, etc.), leur physiologie (respiratoire, digestive, reproductive, etc.) et, au sein
d’une même espèce, l’âge, donc la taille, doivent être pris en compte. En effet, depuis les travaux de
Boyden (1977), il est bien connu que les concentrations métalliques mesurées chez les espèces marines
peuvent varier en fonction de leur taille, et donc de leur âge.

3.2.1 Les processus de nutrition: action sur entrées/sortie

En accord avec les modèles bioénergétiques, la bioaccumulation est fonction des flux entrants et sortants
des métaux contenus dans les phases dissoutes et particulaires (Wang et al., 1995; Arifin et Bendell-
Young, 2000). La physiologie de la nutrition et de la digestion conditionne donc en grande partie ces deux
voies d’entrée (Figure 1.11). Les processus impliqués vont ainsi interagir avec les processus d’assimilation
des contaminants. Trois termes essentiels sont utilisés en terme de nutrition des bivalves (Hawkins et
Bayne, 1992; Barillé, 1996):

- Le pompage ou débit palléal (ventilation ou pumping rate), défini comme étant la quantité d’eau qui
circule à travers les branchies par heure (L.h-1).

54
- La filtration (clearance rate, CR) correspond au volume d’eau épuré à 100% par unité de temps (L.h-1 ou
L.g-1.h-1).

- La consommation (ingestion rate, IR) désigne la quantité de particules retenues par les branchies par
unité de temps (mg.h-1 ou mg.g-1.h-1).

Pompage – Débit palléal (L.h-1 )

Pumping rate – Ventilation rate

Efficacité de
rétention Particules non retenues

Filtration (L.h-1 )
Clearance rate

Consommation (mg.h-1 )
Filtration rate

Efficacité de
sélection Pseudofèces

Ingestion (mg.h-1 )
Ingestion rate

Efficacité
d’absorption Fèces

Absorption (mgorg.h-1 )
Absorption rate

Efficacité
d’assimilation Excrétion

Assimilation (mgorg.h-1 )
Assimilation rate

Figure 1.11: Schéma des différentes étapes de la nutrition des bivalves. L’appellation anglaise
équivalente est donnée en italique.

55
Dans l’étude de la bioaccumulation, l’intérêt est de connaître le pourcentage de métaux accumulés sur la
totalité présente dans le flux dissous via les branchies et dans le flux particulaire via l’appareil digestif.
Ces deux notions correspondront aux deux types de voies d’entrée des contaminants au sein de
l’organisme. Ainsi, trois taux physiologiques principaux interviendront: le taux de filtration, le taux
d’ingestion et le taux d’excrétion, sur lesquels vont agir les variables environnementales.

3.2.1.1 Taux de filtration

La filtration est la première réponse physiologique du mollusque face aux variations de son
environnement (Denis et al., 1999). Celle-ci dépend de la surface des branchies (Vahl, 1973; Tran et al.,
2002), qui elle-même est liée à la taille de l’individu (Pessatti et al., 2002). Il existe une grande quantité de
documents concernant la relation entre le taux de filtration et le poids du corps chez les bivalves marins.
Cette relation est généralement décrite comme une simple fonction allométrique, (Bayne, 1993; Bayne et
al., 1993; Ren et Ross, 2001), avec une puissance variant entre 0,4 et 0,8 (Barillé, 1996; Morono et al.,
2001).

En théorie, Kooijman et Metz (1983) argumentent le fait que la capture pourrait être proportionnelle à
l’aire de l’appareil nutritif. Assumant que le poids de structure est proportionnel au volume, proportionnel
à la longueur, le taux de filtration devient donc proportionnel à la longueur (formules explicitées dans le
chapitre 4) (Kooijman et Metz, 1983).

3.2.1.2 Taux d’ingestion

L’ingestion réelle est égale à la consommation si celle-ci est plus petite que le seuil d’ingestion. Si la
ration fournie est trop importante, l’ingestion est réduite au seuil d’ingestion maximale et le surplus est
évacué sous forme de pseudo-fèces. La consommation est donc égale à la filtration multipliée par la
concentration particulaire jusqu’à un certain seuil. Elle s’exprime donc en fonction du taux de filtration,
lui-même dépendant ou pas du poids de tissus somatique, du facteur de correction induit par la
température et de la concentration en matière particulaire (formules explicitées dans le chapitre 4). La
relation entre le taux d’ingestion et la taille des moules a largement été discutée. En règle générale, la
quantité de matière organique ingérée augmente allométriquement avec la taille de la moule (poids sec
tissus) (Winter, 1974; Bayne et Hawkins, 1990; Pérez Camacho et al., 2000).

L’influx de métaux à partir de l’ingestion particulaire est contrôlé par la concentration métallique dans les
particules de nourriture, du taux de filtration et d’ingestion et de l’efficacité d’assimilation (Thompson et

56
Bayne, 1974; Riisgard, 1991; Wang et Fisher, 1997; Wang et Fisher, 1997b; Riisgard, 2001; Wang, 2001;
Gardner, 2002; Griscom et al., 2002). La physiologie de la digestion conditionne en grande partie cette
dernière. En effet, l’assimilation des particules nutritives résulte de l’absorption de nutriments à travers
l’épithélium stomacal selon les processus digestifs. Elle représente un processus de premier ordre
physiologique et peut être comparée selon les différents métaux et espèces à différentes conditions. De
nombreuses études ont permis d’estimer quantitativement la biodisponibilité des métaux à partir de
l’ingestion et les efficacités d’assimilation et de séparation des différentes phases digestives (Decho et
Luoma, 1991; Reinfelder et Fisher, 1991; Luoma et al., 1992; Fisher et Reinfelder, 1995; Decho et
Luoma, 1996). Aussi, la qualité et la quantité de nourriture sont les principaux facteurs qui vont
conditionner le temps de résidence dans le système digestif ainsi que les parts relatives des digestions intra
et extracellulaires. Wang et al. (1995) a montré que la quantité algale ingérée a un effet sur l’efficacité
d’assimilation des différents métaux, ceci en mesurant le temps de passage intestinal. Il apparaît qu’avec
des concentrations algales croissantes, la vitesse d’ingestion augmente tandis que le temps de passage
stomacal et l’efficacité d’assimilation des métaux contenus dans les micro-algues diminuent. Avec une
concentration algale importante, la digestion intracellulaire n’est plus apte à digérer tout le matériel
arrivant de l’estomac. La nourriture en excès est directement conduite vers l’intestin sans être digérée ni
assimilée mais excrétée sous forme de fèces qui sont qualifiés de « pseudo-fèces » (Widdows et al., 1979).
L’efficacité d’assimilation du métal dans de telles conditions est dépendante du métal considéré (Wang et
al., 1995). Tout ceci met bien en évidence la coordination des rythmes de la digestion, de l’absorption et
de l’excrétion.

3.2.1.3 Taux d’excrétion

L’efficacité d’absorption correspond au pourcentage de matière organique ingérée qui est absorbée. La
partie qui n’est pas absorbée est rejetée sous forme de fèces. L’assimilation est égale à l’absorption
diminuée de l’excrétion. L’excrétion par les fèces est le processus dominant pour l’efflux métallique
(Wang et al., 1995). Les taux d’efflux du Cd et de l’Ag sont plus rapides quand les bivalves obtiennent ces
éléments par la nourriture que par la phase dissoute, indiquant que la voie d’entrée ainsi que la quantité de
nourriture pourraient influencer l’excrétion (Borchardt, 1983; Amiard et al., 1987; Kooijman et Jager,
2004).

57
3.2.2 Concentration métallique: quantité métallique et poids du bioindicateur

La concentration métallique est issue du quotient de deux composantes: la quantité métallique totale dans
l’organisme et le poids de cet individu. De ce fait, les changements du poids des tissus du bioindicateur
peuvent affecter significativement les concentrations en métaux traces en diluant ou en concentrant
simplement la masse totale du métal. Aussi, comme cela a été mentionné, les quantités de métaux
concentrés dans les moules résultent de leur accumulation « nette » (incorporation - excrétion) qui elle
même est fonction de la taille et du poids (Morono et al., 2001; Morono et al., 2003). Ces facteurs
allométriques vont donc agir d’une part sur les transferts de contaminants du milieu extérieur vers
l’organisme et inversement (taux de filtration, d’ingestion et d’excrétion), mais aussi sur la concentration
accumulée par un effet concentration/dilution. Ils doivent être largement surveillés (Cossa et al., 1980;
Cossa et Rondeau, 1985; Cain et Luoma, 1986; Rainbow et al., 1990; Stronkhorst, 1992; Langston et
Spence, 1995; Mikac et al., 1996; Morono et al., 2001).

Les concentrations dans les tissus mous sont donc plus variables que les quantités puisque les variations
de la masse des tissus se superposent à celles de la quantité de métal dans l’organisme. Par exemple, si la
croissance est relativement faible par rapport au taux d’accumulation du métal, la concentration de cet
élément va augmenter avec l’âge et le poids, et vice versa (Phillips et Rainbow, 1994).

De nombreuses études ont mis en évidence la relation métal/taille chez la moule. Cossa et al. (1980) ont
montré la relation nette entre les concentrations de différents contaminants métalliques (Cd, Cu, Fe, Mn,
Ni, Zn) dans la moule Mytilus edulis et son poids ; les petites moules présentant des concentrations plus
élevées que les grandes. Aussi, toutes les fonctions physiologiques (nutrition, croissance, reproduction,
excrétion) du métabolisme de l’organisme indicateur sont dépendantes du poids par des équations
allométriques (Bayne et Newell, 1983).

3.2.3 Cycle de vie de l’organisme

Les phénomènes du cycle biologique tels que la croissance, la nutrition, les périodes de privation, la
reproduction, l’excrétion ont donc un impact important sur le processus de bioaccumulation. Les effets de
la croissance sur la bioaccumulation de métaux dans les mollusques ont été révélés par les travaux de
Boyden (1974, 1977), mettant en évidence les relations existantes entre la concentration du métal dans
l’organisme et l’age et le sexe de celui ci (Boyden, 1974; Boyden, 1977).

La concentration du métal au sein de l’organisme entier est fortement influencée par la croissance et les
pertes de poids (Simpson, 1979; Cossa et al., 1980; Fisher, 1988), en particulier durant la période de
maturation des gonades. La croissance est caractérisée par une augmentation de la taille et du poids en

58
fonction du temps et des variables environnementales. Cependant, chez les mollusques bivalves, et en
particulier chez les moules, les processus liés à la reproduction perturbent ce schéma par une accumulation
temporaire de réserves importantes qui sont ensuite converties en gamètes puis expulsées lors de la ponte,
occasionnant une perte brutale de poids et un ralentissement, voire un arrêt de la croissance. Le fait que
durant la ponte plus de 40 % du poids des tissus est perdu montre l’importance de la gamétogénése dans la
physiologie du genre Mytilus. L’effet des variations de poids dues à l’état reproductif et/ou nutritif,
l’utilisation de glycogène et à la perte de gamètes pauvres en métaux a été établi. Les cycles reproductifs
dominent les saisonnalités (Cossa et al., 1980; Langston et Spence, 1995).

Le facteur saisonnier est donc important et de nombreuses études ont d’ailleurs montré que les
concentrations métalliques mesurées chez les espèces marines varient saisonnièrement (Majori et al.,
1978; Cossa et al., 1980; Boalch et al., 1981; Cossa et Rondeau, 1985; Lee et al., 1996; Bei et al., 1998;
Wright et Mason, 1999; Kaimoussi et al., 2000; Orban et al., 2002).

Les variations saisonnières peuvent être causées par la combinaison de plusieurs facteurs directement
corrélés au poids incluant la température, la disponibilité en nourriture, la croissance et la reproduction
mais aussi d’autres indépendants tels que la modification du cycle biogéochimique et de la
biodisponibilité des métaux (Widdows, 1978; Pieters et al., 1979; Cossa et al., 1980; Zandee et al., 1980;
Paez-Osuna et al., 1995; Grant, 1996; Smaal et al., 1997; Carballal et al., 1998; Okumus et Stirling, 1998;
Wong et Cheung, 1999; Wong et Cheung, 2001; Wong et Cheung, 2001; Rainbow et al., 2004). Ainsi, les
concentrations maximales en métaux (Cd, Pb, Cu et Zn) dans les moules apparaissent l’hiver et au début
du printemps (Langston et Spence, 1995).

3.2.4 Composition biochimique et condition physiologique

La composition biochimique et la condition physiologique de l’organisme sont importantes dans la

détermination de la distribution tissulaire du contaminant et sa rétention dans l’organisme entier.
Généralement, les niveaux métalliques sont activement contrôlés par des facteurs biochimiques et
physiologiques. Par conséquent, il y a une variabilité individuelle importante de la bioaccumulation (Lobel
et Wright, 1982). La répartition des métaux au sein des tissus peut aussi être modifiée selon les cycles
reproductifs saisonniers et par des altérations majeures de la composition biochimique (Simpson, 1979;
Cossa et al., 1980; Coimbra et Carraca, 1990). Suivant le site et les conditions de vie, la croissance et les
conditions physiologiques varient. La richesse des eaux en terme d’éléments nutritifs est un des critères
importants en ce qui concerne la distribution des tissus tout au long de l’année (Buestel, 1997).

59
3.3 Caractéristiques physico-chimiques du milieu environnant

Parmi les facteurs abiotiques, les facteurs physico-chimiques (température, salinité, O2 dissous, pH, etc.)
du milieu jouent un rôle essentiel puisqu’ils influent à la fois sur la forme physico-chimique des métaux
(état de valence, adsorption-désorption sur les matières en suspension, etc.) donc sur leur biodisponibilité,
mais également sur le métabolisme des espèces (osmorégulation, respiration, reproduction, activité
trophique, etc.) dont dépendent en partie les cinétiques d’accumulation et d’excrétion des métaux. Ces
facteurs environnementaux, sont spécifiques d’un site et varient dans le temps (Karayücel et Karayücel,
2000).

3.3.1 Solubilité dans l’eau, hydrophobicité

Le degré d’accumulation des contaminants métalliques via l’eau et de concentration dans la chair des
organismes est largement dépendant de la solubilité des contaminants dans l’eau et de leur hydrophobicité.
En effet, la solubilité dans l’eau limite la quantité de contaminants biodisponibles dans un volume d’eau
donné. Cependant, une solubilité faible reflète une augmentation de l’hydrophobicité et du
partitionnement dans les tissus des organismes (Widdows et Donkin, 1992).

La plupart des métaux se présentent sous forme soluble dans l’eau. De ce fait, la capture directe en
solution peut être une part importante du processus dans les moules (plomb, cadmium, mercure). Les
métaux dans les eaux salées se trouvent aussi sous forme d’ion libre ou de complexes organiques et
inorganiques, certains d’entre eux ne sont pas chargés. La capture des métaux est donc le résultat du
partitionnement de ces complexes hydrophobes au sein de la membrane lipidique, un mécanisme analogue
à la capture des contaminants organiques hydrophobes.

3.3.2 Facteurs physico-chimiques

Les facteurs climatiques agissent également sur des paramètres comme la température, l’oxygène dissous
et la salinité. Ces conditions de milieu modifient l’efficacité des processus biologiques responsables de la
bioaccumulation, en particulier la température qui intervient directement sur la cinétique des processus
biologiques, ces organismes étant poïkilothermes (Incze et al., 1980). Les variations saisonnières de ces
paramètres doivent être prises en compte (Cossa et al., 1980; Amiard et al., 1986; Cain et Luoma, 1986;
Langston et Spence, 1995).

60
3.3.3 Matière organique dissoute et particulaire

Les processus nutritifs jouent aussi un rôle important dans la détermination de capture à partir de la
nourriture et de l’eau ingérée. La nutrition des bivalves joue un rôle primordial dans beaucoup
d’écosystèmes côtiers. Elle résulte des transformations de la matière organique et des processus
d’accumulation (Navarro et al., 1996; Navarro et al., 2003; Zemlys et al., 2003).

Les eaux marines peuvent être riches en matière organique dissoute (MOD) composée de petites
molécules et de macromolécules d’origine naturelle. Ces concentrations sont plus élevées en milieux
estuariens, influençant ainsi le comportement des métaux dans le milieu (formation de complexes
organiques) et par delà leur biodisponibilité.

Les conditions hydrodynamiques locales agissent sur le transport des particules et la circulation des
masses d’eau. Elles vont directement affecter le transport de substances et leur biodisponibilité (Newell,
1999; Newell, 2001).

La qualité et quantité de la nourriture ingérée agissent sur la bioaccumulation, directement en modifiant

l’assimilation de métaux via les particules (flux entrant, biodisponibilité), ou indirectement en agissant sur
la croissance de l’organisme indicateur (Albentosa et al., 1996; Bjork et Gilek, 1997; Wang et Wong,
2003). De ce fait, beaucoup d’études ont été réalisées, mettant en évidence l’action de divers paramètres
hydrobiologiques comme par exemple: le carbone organique dissous et particulaire (Borchardt, 1983;
Borchardt, 1985; Pan et Wang, 2004), les quantités de seston (particules en suspension organique et
inorganique) (Widdows et al., 1979; Bayne et al., 1989; Riisgard et al., 2003), les substances humiques et
fulviques (Decho et Luoma, 1994; Gagnon et Fisher, 1997), le type de sédiment (Langston, 1986; Skei,
1992; Stronkhorst, 1992; Griscom et al., 2000), la part de phase dissoute et particulaire dans la nourriture
(Langston, 1986; Fisher et Reinfelder, 1995; Wang et al., 1995; Wang et Fisher, 1996a; Wang et Fisher,
1996b; Allison et al., 1998). Tout ces paramètres sont en interrelation et leurs influences respectives
dépendent du métal considéré (Amiard et al., 1986; Cain et Luoma, 1986). Les listes présentées ne sont
certes pas exhaustives.

3.4 Interactions multi-factorielles

La compréhension des mécanismes de transfert métallique et d’accumulation à différents niveaux de la

pyramide trophique requiert des études concomitantes d’approches écologiques (production primaire,
cinétique de sédimentation et de transport en matière organique en suspension), toxicologiques
(biodisponibilité des métaux et bioaccumulation) et physiologiques (activité nutritive, ingestion et
excrétion) (Figure 1.12). La recherche des phénomènes physico-chimiques au sein du système concerné

61
 permet une description des facteurs environnementaux de base qui gouvernent tant les processus
physiologiques de l’organisme indicateur que la chimie du milieu. Les avancées de la physiologie animale
permettent de comprendre les processus biologiques internes impliqués dans les transferts métalliques. La
totalité de ces paramètres doit être prise en compte.

Trois groupes de facteurs (Figure 1.12), intimement liés, vont intervenir dans ces interactions entre les
composés métalliques et les barrières biologiques:

- les caractéristiques physico-chimiques du milieu: température, pH, concentration en chlorures et en

MES, nature et abondance des ligands organiques et inorganiques dans les phases dissoutes et
particulaires, condition trophique, etc.

- les propriétés chimiques du contaminant qui correspondent à la nature du contaminant, aux formes
chimiques dans le biotope (colonne d’eau, sédiments), à leur spéciation et biodisponibilité, à leur
concentration, etc.

- les facteurs biologiques de l’organisme notamment les propriétés structurales et les fonctions des
barrières biologiques: surface d’échange et accessibilité des sites de fixation, processus de transport et
capacité d’absorption, mais aussi à une échelle plus importante les différentes étapes du cycle biologique
tels que la croissance, la reproduction, la nutrition, l’excrétion, etc.

Caractéristiques Physico -chimiques du milieu

- Température, pH, salinité
- Concentrations en MES, Chla, phéopigments, COP
- Condition trophique: quantité et qualité
- Nature et abondance des ligands

Propriétés Chimiques du contaminant Facteurs Biologiques de l ’organisme

- Nature du contaminant: Hg, Cd, Pb, Cu, Zn, etc. - Fonctions des barrières biologiques
- Formes du contaminant - Surfaces d ’échange, sites de fixation, processus transport
- Spéciation, biodisponibilité - Voies contaminations : directe / indirecte
- Partitionnement dissous - particulaire - Filtration, nutrition, ingestion,assimilation, excrétion
- Cycle biologique: croissance, reproduction, réserves, ponte

Figure 1.12: Représentation schématique des trois groupes de facteurs interagissant dans le
processus de bioaccumulation des métaux traces chez la moule.

62
L’étude de la contamination se heurte en permanence à cette extrême complexité des mécanismes mis en
jeu, due à la diversité des facteurs écologiques (abiotiques et biotiques) et des caractéristiques de la
contamination, à leurs variations et à leurs interactions dans l’espace et le temps (Figure 1.13). De plus,
des compétitions entre ces différents facteurs peuvent exercer des effets synergiques ou antagonistes sur
les voies de contamination.

FACTEURS ABIOTIQUES
RYTHMES SAISONNIERS

Salinité Température
Production primaire
Concentration dans l’eau et le seston
BIODISPONIBILITE
(forme chimique)

Réserves Croissance nette Reproduction

AGE - TAILLE - SEXE

FACTEURS BIOTIQUES

Figure 1.13: Exemple de l’extrême complexité des mécanismes mis en jeu lors de l’étude de la
bioaccumulation des métaux traces chez la moule Mytilus (adapté de (Cossa, 1987)).

63
3.5 Implications pour les programmes de surveillance

Un problème pratique pour les chimistes impliqués dans les programmes de surveillance, est celui du
nombre de contaminants environnementaux potentiels, et leurs produits de dégradation qui pourraient être
accumulés par les moules (métaux, organo-métaux, contaminants organiques, etc.). Par conséquent, les
programmes de surveillance sont limités à des contaminants « prioritaires » qui peuvent être mesurés à des
coûts raisonnables ou connus pour leur pollution sur un site donné.

Pour certains contaminants, comme le mercure par exemple, l’extraction, l’identification et la

quantification peuvent être des étapes délicates du fait de leur présence sous formes diverses et composés
différents. Par exemple, l’extraction en routine de tissus animaux et les procédures d’analyses peuvent
perdre une proportion significative des composés toxiques volatils. Les exercices d’intercalibrations, tels
que ceux proposés par les réseaux de surveillance, sont indispensables afin d’avoir des résultats
interprétables et identiques selon les laboratoires d’analyses.

Il est généralement reconnu qu’il n’y a pas de méthode unique et simple pour estimer les pollutions
environnementales. Celles-ci sont de façon permanente une combinaison de causes physico-chimiques
mêlées à des effets biologiques. La variabilité des milieux peut brouiller le signal obtenu par la mesure
directe des contaminants dans la chair du biointégrateur. Pour certains métaux, la croissance agit comme
un facteur de dilution de la quantité de contaminant incorporée, l’amaigrissement comme un facteur de
concentration. Les cinétiques de bioaccumulation peuvent varier en fonction de facteurs énergétiques ou
selon les propriétés physico-chimiques et hydrologiques du milieu. En conséquence, si l’effet de la
physiologie est négligé, la comparaison des niveaux de contamination n’est justifiée qu’à l’intérieur de
secteurs géographiques homogènes quant à leur potentiel trophique.

Ainsi, plusieurs stratégies ont été mises en place pour minimiser les effets de la taille des moules:

- Analyser les individus sélectionnés selon une longueur moyenne.

- Analyser les individus représentatifs du site et de la saison étudiée, autour d’une taille moyenne.

- Analyser un pool de moules de toutes tailles présentes sur le site d’échantillonnage.

- La méthode des transplants permet de contrôler l’âge et le stade de maturation sexuelle des
échantillons: mise en œuvre dépendante de la variabilité physico-chimique et trophique des sites.

- Minimisation dés le début de la variance de la population (Riget et al., 1997).

- Faire une correction a posteriori pour normaliser les teneurs en métaux en relation avec une taille
donnée basée sur un modèle préétabli

64
 CHAPITRE 2

Matériels et méthodes : stratégie expérimentale, dispositifs et

méthodes analytiques
Chapitre 2: Matériel et méthodes: stratégie expérimentale,
dispositifs et méthodes analytiques

L’intérêt des expérimentations de terrain mises en œuvre dans ce travail est d’acquérir des
informations sur le processus de bioaccumulation de différents métaux (Hg, Cd, Pb, Cu et Zn) chez la
moule, Mytilus galloprovincialis, sur différents sites d’étude aux potentiels trophiques et aux
caractéristiques chimiques différents. Ces expérimentations ont pour but (1) de quantifier les deux
voies d’entrée, dissoute et particulaire, (2) de mesurer l’effet de la croissance sur la bioaccumulation,
(3) d’évaluer les niveaux de contamination et (4) les facteurs de bioconcentration des moules sur des
sites aux potentiels trophiques différents.
Pour cela, les cinétiques de contamination et de décontamination ont été établies en suivant, en
parallèle, l’évolution de la concentration en contaminants dans l’organisme bioindicateur, dans le
milieu (sous forme dissoute et particulaire), ainsi que l’évolution de la croissance de la moule et des
conditions physiques (température, pH, O2) et nutritives du milieu (COP, chla, pheopigments et MES).

1 Procédure de transplantation
1.1 Planning expérimental: cinétiques de contamination et de décontamination
La stratégie expérimentale consiste en l’acquisition de suivis cinétiques d’accumulation et de
décontamination et en leur comparaison selon les caractéristiques du milieu. Par la technique des
transplants, sur chacun des deux sites sélectionnés, deux suivis de contamination seront réalisés: un de
six mois et un de trois mois. Ainsi, les cinétiques seront réalisées dans des conditions différentes, tant
au niveau des caractéristiques spécifiques du site qu’au niveau des temps d’immersion donc des
conditions physiologiques des organismes bioindicateurs différentes. Aussi, la différence d’atteinte du
pseudo-équilibre selon la période expérimentale (3 ou 6 mois) pourra être analysée. La contamination
de 6 mois devrait apporter des informations quant à l’effet de différentes étapes du cycle biologique de
la moule sur la bioaccumulation, alors que celle de 3 mois permettra d’analyser l’effet de la
transplantation à une période différente, tant environnementale que physiologique.
Pour les expérimentations de contamination, les moules originaires d’une ferme aquacole, ont été
transplantées sur deux sites contaminés de septembre ou décembre 2002 à mars 2003 (suivi de 6 ou de
3 mois respectivement), date à laquelle la seconde transplantation d’un site contaminé à un site propre
a été réalisée pour un suivi de décontamination de 3 mois (mars à juin 2003). Le schéma expérimental
est décrit dans la figure suivante (Figure 2.1).

65
 Octobre 2002 Décembre 2002 Mars 2003 Juin 2003

Lazaret DECONTAMINATION 3 mois

Bages
Port Cros
CONTAMINATION 3/6 mois

Figure 2.1: Planning expérimental pour les périodes de contamination, décontamination sur les
trois sites d’étude: Lazaret, Bages et Port-Cros

Ainsi, la phase expérimentale a été divisée en deux périodes (Figure 2.1):

→ Octobre 2002 à mars 2003: - Contamination des moules (Lazaret et Bages) d'octobre à mars.
= Contamination 6 mois.
- Contamination des moules (Lazaret et Bages) de décembre à mars.
= Contamination 3 mois.
→ Mars 2003 à juin 2003: - Décontamination des moules de Toulon sur le site de Port Cros: Hg et Pb.
- Décontamination des moules de Bages sur le site de Port Cros: Cd.

1.2 Choix des sites

Sur la base des niveaux de contamination du littoral méditerranéen, mesurés dans les échantillons de
moules lors des campagnes RINBIO, trois sites d’étude, aux caractéristiques trophiques et chimiques
différentes, ont été retenus. Ils se veulent représentatifs des différents types de milieux rencontrés dans
le réseau RINBIO (Figure 2.2).
- L’étang de Bages (43°04.70’ N, 003°00.00’ E), entre Narbonne et Perpignan (Figure 2.3), est un site
mésotrophe lagunaire dont la contamination par le cadmium est bien documentée par le RNO (niveau
de contamination de 8 à 10 fois la moyenne nationale) et sur lequel a été réalisé un suivi de
contamination dans le cadre de RINBIO (Claisse, 1989). La contamination par le cadmium provient
essentiellement d’une usine de fabrication de pigments dont la production est aujourd’hui arrêtée
(Claisse et al., 1990). Cet étang se trouve dans une région viticole importante et est touchée par une
activité industrielle non négligeable. La viticulture constitue aussi une source potentielle de pollution
métallique (Cd et Cu). Divers fongicides à base de cuivre sont, par exemple, largement utilisés pour
protéger la vigne. De surcroît, en zone Méditerranéenne, l'importance du ruissellement et de l'érosion
sont susceptibles d'accroître les transferts, vers les eaux superficielles, des produits phytosanitaires
issus du traitement de la vigne, le cadmium et le cuivre inclus. Cet étang constitue un site idéal pour
étudier la contamination des moules par le cadmium. De plus, du fait que ce soit un milieu fermé, une
variabilité importante des paramètres physico-chimiques et trophiques est attendue, nous renseignant
quant à l’impact de celle ci sur l’accumulation des métaux.

66
Figure 2.2: Localisation des trois sites d’étude (Lazaret, Bages et Port-Cros) et du site d’origine (Aresquiers) à l’échelle du littoral méditerranéen
français.

67
Figure 2.3: Structure du bassin versant de chacun des trois sites d’étude (Lazaret, Bages et Port-Cros) à l’échelle du littoral méditerranéen français.

68
- La baie du Lazaret (43°05.40’ N, 5°54.50’ E), fait partie de la rade de Toulon (appelé aussi rade
abri ou petite rade) et constitue un second site intéressant (Figure 2.2 et 2.3), de par des
contaminations en mercure et en plomb importantes (4 à 5 fois la moyenne nationale) (Claisse, 1989).
Soumis à une activité portuaire et à un trafic maritime important, ce site est défini comme un « hot
spot » dans les réseaux de surveillance de la contamination par les métaux (RNO et RINBIO).
- Afin d’examiner la cinétique de décontamination, un site propre a été choisi: l’île de Port-Cros
(43°00.91’ N, 6°23.41’ E), au sein du Parc National des îles d’Hyères, dont la contamination par les
métaux est très faible (voire négligeable) (Figure 2.2 et 2.3).

1.3 Technique des transplants et mise en stabulation (« caging »)

La technique des stations artificielles est utilisée depuis la fin des années 1970 (Figure 2.4). Les
objectifs sont diversifiés: suivi de rejets (industriels, station d’épuration, rejets dragage), études
d’impact, détection locale de contamination, surveillance (Behrens et Duedall, 1981; Kock de, 1983;
Regoli et Orlando, 1994; Haynes et al., 1995; Iglesias et al., 1996; Mikac et al., 1996; Riget et al.,
1997; Haynes et Toohey, 1998; Gunther et al., 1999; Odzac et al., 2000; Odzac et al., 2001; Honkoop
et al., 2003; Martel et al., 2003). Elle se heurte à un certain nombre de contraintes au premier rang
desquelles se trouve la mise en œuvre d’un mouillage capable de maintenir en stabulation les
échantillons et de leur garantir des conditions de survie acceptables. Selon les objectifs visés, les
conditions locales de météorologie et d’hydrodynamique, les solutions techniques sont nombreuses.
Différents systèmes plus ou moins élaborés ont été réalisés: de la simple ligne de mouillage sur
laquelle l’échantillon est directement fixé dans un filet à la ligne de satellite permettant de stabuler
plusieurs échantillons dans des paniers en plastique inerte spécialement conçus à cet effet.
Les principaux avantages de cette technique des stations artificielles sont les suivantes:
- la période d’exposition est connue ;
- les stations de surveillance peuvent être sélectionnées indépendamment de la présence de
populations naturelles et de leur distance à la côte ;
- les mesures sont optimisées par l’utilisation d’échantillons homogènes au regard de la population
d’origine, de la taille, de l’âge et de leur environnement ;
- les expérimentations peuvent être réalisées avec une espèce sentinelle.
En contrepartie, les inconvénients peuvent être la lourde logistique inhérente à la mise en place de
mouillages en mer et la tenue des mouillages face aux aléas climatiques et humains.

69
 Figure 2.4: Dispositifs des stations RINBIO: technique des transplants et mise en stabulation.

Dans le cadre de RINBIO, trois solutions techniques complémentaires ont été retenues pour fixer
l’échantillon composé de 10 kg de moules stockées dans une poche ostréicole comportant trois
compartiments (Andral et al., 1997; Cossa et al., 1998; Andral et Stanisiere, 1999; Andral et al., 2001;
Andral et al., 2004):
- un mouillage de surface constitué d’une bouée crayon Mobilis maintenue sur le fond par une
chaîne de 40 mètres (diamètre 12 mm) reliée à une ancre plate de 35 kg ;
- un mouillage de sub-surface constitué de la poche conchylicole elle-même reliée à un lest de 45
kg ;
- un mouillage de type « phares et balises » pour garantir un meilleur pourcentage de récupération,
certains échantillons ont été fixés sur des points d’immersions existants (bouées des phares et
balises, récifs artificiels, filières), en tenant compte des possibles interactions de ces structures sur
les analyses chimiques. Les relargages éventuels de contaminants par l’ensemble de ces dispositifs
ont été considérés comme négligeables compte tenu de la position des poches dans la colonne
d’eau.
Dans notre étude, les poches ostréicoles ont été accrochées à des mouillages fixés (parc mytilicole
pour Lazaret, table ostréicole pour Bages et bouée balisage pour Port-Cros), afin de faciliter les
prélèvements réguliers.

70
2 Stratégie expérimentale

Contamination Décontamination
Baie du Lazaret Port Cros
Etang de Bages Au bout de 6 mois

3mois après

T0

DGT

[C] métaux
moule 3 mois [C] métaux
moule

6 mois 3 mois
[C] métaux dissous
[C] métaux dissous
labiles
labiles
DGT
DGT
6 mois
3 mois

Logistique de prélèvements des moules pour une cinétique de contamination / décontamination

Contamination 6 mois
Mise à l'eau : oct. 2002 D é contamination 3 mois
1 semaine Mise à l'eau : mars 2003
15 jours 1 semaine
1 mois 15 jours
1 mois 1/2 1 mois
2 mois 1 mois 1/2
2 mois 1/2 Contamination 3 mois 2 mois
3 mois Mise à l'eau : dec.2002 2 mois 1/2
3 mois 1/2 1 semaine / 15 jours 3 mois
4 mois 1 mois
4 mois 1/2 1 mois 1/2
5 mois 2 mois
5 mois 1/2 2 mois 1/2
6 mois 3 mois

71
 CONTAMINATION DECONTAMINATION

Prélèvements de moules sur lesquelles: Prélèvements de moules sur lesquelles:

- Biométrie: 50 individus par prélèvement. -Biométrie: 50 individus par prélèvement.
- Analyses métaux: 30 individus par - Analyses métaux: 30 individus par
prélèvement. prélèvement.
- fréquence: tous les 15 jours. - fréquence: tous les 15 jours.

Suivi temporel des caractéristiques Suivi temporel des caractéristiques

hydrologiques: hydrologiques:
- mesures in situ: T°, salinité, pH - mesures in situ: T°, salinité, pH.
- prélèvements d’eau pour mesures au - prélèvements d’eau pour mesures
laboratoire: T°, salinité, pH, O2 MES, au laboratoire: T°, salinité, pH, O2, MES,
chlorophylle, phéopigments, COP. chlorophylle, phéopigments, COP.
- féquence: tous les 7 jours. - fréquence: tous les 7 jours.

Suivi temporel des concentrations en Suivi temporel des concentrations en

métaux dissous (total et labile) et métaux dissous (total et labile) et
particulaires particulaires
- prélèvements d’eau et filtration - prélèvements d’eau et filtration
de retour au laboratoire. de retour au laboratoire.
- fréquence: tous les 15 jours. - fréquence: tous les 15 jours.

72
3 Echantillonnage
3.1 Caractéristiques des échantillons
La moule de Méditerranée, Mytilus galloprovincialis, est l’espèce biologique utilisée, en raison des
facilités d’approvisionnement, de sa robustesse et de la bonne connaissance de cette espèce.
Deux lots de moules ont été utilisés pour la campagne: un lot pour la campagne commençant en
septembre, et un autre pour la campagne commençant en décembre. Les lots provenaient des filières
en mer des Aresquiers (du type mer ouverte), en Languedoc Roussillon, situées en face de Palavas-les-
Flots, site d’origine des moules de toutes les campagnes RINBIO. Les résultats de la campagne 1996
(Andral et al., 1997) indiquent qu’il s’agit d’un secteur faiblement contaminé, ce qui est essentiel pour
la mise en œuvre de la méthode. Soumis à l’influence du Rhône, du Lez et de l’Hérault, cette station
est soumise à un apport trophique important.
Pour garantir l’obtention de lots homogènes de moule (même âge et origine), la sélection des cordes
sur le site d’élevage, les opérations de calibrage et de mise en poche ont été réalisées de façon
contrôlée. Les moules ont été calibrées mécaniquement par une grille de 19 mm sur la plus petite
dimension de la coquille, c’est à dire la hauteur. Deux passages sur grille ont été effectués pour obtenir
une cohorte homogène. Le premier lot (suivis de contamination de 6 mois) est composé de moules
adultes de 18 à 24 mois d’une taille de 60 mm environ. Le second lot (suivis de 3 mois) est constitué
de moules plus jeunes d’une taille de 57 mm environ.
Les poches ont été remises en stabulation sur leur site d’origine quinze jours avant la mise en œuvre de
la campagne pour permettre aux moules de se regrapper dans de bonnes conditions et éviter un stress
supplémentaire lors des différentes manipulations occasionnées par les opérations de pose.

3.2 Caractéristiques des poches

Cent soixante deux kg de moules (Mytilus galloprovincialis), élevées en filières, ont été utilisées (90
kg pour suivis de 6+3 mois, 72 kg pour suivi 3+3 mois): soit 1,5 kg par prélèvement. Chaque poche
ostréicole en PVC, a été compartimentée en trois par des tubes PVC, permettant ainsi 6 prélèvements
par poche: soit 9 kg de moules par poche.
La profondeur du mouillage était variable (10-15 m) selon la configuration bathymétrique du site. Les
poches étaient maintenues à même profondeur, posées à plat par un système de cordages, limitant
l’hétérogénéité au sein d’une poche et entre les poches (Figure 2.5).

73
 Relié
Reliéàà bouée
bouée

Figure 2.5: Dessin du type de mouillage, poches compartimentées en trois.

3.3 Campagne de pose et de relèves

L’immersion des poches, au Lazaret et à Bages, a été réalisée le 13/09/03 pour le suivi de
contamination de 6 mois et le 03/12/03 pour le suivi de 3 mois. Une fois les cinétiques de
contamination terminées, les poches restantes ont été transplantées le 7/03/03 sur le site propre de
Port-Cros pour l’étude de la décontamination.
Les prélèvements réguliers ont été réalisés chaque semaine au moyen du bateau du laboratoire côtier
de la DEL sur le site du Lazaret, du bateau de l’école de voile de Sigean (contrat) sur le site de Bages
et du bateau du parc national de Port-Cros (accord avec les gardes) sur le site de décontamination.

4 Prélèvements biologiques et quantification métallique

Le maximum de précautions ont été prises pour éviter la contamination des échantillons sur le lieu de
prélèvement, pendant le transport et lors de l’analyse. Des procédures standardisées ont été utilisées
pour estimer sur chaque échantillon:
- la mortalité, la taille de la coquille, la croissance de la coquille, le poids humide et sec de chair et
de coquille sur une fraction représentative d’échantillon.
- les concentrations moyennes en Hg, Cd, Pb, Cu et Zn sur une fraction représentative
d’échantillon.

4.1 Protocole de prélèvement et allométrie

Sur les sites, les moules sont prélevées dans les poches, puis dégrappées en prenant soin de ne pas
endommager le pied lors du sectionnement du byssus. Elles sont rincées extérieurement à l’eau de mer
sur les lieux de prélèvement puis placées dans un sachet en polyéthylène. Pendant le transport, les
moules sont stockées en glacière réfrigérée puis préparées selon les procédures du Réseau National
d’Observation de la qualité des eaux (RNO) et du Réseau Intégrateurs biologiques (RINBIO) (Joanny
et al., 1994). A chaque prélèvement, un lot d’environ 50 individus était constitué pour le suivi

74
biométrique des échantillons. Un lot de 30 individus était constitué pour la confection des piluliers
nécessaires à l’analyse chimique. Cette opération était réalisée chaque soir dans les laboratoires
Ifremer de La Seyne-sur-mer.
Les individus destinés à la biométrie et aux analyses métalliques sont prélevés en aveugle après
homogénéisation du lot de moules vivantes. La hauteur, longueur et largeur de coquille sont mesurées,
sur un nombre suffisant d’individus représentatifs de l’échantillon prélevé (min 50 individus), avec un
pied à coulisse donnant une mesure au 1/10ème de millimètre.

4.2 Protocole de traitement du matériel avant usage

Les entonnoirs de Büchner, de même que le bol en verre du broyeur sont lavés au détergent, rincés à
l’eau déminéralisée et séchés. La lame du broyeur est lavée à l’eau déminéralisée. Le petit matériel
(couteaux, scalpels, entonnoirs, spatules, etc.) est rincé à l’eau du robinet puis à l’eau désionisée (type
Milli-Q®).
Les piluliers utilisés ont subi un traitement spécifique. Les couvercles en plastique neufs sont rincés à
l’eau du robinet puis à l’eau Milli-Q®. Ils sont alors séchés à l’étuve dans des sachets plastiques
ouverts. Les sachets sont ensuite fermés et réservés en attendant que les piluliers soient disponibles.
Les piluliers neufs sont d’abord lavés en machine avec le détergent sans phosphate utilisé par le
laboratoire DEL/PC. Un nouveau lavage sans détergent est réalisé, suivi d’un rinçage en machine à
l’eau Milli-RO®. Les piluliers sont alors passés 8 heures à 450°C au four. Une fois refroidis, ils sont
fermés avec les couvercles en matière plastique. Ils sont pesés vides (tare) pourvus de leur étiquette et
sans couvercle avec une précision au gramme.
Les feuilles d’aluminium utilisées lors des divers manipulations (fermeture des piluliers, protection
des portoirs de piluliers dans le congélateur et des Buchner pendant l’égouttage) et conditionnements
des échantillons RNO ont été calcinées pendant 8 heures à 450°C.

4.3 Protocole de décoquillage, broyage et lyophilisation

Pour la confection des deux piluliers nécessaires à l’analyse chimique, 30 des 50 individus sont
écoquillés dans un laboratoire où n’est menée aucune activité contaminante, avec des gants en
polyéthylène jetables comme prescrit dans le RNO (Figure 2.6). Le décoquillage a été fait, le jour
même, avec un scalpel en acier inoxydable propre, en évitant d’endommager le mollusque avec la
lame pour limiter la perte de liquide intratissulaire et en éliminant le byssus. La chair a été mise à
égoutter (30 minutes) sur un entonnoir de Büchner en porcelaine pour récupérer l’écoulement
cytoplasmique. Pendant la phase d’égouttage, la chair des mollusques est protégée des contaminations
du milieu ambiant par une feuille d’aluminium qui recouvre l’entonnoir.

75
 Photos 2.6: Ecoquillage des échantillons et égouttage de la chair avant la mise en pilulier.

Lorsque l’égouttage des mollusques est terminé, les deux piluliers de 90 ml ont été remplis et fermés
en intercalant une feuille d’aluminium calcinée entre le verre et la capsule plastique.
Les deux piluliers sont ensuite pesés pour avoir le poids total humide de chair, puis congelés. Les
coquilles sont séchées à l’étuve à 60°C pendant 48h puis pesées au 1/1000ème de gramme.
Enfin, la chair des piluliers est broyée et homogénéisée au broyeur de verre et acier inox puis
lyophilisée de façon à être disponibles pour les analyses chimiques.

4.4 Analyses de la concentration en métaux traces dans la moule

Les analyses chimiques ont été réalisées selon les protocoles du RNO (Chiffoleau et al., 2002; Cossa
et al., 2002). Les analyses de Pb, Cd et Cu ont été effectuées systématiquement par spectrométrie
d’absorption atomique électrothermique, équipé d’un système de correction d’absorption non
spécifique par effet Zeeman, alors que l’analyse du zinc est réalisée en spectrométrie d’absorption
atomique en flamme (Laboratoire Municipal et Régional de Rouen). Le mercure a été analysé par
fluorescence atomique après formation des vapeurs froides en présence de chlorure stanneux au
laboratoire du département « Polluants chimiques » de l’Ifremer à Nantes. Des échantillons de
référence sont systématiquement utilisés afin de valider la méthode d’extraction totale des métaux et
les techniques analytiques.
La sensibilité d’un méthode est son aptitude à détecter et/ou à mesurer avec précision de faibles
quantités d’éléments. Elle est exprimée par deux grandeurs: la limite de détection qui est la
concentration la plus faible détectée avec certitude et la limite de quantification qui est la
concentration la plus faible mesurable (Tableau 2.1).

Tableau 2.1: Limites de détection et de quantification pour des conditions routinières (prise
d’essai de 200 mg et volume final de 50 ml) (Chiffoleau et al., 2002; Cossa et al., 2002).
Hg total CH3Hg Cd Pb Cu (flamme) Zn
-1
Limite détection (mg.kg ) 0,007 0,002 à 0,004 0,02 0,2 10 3
Limite quantification (mg.kg-1) 0,08 0,5 30 9

76
La reproductibilité d’une méthode est son aptitude à fournir toujours le même résultat pour un même
échantillon. Elle est exprimée par le coefficient de variation de la concentration (en pourcentage) et est
égale au rapport entre l’écart-type de la série et la moyenne de ces concentrations. La justesse est son
aptitude à mesurer correctement la valeur d’un échantillon. Elle est évaluée par l’analyse des standards
certifiés commerciaux suivants (Tableau 2.2).

Tableau 2.2: Liste des standards certifiés commerciaux (Chiffoleau et al., 2002; Cossa et al.,
2002).
Echantillon Référence Fournisseur
Moule AIEA 142 Agence Internationale de l’Energie Atomique
CRM 278 R Bureau Communautaire des références (BCR, Bruxelles)
GBW National Research Center for CRM’s (Pékin, république populaire de Chine)
SRM 2976 National Institute of Standards ad Technology (NIST, Gaithersburg, MD, USA)

Les valeurs certifiées annoncées (Tableau 2.3) correspondent aux moyennes des concentrations
annoncées par chaque laboratoire expert (utilisant chacun une méthode particulière) ± l’écart type sur
la série de ces moyennes. Par contre, les valeurs mesurées annoncées correspondent aux moyennes des
concentrations mesurées par le département Polluants Chimiques de l’Ifremer (toujours pas la même
méthode) ± l’écart type sur la série de ces concentrations.

Tableau 2.3: Tableau des valeurs certifiées et mesurées pour chacun des 5 métaux dans la chair
de moule (Chiffoleau et al., 2002; Cossa et al., 2002).
Métal Référence Valeur certifiée Valeur mesurée Coefficient de Nombre de
(mg.kg-1) (mg.kg-1) variation mesures
Hg total AIEA 142 0,126 ± 0,016 0,120 ± 0,006 7% 6
CH3Hg AIEA 142 0,031 à 0,057 0,043 à 0,051 10 % 6
Cd CRM 278R 0,348 ± 0,007 0,34 ± 0,01 4% 54
GBW 4,5 ± 0,5 4,2 ± 0,2 5% 56
SRM 2976 0,82 ± 0,16 0,81 ± 0,04 5% 7
Pb CRM 278R 2,00 ± 0,04 1,98 ± 0,09 5% 56
GBW 1,96 ± 0,09 1,49 ± 0,06 4% 56
SRM 2976 1,19 ± 0,18 1,2 ± 0,1 8% 8
Cu CRM 278R 9,45 ± 0,13 9,2 ± 0,2 2% 56
GBW 7,7 ± 0,9 7,5 ± 0,3 4% 56
SRM 2976 4,02 ± 0,33 3,9 ± 0,1 3% 7
Zn CRM 278R 83,1 ± 1,7 82 ± 2 2% 54
GBW 139 ± 9 133 ± 5 4% 55
SRM 2976 137 ± 13 140 ± 3 2% 7

Les méthodes de détermination sont très reproductibles et donnent des résultats acceptables pour une
large gamme de concentrations en métaux étudiés.

77
5 Analyses chimiques du milieu environnant
5.1 Caractéristiques physiques et physico-chimiques
Chaque semaine, la température et la salinité, les deux descripteurs de base des masses d’eau,
dépendant quasi exclusivement des processus physiques ont été mesurées à l’aide d’une sonde multi
paramètres (Multi-Parameter Instrument: WTW, Multi 340i). De la même façon, l’oxygène dissous et
le pH ont été relevés, paramètres influencés par des processus chimiques et biologiques.
A chaque prélèvement, les échantillons d’eau sont réalisés, depuis le pont du bateau, vers 1 m de
profondeur, afin d’éviter de recueillir le film de surface considérablement enrichi. Les bouteilles en
verre opaque, dans lesquelles sont recueillies ces échantillons d’eau, sont rincées plusieurs fois avant
d’être remplies.

5.2 Caractéristiques chimiques dissoutes

Les nutriments sont les descripteurs hydrologiques quasi systématiquement utilisés en environnement
côtier. Bien qu’ils ne soient pas directement toxiques, ils sont à l’origine de nuisances telles que
l’eutrophisation et l’anoxie du milieu, phénomènes engendrés par une perturbation du cycle de ces
éléments, conséquence des apports extérieurs au milieu. Ainsi, lors d’études ciblant des sources
déterminées (urbaines, agricoles), les composés majoritaires de ces sources doivent nécessairement
être mesurés:
- rejet urbain: ammonium et phosphate ;
- rivière: nitrate, silicate et phosphate.
Dans notre étude ont été mesurés: nitrate (NO3), nitrite (NO2), ammonium (NH4), phosphate (PO4) et
silicate (SiO2).

5.3 Caractéristiques chimiques particulaires

Les mesures de matières en suspension (MES) permettent d’évaluer les concentrations en matières
solides présentes dans les eaux ; celles du carbone organique particulaire (COP) d’appréhender, par
l’élément C, le matériel organique particulaire. Enfin, les mesures de la chlorophylle a et de ses
composés de dégradation, les phéopigments, permettent d’évaluer la biomasse phytoplanctonique et
son état de dégradation. C’est un paramètre clé des études en hydrologie du milieu côtier, à la fois une
conséquence des apports nutritifs et une des causes de la variation de la concentration de nombreux
paramètres (pH, O2, nutriments, MOP).
Majoritairement, les filtrations ont été réalisées dans la journée du prélèvement, en utilisant des filtres
en polycarbonates ( Nucléopores, 0,4 µm) pour les mesures de matières en suspension et des filtres
Whatman GF/F (0,7 µm) pour les mesures de COP, chlorophylle a et phéopigments. Après filtration
du volume d’eau nécessaire à la saturation du filtre, les filtres sont rincés à l’eau Milli-Q de façon à
éliminer les effets de sel pouvant interférer de façon d’autant plus importante dans l’estimation de la

78
concentration en matières que la salinité est élevée. Les filtrats sont récupérés pour les analyses de sels
nutritifs.
La charge particulaire (MES) de chaque échantillon est déterminée par pesée à sec (étuve 40°C
pendant 2 jours) des filtres Nucléopore (0,4 µm) après filtration. Pour les autres analyses, les filtres
sont immédiatement congelés après filtration. Ils sont conservés à –18°C jusqu’au traitement chimique
précédant l’analyse (chlorophylle a et phéopigments: Laboratoire DEL de l’Ifremer à La Seyne-sur-
mer, sels nutritifs et COP: Laboratoire Municipal de Nice).

5.4 Analyses de la concentration en métaux dans le milieu: dissous et particulaire

La mesure des contaminants métalliques dans les eaux naturelles a longtemps été sujette à caution à
cause de la contamination des échantillons durant le prélèvement, la manipulation et le stockage et du
manque de méthodes analytiques adaptées. La mise en évidence de ces problèmes et l’identification
des sources de contamination et d’erreur ont permis d’apporter des améliorations concernant les étapes
d’échantillonnage et de traitement grâce à l’élaboration et l’application de protocoles rigoureux qui
doivent être réalisées dans des conditions ultra-propres. Un soin particulier est accordé à la nature et la
propreté du matériel utilisé pour le traitement des échantillons, à la qualité de l’eau, des réactifs et des
gaz employés, afin de prévenir de tout risque de contamination pouvant survenir à chacune des
opérations précédant l’analyse (Quémerais et Cossa, 1999).
Ainsi, à chaque station, l’échantillonnage a été réalisé, avec grande précaution, à la main (port de gants
polyéthylène) à partir d’un zodiac, à une profondeur d’environ 50 cm face au courant, de façon à
prévenir tout risque de contamination. Les flacons en téflon ont été enveloppés dans deux sacs en
polyéthylène et stockés dans l’obscurité jusqu’à que leurs filtrations soient réalisées.
Pour la séparation des métaux dissous et particulaires, les échantillons sont filtrés sur des filtres en
polycarbonates montés sur des porte-filtres en polypropylène, sous hotte à flux laminaire dans le
laboratoire propre du département PC de Toulon. Cette étape se fait dans des ampoules en téflon sous
pression d’azote. L’azote de qualité C utilisé est purifié par passage à travers un filtre téflon d’une
porosité de 0,2 µm. Les filtres chargés sont recueillis dans des boites de Pétri, emballés dans un sachet
en polyéthylène et conservés à –18°C jusqu’au moment de la minéralisation. Les filtrats sont recueillis
dans des bouteilles en teflon prélavées à l’acide et rincées à l’eau Milli-Q. Ils sont également congelés
jusqu’à l’étape de préconcentration et l’analyse par spectrométrie d’absorption atomique.
Les analyses sur la phase dissoute et particulaire des métaux traces ont été réalisées au département PC
de Nantes. Les concentrations en métaux (sauf mercure) sont mesurées par spectrométrie d’absorption
atomique selon la méthode décrite (Chiffoleau et al., 2001; Chiffoleau et al., 2002), celles en mercure
par spectrométrie de fluorescence atomique (Quémerais et Cossa, 1997; Quémerais et Cossa, 1999).
Les précautions prises lors de la minéralisation et de l’analyse des éléments majeurs restent valables.
Des blancs ainsi que des échantillons de référence sont systématiquement utilisés afin de valider la
méthode d’extraction totale des métaux et les techniques analytiques.

79
5.4.1 Performances de la méthode d’analyse des métaux dans la phase dissoute
La sensibilité des méthodes utilisées pour l’analyse des métaux dans la phase dissoute est décrite par
les deux valeurs limites de détection et de quantification (Tableau 2.4) pour des conditions routinières
d’étude (prise d’essai de 50 ml pour le Hg , prise d’essai de 100 g et volume final de 5 ml pour les
autre métaux).

Tableau 2.4: Limites de détection et de quantification pour des conditions routinières (prise
d’essai de 50 ml) (Quémerais et Cossa, 1999; Chiffoleau et al., 2002; Cossa et al., 2003).
Hg total CH3Hg Cd Pb Cu Zn
(µg.L-1) (µg.L-1) (µg.kg-1) (µg.kg-1) (µg.kg-1) (µg.kg-1)
Limite détection 0,02 à 0,06.10-3 1 à 4.10-6 0,003 0,025 0,081 0,34
Limite quantification 0,011 0,085 0,28 1,1

Du fait de l’absence d’une eau marine de référence pour la détermination du mercure dissous, la
justesse de la méthode n’est pas établie avec certitude. Pour les autres métaux, les standards certifiés
commerciaux pour l’eau côtière sont indiqués dans le tableau 2.5.

Tableau 2.5: Liste des standards certifiés commerciaux (Quémerais et Cossa, 1999; Chiffoleau et
al., 2002; Cossa et al., 2003).
Echantillon Référence Fournisseur
Eau côtière Consensus* pour Hg
CASS-1 Coding Accuracy Support System, National Research Council Canada
CASS-2
CASS-3

La participation à des exercices d’intercomparaison indique un niveau de fiabilité. Lors d’un exercice
organisé avec les universités du Connecticut (Grotton, USA) et du Maryland (Solomon, USA) ainsi
qu’avec Frontier Geosciences (Seattle, USA) et le Centre Saint-Laurent (Montréal, Canada), la valeur
de consensus était de 1 ± 0,08 ng.L-1 (Quémerais et al., 1998). Pour le MMHg, la justesse de la
méthode n’a pu être établie.
Le tableau 2.6 donne les valeurs certifiées et mesurées pour chacun des cinq métaux étudiés. Les
méthodes de détermination sont très reproductibles et donnent des résultats acceptables pour une large
gamme de concentrations en métaux étudiés. Le plomb est l’élément le plus difficile par cette méthode
du fait qu’il soit présent à très faible concentration dans l’environnement aquatique et que l’absorption
atomique est une technique relativement peu sensible pour cet élément.

80
Tableau 2.6: Tableau des valeurs certifiées et mesurées pour chacun des 5 métaux dans l’eau
(Quémerais et Cossa, 1999; Chiffoleau et al., 2002; Cossa et al., 2003)
Métal Référence Valeur certifiée Valeur mesurée Coefficient de Nombre de
-1 -1
(µg.L ) (µg.L ) variation mesures
Hg 1.10-3± 0,08.10-3 1.10-3± 0,08.10-3 De 5 à 15 % 6
Cd CASS-1 0,026 ± 0,005 0,029 ± 0,003 10 % 13
CASS-2 0,019 ± 0,004 0,022 ± 0,002 9% 47
CASS-3 0,030 ± 0,005 0,027 ± 0,002 8% 118

Pb CASS-1 0,25 ± 0,03 0,23 ± 0,03 13 % 11

CASS-2 0,019 ± 0,006 0,020 ± 0,007 36 % 48
CASS-3 0,012 ± 0,004 0,009 ± 0,004 40 % 51

Cu CASS-1 0,29 ± 0,03 0,32 ± 0,04 13 % 7

CASS-2 0,67 ± 0,04 0,70 ± 0,04 5% 47
CASS-3 0,52 ± 0,06 0,53 ± 0,04 7% 117

Zn CASS-1 1 ± 0,1 1 ± 0,1 15 % 12

CASS-2 2 ± 0,1 1,8 ± 0,2 9% 34
CASS-3 1,2 ± 0,3 1,1 ± 0,2 16 % 113

5.4.2 Performances de la méthode d’analyse des métaux dans la phase particulaire

La sensibilité des méthodes utilisées pour l’analyse des métaux dans la phase particulaire est décrite
par les deux valeurs limites de détection et de quantification (Tableau 2.7) pour des conditions
routinières d’étude dans des conditions de faibles/fortes quantités de MES (prise d’essai de 2/200 mg
et volume final de 5/50 ml).

Tableau 2.7: Limites de détection et de quantification pour des conditions routinières (prise
d’essai de 200 mg et volume final de 50 ml)(Quémerais et Cossa, 1999; Chiffoleau et al., 2003).
Hg Cd Pb Cu Zn
-1
Limite détection (mg.kg ) Faible MES 0,0432 0,1 4 4 56
Forte MES 0,01 0,4 0,4 6
-1
Limite quantification (mg.kg ) Faible MES 0,4 13 13 190
Forte MES 0,04 1,3 1,3 19

Les méthodes sont assez sensibles pour évaluer avec précision les teneurs en contaminants
métalliques. Par contre, dans le cas de très faibles charges en MES, certains éléments peu concentrés
(Cd) sont parfois difficiles à quantifier avec précision. Dans ces rares cas, il est conseillé de concentrer
la solution finale à 2 ml. La justesse de ces méthodes d’analyse des métaux dans la phase particulaire
est évaluée par l’analyse des standards certifiés commerciaux suivant (Tableau 2.8).

81
Tableau 2.8: Liste des standards certifiés commerciaux (Quémerais et Cossa, 1999; Chiffoleau et
al., 2003).
Echantillon Référence Fournisseur
MES BCSS-1 Conseil National de Recherche du Canada (NRCC, Ottawa)
MESS-1
MESS-2
MESS-3

Les valeurs certifiées annoncées correspondent aux moyennes des concentrations annoncées par
chaque laboratoire expert (utilisant chacun une méthode particulière) ± l’écart type sur la série de ces
moyennes. Par contre, les valeurs mesurées annoncées correspondent aux moyennes des
concentrations mesurées par le département Polluants Chimiques de l’Ifremer (toujours pas la même
méthode) ± l’écart type sur la série de ces concentrations (Tableau 2.9).

Tableau 2.9: Tableau des valeurs certifiées et mesurées pour chacun des 5 métaux dans les MES
(Quémerais et Cossa, 1999; Chiffoleau et al., 2003).
Métal Référence Valeur certifiée Valeur mesurée Coefficient de Nombre de
-1 -1
(mg.kg ) (mg.kg ) variation mesures
Hg MESS-1 0,171 ± 0,014 0,183 ± 0,024 13 % 4
Cd BCSS-1 0,25 ± 0,04 0,28 ± 0,02 6% 30
MESS-1 0,59 ± 0,10 0,69 ± 0,04 6% 50
MESS-2 0,24 ± 0,01 0,27 ± 0,02 7% 235
MESS-3 0,24 ± 0,01 0,25 ± 0,01 3% 4

Pb BCSS-1 22,7 ± 3,4 23 ± 1 4% 26

MESS-1 34 ± 6,1 34 ± 2 5% 38
MESS-2 21,9 ± 1,2 23 ± 1 4% 175
MESS-3 21,1 ± 0,7 23,1 ± 0,5 2% 4

Cu BCSS-1 18,5 ± 2,7 17,8 ± 0,5 3% 26

MESS-1 25,1 ± 3,8 25 ± 2 8% 49
MESS-2 39,3 ± 2 38 ± 2 8% 213
MESS-3 33,9 ± 1,6 34 ± 1 3% 4

Zn BCSS-1 0,119 ± 0,012 0,109 ± 0,004 3% 28

MESS-1 0,191 ± 0,017 0,18 ± 0,01 5% 44
MESS-2 0,172 ± 0,016 0,158 ± 0,006 4% 238
MESS-3 0,159 ± 0,008 0,16 ± 0,01 6% 4

Les méthodes de détermination sont très reproductibles et donnent des résultats acceptables pour une
large gamme de concentrations en métaux étudiés.

82
5.5 Analyses de la concentration en métaux dissous « labiles »: DGT
Des mesures ponctuelles des concentrations en métaux dissous « labiles » dans la colonne d’eau ont
été réalisées par l’utilisation de capteurs à gradient de diffusion (DGT: Diffusive Gradient in Thin
films).
La technique de gradients de diffusion à travers des films fins est désignée pour mesurer in situ les
cations métalliques dissous les plus « labiles » (ions hydratés, complexes minéraux, « petits »
complexes organiques) en fonction de leur concentration dans le milieu et du temps d’immersion du
capteur. C'est le principe des capteurs chimiques passifs (Alfaro-De la Torre et al., 2000). Ils ont été
développés ces dernières années pour évaluer les concentrations environnementales des espèces
métalliques les plus disponibles pour les organismes avec des temps de réponse très courts (quelques
heures). Ils ont été proposés en complément à l'utilisation des indicateurs biologiques quantitatifs
(Davison et Zhang, 1994; Zhang et Davison, 1995; Zhang et al., 1995; Zhang et Davison, 1999).
Les DGT sont composés de trois couches principales (Figure 2.7):
- une couche limite diffusive (DBL) d'épaisseur Δr où le transport ne résulte que de la diffusion.
Cette couche sépare ainsi le gel de la solution ;
- un hydrogel de polyacrylamide perméable aux ions comme une couche diffusive, d'une finesse
définie Δg ;
- une résine cationique de type Chelex 100, imprégnée d'un agent piégeant (Davison et Zhang,
1994). Dans la couche de résine, la concentration du métal en solution est égale à zéro en raison de
la capacité complexante de la résine. La concentration de la solution à l'extérieur du gel est celle
qu'il convient de mesurer, Cb. (Allison et al., 1995).

M 2+

M 2+
Eau
2+
M 2+ M
M 2+

Couche limite
Couche de
Membrane (filtre polycarbonate)
diffusion
Gel (polyacrilamide: pores < 1nm)
Résine dans gel (Chelex 100)

Figure 2.7: Schémas explicatifs du capteur à gradient diffusif (DGT).

Pour être transportés de la solution jusqu'à la résine, les ions doivent diffuser au travers de la couche
diffusive limite d'épaisseur Δr et du gel d'épaisseur Δg. L'obtention de résultats quantitatifs sur les
concentrations en ions en solution est réalisée après une période relativement courte, d'une journée à

83
quelques semaines. La méthode est applicable à n'importe quelle espèce chimique chargée, susceptible
de diffuser à travers le gel et de se fixer sur la résine.
La concentration en métal moyen dans l'environnement, Cb, peut alors être déterminée à partir de la
masse de métal fixé (M) par unité de surface de résine et par unité de temps (t) (Webb et Keough,
2002) selon:

M ⋅Δg
Cb =
D ⋅t ⋅ A
Avec M: masse de métal fixé par unité de surface de résine et unité de temps ;
D: coefficient de diffusion ;
t: temps d'immersion du DGT ;
A: aire diffusive.

Les avantages de ces capteurs sont multiples: simplicité d'utilisation, intégration des niveaux de
contaminants biodisponibles, information sur une partie des composés bioconcentrés (les composés
dissous les plus biodisponibles), indépendants des facteurs biologiques, bonne reproductibilité (donc
comparaison inter-sites), possibilité de prévoir l'effet des facteurs abiotiques. Cependant, ils ont
certaines limites d’utilisation: aucune information sur les composés particulaires, possibilité de
biosalissure ou "fouling" pouvant réduire les processus d'échange de métaux au niveau de la surface de
gel au bout d'un certain temps, réduction de la durée de déploiement limitant la période d'intégration
des variations de concentration des métaux en solution.
Compte tenu de leur apparente facilité d'utilisation et des nombreuses applications, ces capteurs passifs
sont susceptibles d'apporter un complément d'information à notre étude basée sur l'utilisation
d'organismes transplantés et l’effet des variations du milieu (spéciation métallique et biodisponibilité).
Cependant, en raison de la nouveauté de cette technique, la prudence s'impose. Ces capteurs nous
renseignent uniquement sur les concentrations métalliques dissoutes en particulier les espèces chargées
libres ou faiblement complexées. Il ne faut pas oublier que dans certaines situations environnementales
(milieu turbide, forte teneur en MES, bloom phytoplanctonique), la voie particulaire peut être
prédominante dans le processus de bioaccumulation par les moules. Réciproquement, les DGT ne
peuvent être directement reliés aux résultats écologiquement pertinents, mais permettent une
compréhension plus étendue de la répartition, de la disponibilité et des conséquences écologiques de
certains de ces contaminants au sein de ces milieux.
De la même façon que les métaux sur les MES, les analyses sur la phase dissoute ont été réalisées au
département PC de Nantes. Les concentrations en métaux labiles (sauf mercure) sont mesurées par
spectrophotométrie d’absorption atomique après préconcentration par extraction selon le protocole
décrit par Chiffoleau et al. (2002). Les précautions prises lors de la minéralisation et de l’analyse des
éléments majeurs restent valables. Des blancs sont systématiquement utilisés afin de valider la
méthode d’extraction totale des métaux et les techniques analytiques.

84
 CHAPITRE 3

Résultats et discussions : suivis de la croissance de la

moule et de la bioaccumulation de métaux traces
(Hg, Cd, Pb, Cu et Zn)
Chapitre 3: Résultats et discussions: suivis de la croissance
de la moule et de la bioaccumulation des métaux traces
(Hg, Cd, Pb, Cu et Zn)

Dans ce chapitre sont présentés et analysés les résultats obtenus lors des expérimentations terrain dans
le cadre de l’étude du processus de bioaccumulation de différents métaux (Hg, Cd, Pb, Cu et Zn) chez
la moule, Mytilus galloprovincialis, sur différents sites d’étude aux potentiels trophiques et aux
caractéristiques chimiques différents. Tour à tour, les caractéristiques environnementales (données
physico-chimiques et teneurs métalliques) de chacun des trois sites sont décrits (1), puis l’évolution
physiologique (croissance) des moules bioindicatrices (2), ainsi que les cinétiques de contamination et
de décontamination des cinq métaux étudiés (3). Ces trois types de données seront discutés et corrélés
dans un dernier point (4).

1 Caractéristiques des sites

Pour les trois sites d’étude, les données hydrologiques et chimiques d’accompagnement obtenues
incluent la température, la salinité de l’eau, les matières en suspension, le carbone organique
particulaire, la chlorophylle a et les phéopigments, et les sels nutritifs (ammonium, phosphate, nitrate,
nitrite et silicate).

1.1 Données physico-chimiques

1.1.1 Baie du Lazaret
Sur le site du Lazaret (Figure 3.1), la température de l’eau évolue d’un maximum de 22,9°C au début
de l’expérience (13 septembre 2002) à un minimum de 11,4°C fin janvier (28 janvier 2003). A partir
de cette date, la température se stabilise puis ré-augmente jusqu’à 13°C en fin d’expérience (6 mars
2003). La salinité varie très faiblement autour d’une valeur moyenne de 37,24, proche du milieu
marin. Peu de désallures sont observées sur cette période d’étude (Figure 3.1).
Les variations de matière en suspension (MES) et de carbone organique particulaire (COP) sont
nombreuses durant la période d’étude, avec des fluctuations plus importantes en début d’expérience.
La valeur moyenne est de 2,88 mg.L-1 et 1,39 mg.L-1 respectivement. En parallèle, les teneurs en
chlorophylle a et phéopigments montrent des variations importantes (moyenne de 0,5 et 0,82 µg.L-1
respectivement), avec une période de perturbation caractéristique en octobre. Il est difficile de noter un
cycle saisonnier (Figure 3.1).
En ce qui concerne les nutriments, ceux ci atteignent des valeurs élevées sur deux périodes
temporelles: la première en octobre (valeurs maximales atteintes: NO3 3375 µg.L-1, NO2 15 µg.L-1,
PO4 45 µg.L-1 et SiO2 734 µg.L-1) et la seconde en décembre pour le NO3 et le NO2 (valeurs

85
maximales atteintes: NO3 685 µg.L-1, NO2 23 µg.L-1) et en janvier pour le PO4 et SiO2 (valeurs
maximales atteintes: PO4 105 µg.L-1 et SiO2 340 µg.L-1). Il est à noter un pic intermédiaire pour le
NO3 en novembre (Figure 3.1).
L’hydrologie de la baie, compte tenu de sa configuration, est tributaire des conditions météorologiques
locales: notamment de forts coups de vent d’Est entraînant d’importantes remises en suspension des
sédiments (période hivernale) ou encore des blooms phytoplanctoniques (période estivale).

86
 25 8 4000 25
MES NO3
7
COP NO2
20

Concentrations (mg/L)
6 3000 20
Température (°c)

NO2 (µg/L)
NO3 (µg/L)
15
4 2000 15
10 3

2 1000 10
5
1

0 0 0 5
13- 28- 13- 28- 12- 27- 12- 27- 11- 26- 10- 25- 13- 28- 13- 28- 12- 27- 12- 27- 11- 26- 10- 25- 13- 4-oct 18- 12- 3-déc 9-déc 7- 28- 24-
sept sept oct oct nov nov déc déc janv janv févr févr sept sept oct oct nov nov déc déc janv janv févr févr sept oct nov janv janv févr

40 4 112 800
Chla 102 PO4
3,5 700
Pheopigments SiO2
39 Concentrations (µg/L) 92
3 600
82

SiO2 (µg/L)
2,5 500

PO4 (µg/L)
38 72
Salinité

2 62 400
37 1,5 52 300
42
1 200
36 32
0,5 22 100

35 0 12 0
13- 27- 11- 25- 8- 22- 6- 20- 3- 17- 31- 14- 28- 13- 28- 13- 28- 12- 27- 12- 27- 11- 26- 10- 25- 13- 4-oct 18- 12- 3-déc 9-déc 7- 28- 24-
sept sept oct oct nov nov déc déc janv janv janv févr févr sept sept oct oct nov nov déc déc janv janv févr févr sept oct nov janv janv févr

Figure 3.1: Suivi des différents paramètres environnementaux sur le site du Lazaret, lors de la période d’étude de contamination des moules:
température, salinité, MES et COP, chlorophylle a et phéopigments, NO3 et NO2, PO4 et SiO2.

87
1.1.2 Etang de Bages
Sur l’étang de Bages (Figure 3.2), la température de l’eau évolue d’un maximum de 22,9°C au début
de l’expérience (19 septembre 2002) à un minimum de 3,6°C fin janvier (9 janvier 2003). A partir de
cette date, la température se stabilise puis réaugmente pour atteindre une valeur de 13,5°C en fin
d’expérience (6 mars 2003). La salinité diminue durant la totalité de l’expérience, allant de 35 à 25 en
fin de suivi. Cette diminution est périodique et correspond à l’entrée d’eau douce importante durant la
saison hivernale par les pluies drainées sur un important bassin versant (Figure 3.2).

Les eaux de Bages montrent des pics importants (valeur maximale atteinte: MES 13,7 mg.L-1 en
septembre et 30,7 mg.L-1 autour du 6 février), voire très importants (valeur maximale atteinte MES
64mg.L-1 autour du 21 novembre) des concentrations en matières en suspension avec un niveau moyen
élevé de 13,35 mg.L-1 et de 2,35 mg.L-1 en MES et COP respectivement (Figure 3.2). Les trois pics
observés sont à chaque fois précédés par de fortes tempêtes de vent et de pluie, entraînant un apport
important de matière par les bassins versants et une remise en suspension du sédiment par les vagues.
Les teneurs en chlorophylle a et en phéopigments sont importantes avec une moyenne de 2,45 µg.L-1
et 6,8 µg.L-1 respectivement. Une augmentation est notée en fin d’expérience (Figure 3.2).
Les teneurs en NO3 et NO2 augmentent à partir de décembre pour atteindre une valeur importante en
fin d’expérience, en particulier pour le NO2 (valeurs maximales atteintes: NO3 436 µg.L-1, NO2
26,24µg.L-1). Quant au PO4 et SiO2, les fluctuations sont parallèles à celles des MES, (Figure 3.2),
avec trois périodes de pic, atteignant des valeurs importantes, en particulier pour le SiO2 (valeurs
maximales atteintes: PO4 21,73 µg.L-1 et SiO2 544 µg.L-1).

88
 25 3000 140
70
MES NO3
60 NO2 120
COP 2500
20

Concentrations (mg/L)
Température (°c)

50 100
2000
15
40

NO3 (µg/L)

NO2 (µg/L)
80

1500
10 30 60

20 1000
40
5
10
500
20

0 0
13- 28- 13- 28- 12- 27- 12- 27- 11- 26- 10- 25- 13- 27- 11- 25- 8- 22- 6- 20- 3- 17- 31- 14- 28- 0 0
sept sept oct oct nov nov déc déc janv janv févr févr sept sept oct oct nov nov déc déc janv janv janv févr févr 13- 25- 10- 6-nov 14- 12- 17- 9- 7-févr 13- 5-
sept sept oct nov déc déc janv févr mars

38 72 1400
25 60
Chla PO4
36
62 SiO2 1200
Phéopigments 50
34 20
1000
32 40 52

SiO2 (µg/L)
PO4 (µg/L)
Phéo (µg/L)
Chla (µg/L)

15 800
Salinité

30
30 42
28 600
10
26 20 32
400
24
5 22
10 200
22
20 0 0 12 0
13- 28- 13- 28- 12- 27- 12- 27- 11- 26- 10- 25- 13- 3-oct 6-nov 21- 17- 6-févr 13- 13- 25- 10- 6-nov 14- 12- 17- 9- 7-févr 13- 5-
sept sept oct oct nov nov déc déc janv janv févr févr sept sept oct nov déc déc janv févr mars
sept nov déc févr

Figure 3.2: Suivi des différents paramètres environnementaux sur le site de Bages lors de la période d’étude de contamination des moules:
température, salinité, MES et COP, chlorophylle a et phéopigments, NO3 et NO2, PO4 et SiO2.

89
1.1.3 Ile de Port-Cros
Sur l’Ile de Port-Cros (Figure 3.3), où les moules sont transplantées suite à la contamination sur le
Lazaret ou sur Bages, la température ne cesse d’augmenter: de 13,5°C (mars 2003) à 23,5°C en fin
d’expérience (juin 2003). La salinité fluctue autour de 37,5 avec une légère chute mi-mars à 34 (Figure
3.3).
Les niveaux en MES et COP sont faibles et plutôt constants (valeur moyenne de 1,71 et 0,78 mg.L-1
respectivement). Les teneurs en chlorophylle a et phéopigments montrent un léger pic en début
d’expérience (valeur maximale atteinte: 1,86 et 0,96 µg.L-1 respectivement).
En ce qui concerne les sels nutritifs, un pic est observé fin mars pour le NO3 et le SiO2 (valeur
maximale atteinte: 1075 et 146 mg.L-1 respectivement) alors que les teneurs en NO2 et PO4 restent très
faibles et constantes (5 et 21,38 mg.L-1 respectivement).

90
 25 3,5 1200
MES 24
3
NO3
COP
20 1000 NO2

Concentrations (mg/L)
2,5 19
Température (°c)

800

NO3 (µg/L)

NO2 (µg/L)
15
2
600 14
10 1,5
400
1
5 9
0,5 200

0 0 0 4
28-févr 15-mars 30-mars 14-avr 29-avr 14-mai 29-mai 13-juin 28-juin 28-févr 15-mars 30-mars 14-avr 29-avr 14-mai 29-mai 13-juin 28-juin 7- 19- 9-avr 6-mai 15- 28- 19-
mars mars mai mai juin
40 2 62 160
Chla PO4
39 57 140
Phéopigments SiO2
52
1,5
Concentrations (µg/L)

38 120
47

SiO2 (µg/L)
100

PO4 (µg/L)
Salinité

37 42
1 37 80
36
32 60
35 27
0,5 40
22
34
17 20
33 0 12 0
28-févr 15-mars 30-mars 14-avr 29-avr 14-mai 29-mai 13-juin 28-juin 22-févr 8-mars 22- 5-avr 19-avr 3-mai 17-mai 31-mai 14-juin 28-juin
7- 19- 9-avr 6-mai 15- 28- 19-
mars
mars mars mai mai juin

Figure 3.3: Suivi des différents paramètres environnementaux sur l’île de Port-Cros lors de la période d’étude de contamination des moules:
température, salinité, MES et COP, chlorophylle a et phéopigments, NO3 et NO2, PO4 et SiO2.

91
1.1.4 Comparaison inter-sites
La température moyenne du Lazaret (15,46°C) est plus élevée que celle de Bages (11,75°C) (Tableau
3.1). A Port-Cros, elle est encore plus importante, la saison étant plus avancée (16,44°C) et le site se
trouvant plus à l’Est. La salinité moyenne à Bages (S=29,5) est moins importante qu’au Lazaret et
qu’à Port-Cros (S=37,2). C’est à Bages que les fluctuations de température et de salinité sont les plus
importantes durant l’expérimentation. Ces eaux montrent les plus hauts niveaux de nutriments
(incluant nitrates et phosphates) et de matière particulaire. L’île de Port-Cros est beaucoup moins riche
nutritivement du fait de sa position géographique et de l’absence de bassins versants importants
(Tableau 3.1).

En conclusion, la baie du Lazaret est un site oligotrophe avec des caractéristiques hydrologiques
relativement stables pendant la période d’étude. L’apparition de forte turbidité a été plusieurs fois
observée par forts vents d’Est, entraînant quelques pics importants des caractéristiques trophiques du
milieu (augmentation brutale nutriments et MES). L’Etang de Bages est, quant à lui, un site
mésotrophe lagunaire. Du fait que ce soit un milieu fermé, une variabilité importante des paramètres
physico-chimiques et trophiques est observée. Compte tenu de sa configuration, l’hydrologie de cet
étang est tributaire des conditions météorologiques (fortes pluies, vents importants) amplifiées par un
bassin versant important. Enfin, l’île de Port-Cros est un site oligotrophe, de type mer ouverte. Lors de
la période d’étude, les conditions hydrologiques sont stables et peu soumises aux variations
environnementales.

92
Tableau 3.1: Caractéristiques physico-chimiques moyennes (Température, Salinité, MES, Chla, Pheopigments, NH4, NO2, NO3, PO4 et SiO2) des eaux
sur les trois sites d’étude (Lazaret, Bages et Port-Cros) pendant les expériences de transplantation.
Lazaret Bages Port-Cros
Moyenne Min / Max n Moyenne Min / Max n Moyenne Min / Max n
Température (°C) 14,6 11,4 / 22,9 35 10,7 3,56 / 22,8 21 17,0 13,5 / 23,5 13
Salinité 37,2 36,1 / 37,9 35 29,3 26 / 36,5 21 37,1 34 / 37,9 13
MES (mg.L-1) 2,84 0,38 / 6,64 35 13,35 3,5 / 64 21 1,71 0,727 / 3,08 13
COP (mg.L-1) 1,39 0,2 / 3,12 35 2,35 0,37 / 6,7 21 0,78 0,21 / 1,72 13
Chla (µg.L-1) 0,5 0,025 / 2,99 35 1,45 0,025 / 19,65 21 0,254 0,025 / 1,86 13
Pheo (µg.L-1) 0,82 0,025 / 3,79 35 6,8 0,025 / 57,08 21 0,42 0,025 / 1,96 13
NH4 (µg.L-1) 0,05 0,05 / 0,05 35 0,133 0,05 / 0,56 21 0,05 0,05 / 0,05 13
NO2 (µg.L-1) 8,97 5 / 23 35 26,24 5 / 132 21 5 5/5 13
NO3 (µg.L-1) 334 25 / 3375,8 35 435,9 25 / 2711 21 243 61 / 1075 13
PO4 (µg.L-1) 18,4 12,5 / 105 35 21,73 12,5 / 67 21 21,38 12,5 / 58 13
SiO2 (µg.L-1) 137 27 / 734 35 544 27 / 1208 21 84,77 27 / 146 13

Tableau 3.2: Statistiques réalisées sur les concentrations métalliques (forme dissoute et particulaire) sur les trois sites d’étude.
Lazaret Bages Port-Cros
Moyenne Min / Max n Moyenne Min / Max n Moyenne Min / Max n
-1
[Hg] dissous (ng.L ) 1,98 0,48 / 2,96 19 0,45 0,32 / 0,86 13 0,344 0,195 / 0,486 7
[Hg]particulaire (mg.kg-1) 1,57 0,052 / 3,82 19 1,01 0,0017 / 3,15 13 0,0737 0,001 / 0,3914 7
[Cd] dissous (ng.L-1) 8,75 5 / 14 19 35,77 6 / 55 13 6,43 6/7 7
[Cd] particulaire (mg.kg-1) 0,084 0,03 / 0,28 19 0,66 0,27 / 1,29 13 0,098 0,05 / 0,23 7
[Pb] dissous (ng.L-1) 111,44 19 / 190 19 17,54 8 / 50 13 15,44 0,1 / 26 7
[Pb] particulaire mg.kg-1) 19,43 2,32 / 65,3 19 11,38 4,1 / 20,5 13 2 2 7
[Cu] dissous (µg.L-1) 0,58 0,2 / 1,66 19 0,987 0,13 / 1,52 13 0,113 0,11 / 1,24 7
[Cu] particulaire (mg.kg-1) 43,1 10,1 / 97 19 37,04 14 / 73 13 4,18 2 / 17,3 7
[Zn] dissous (µg.L-1) 2,08 0,72 / 7,3 19 0,64 0,25 / 2,03 13 0,23 0,15 / 0,33 7
[Zn] particulaire (mg.kg-1) 80,81 28 / 283 19 66,4 28 / 152 13 28 28 / 28 7

93
1.2 Teneurs métalliques de chaque site
1.2.1 Baie du Lazaret
Les analyses des métaux dans l’eau, sous forme dissoute et particulaire, montrent, sur le site du
Lazaret, des teneurs élevées en Hg, Pb et Zn (1,98 ng.L-1, 107,63 ng.L-1 et 2,08 ng.L-1 respectivement
pour le dissous et 1,57, 18,2 et 80,81 mg.kg-1 pour le particulaire) et des teneurs faibles en Cd (8,44
ng.L-1 pour le dissous et 0,084 pour le particulaire) (Tableau 3.2 et Figure 3.4).
La concentration en Hg sous forme dissoute augmente durant la première période expérimentale puis
diminue lentement. Elle passe de 0,5 ng.L-1 au début de l’expérience à des concentrations supérieures
à 2,5 ng.L-1 fin décembre et fin janvier. L’évolution des concentrations des formes particulaires
montrent une tendance générale à la baisse avec cependant de fortes oscillations de concentration
(Figure 3.4).
Les concentrations en Cd, sous forme dissoute et particulaire, sont faibles, et se retrouvent à des
niveaux voisins de ceux des eaux de surface océaniques (Cossa, 1989) ; elles restent stables durant la
totalité de l’expérience (Figure 3.4).
La concentration en Pb sous forme dissoute diminue durant l’expérience (allant de 190 ng.L-1 à 25
ng.L-1) alors que la concentration en Pb particulaire est perturbée à deux reprises (pic très important fin
novembre 2002 et pic plus léger mi décembre 2002).
En ce qui concerne le Zn sous forme dissoute, les concentrations restent stables en deçà de 3 µg.L-1 à
l’exception d’un premier pic important noté fin novembre (la valeur maximale atteinte est supérieure à
7 µg.L-1) et d’un second plus léger mi décembre. Sous sa forme particulaire, l’évolution du Zn est
identique à celle sous forme dissoute avec deux pics décelés à la même période (le premier moins
important que le second). Enfin, les concentrations en Cu dissous sont relativement stables et
généralement inférieures à 1 µg.L-1 avec un pic observé mi-février. Les concentrations sous forme
particulaire sont beaucoup plus variables avec un pic très important mi-octobre (autour de 100
mg.kg1), et deux pics plus légers fin novembre et mi-décembre (Figure 3.5).

1.2.2 Etang de Bages

Les analyses de l’eau de Bages montrent, comme attendu, des niveaux très élevés en Cd (36 ng.L-1
pour le dissous et 0,66 mg.kg-1 pour le particulaire) et des niveaux faibles en Hg et Pb (respectivement
0,45 et 18 ng.L-1 pour le dissous et 1 et 12,46 mg.kg-1 pour le particulaire, Tableau 3.2 et Figure. 3.4).
La concentration en Cd sous forme dissoute reste relativement stable autour d’une valeur moyenne (36
ng.L-1), à l’exception d’une forte diminution (mi-février) suivie d’une augmentation en fin
d’expérience. En parallèle, deux légers pics sont observés sur l’évolution temporelle de la
concentration en Cd particulaire (3 octobre et 28 février). L’évolution temporelle des concentrations
en Cu (Figure 3.5), dissous et particulaire, est identique à celle du Cd.

94
 3,5 70 250
Lazaret Lazaret Lazaret
3 Bages Bages Bages
60
200
[Hg] dissous (ng/L)

2,5

[Pb] dissous (ng/L)

50

[Cd] dissous (ng/L)

2 150
40

1,5
30 100
1
20

0,5 50
10
0
0 0
13- 27- 11- 25- 8- 22- 6- 20- 3- 17- 31- 14- 28-
13- 27- 11- 25- 8- 22- 6- 20- 3- 17- 31- 14- 28- 13- 27- 11- 25- 8- 22- 6- 20- 3- 17- 31- 14- 28-
sept sept oct oct nov nov déc déc janv janv janv févr févr sept sept oct oct nov nov déc déc janv janv janv févr févr
sept sept oct oct nov nov déc déc janv janv janv févr févr

4,5 70
Lazaret 1,4 Lazaret Lazaret
4 Bages Bages 60 Bages
1,2
[Hg] particulaire (mg/kg)

3,5

[Pb] particulaire (mg/kg)

[Cd] particulaire (mg/kg)

50
3 1
2,5 40
0,8
2 30
0,6
1,5
20
0,4
1
10
0,5 0,2

0 0 0
13- 27- 11- 25- 8- 22- 6- 20- 3- 17- 31- 14- 28- 13- 27- 11- 25- 8- 22- 6- 20- 3- 17- 31- 14- 28- 13- 27- 11- 25- 8- 22- 6- 20- 3- 17- 31- 14- 28-
sept sept oct oct nov nov déc déc janv janv janv févr févr sept sept oct oct nov nov déc déc janv janv janv févr févr sept sept oct oct nov nov déc déc janv janv janv févr févr

Figure 3.4: Suivi des différentes concentrations (forme dissoute et particulaire) en contaminants mesurés (Hg, Cd et Pb) sur les deux sites de
contamination étudiés.

95
 8
Lazaret Lazaret
2
Bages 7 Bages

6
[Cu] dissous (µg/L)

[Zn] dissous (µg/L)

1,5
5

4
1
3

0,5 2

0 0
13- 27- 11- 25- 8- 22- 6- 20- 3- 17- 31- 14- 28- 13- 27- 11- 25- 8- 22- 6- 20- 3- 17- 31- 14- 28-
sept sept oct oct nov nov déc déc janv janv janv févr févr sept sept oct oct nov nov déc déc janv janv janv févr févr
120 300
Lazaret Lazaret
Bages Bages
100 250
[Cu] particulaire (mg/kg)

[Zn] particulaire (mg/kg)

80 200

60 150

40 100

20 50

0 0
13- 27- 11- 25- 8- 22- 6- 20- 3- 17- 31- 14- 28- 13- 27- 11- 25- 8- 22- 6- 20- 3- 17- 31- 14- 28-
sept sept oct oct nov nov déc déc janv janv janv févr févr sept sept oct oct nov nov déc déc janv janv janv févr févr

Figure 3.5: Suivi des différentes concentrations (forme dissoute et particulaire) en contaminants
mesurés (Cu et Zn) sur les deux sites de contamination étudiés.

1.2.3 Ile de Port-Cros

Les niveaux des métaux traces, sous forme dissoute et particulaire, dans l’eau de l’Ile de Port-Cros,
sont faibles, montrant que le site est exempt de contamination métallique notable. Seules les moyennes
sont présentées pour comparaison avec les deux autres sites (Tableau 3.2).

1.2.4 Comparaison inter-sites

Le tableau 3.2 donnent les tendances statistiques centrales de chaque site. Les dosages des eaux
permettent de confirmer nos hypothèses de travail déterminant le choix des sites. La contamination en
Hg des eaux du Lazaret est importante (4 fois plus contaminée que celles de Bages et de Port-Cros), la
contamination en Cd du site de Bages est patente (5 fois plus contaminées que celles du Lazaret et de
Port-Cros), de même que celle du Pb dans les eaux du Lazaret (respectivement 5,4 et 7 fois plus
contaminées que celles de Bages et de Port-Cros). La concentration moyenne en Zn au Lazaret peut
etre jusqu’à 3 fois supérieure à celle de l’étang de Bages, alors que pour le Cu la différence est inverse.

96
1.3 Teneurs métalliques dissoutes totales par la méthode des DGT: étude biodisponibilité
En parallèle aux mesures de contaminants menées dans la colonne d'eau, une évaluation ponctuelle de
la biodisponibilité des métaux sous forme dissoute a été réalisée grâce à l'utilisation de DGT
(Diffusive Gradient in Thin films = gradient diffusif en couche mince). Pour les trois sites
expérimentaux, la comparaison des concentrations en métaux sous forme dissoute [M]dissoute (après
filtration à 0,45 µm) et des concentrations des métaux sous forme "labile" [M]dgt déterminées avec les
DGT indique que:
- Pour le Cd et le Pb, le rapport R ([M]dissoute /[M]dgt) est proche de 1, ce qui indique que ces éléments
sont essentiellement sous forme de complexes minéraux,
- Pour le Cu, ce rapport est compris entre 1,4 et 2, ce qui met en évidence que cet élément sous forme
"dissoute" est présent, en proportion notable, sous forme de complexes organiques peu "labiles".

Ces résultats sont en accord avec différentes études sur la spéciation de ces éléments, en comparant
différentes techniques (Odzac et al., 2002; Twiss et Moffett, 2002; Dunn et al., 2003; Gimpel et al.,
2003).
- Pour le Zn, les fortes valeurs de blanc des résines ne permettent pas d'utiliser les DGT dans des
milieux peu contaminés en Zn.
- Pour le Hg, les faibles concentrations de cet élément dans le milieu (renvoyer à la partie mesures du
Hg dans l'eau), après un temps d'immersion de 24 ou 48h, ne permettent pas de mesurer, dans les
résines, une teneur en Hg supérieure à la limite de détection.

Les données obtenues par les DGT permettent une évaluation de la fraction dissoute la plus
biodisponible. Ces données peuvent servir pour les simulations de la bioaccumulation des éléments
étudiés. Par exemple, pour le Cd et le Pb, les concentrations dissoutes (après filtration) mesurées
peuvent être considérées comme totalement biodisponibles. Par contre, pour le Cu, seule environ la
moitié du Cu dissous mesuré peut être considérée comme biodisponible.

97
En conclusion, nos résultats de mesures dans l’eau confirment les observations du RNO et de
RINBIO, la baie du Lazaret est un site contaminé par le Hg et le Pb. De plus, nous observons aussi
de fortes concentrations en Zn. Il est très intéressant de noter que les pics observés pour les
concentrations particulaires de ces trois métaux se font exactement à la même période (fin novembre et
mi décembre). Cette augmentation simultanée de métaux sous forme particulaire est probablement due
à une forte remise en suspension des sédiments, relarguant par-là même les métaux des eaux
interstitielles. En effet, la remise en suspension des sédiments est déterminée par la houle et les
courants induits par les vents. Cette remise en suspension des sédiments contaminés constitue une
origine potentielle non négligeable. Ainsi, la concentration particulaire passe d’un niveau peu perturbé
équivalent sur les deux sites d’étude à un niveau très élevé sur celui du Lazaret (pouvant augmenter
jusqu'à 10 fois son niveau de base). Au contraire, sur le site de Bages, quelque soient les conditions et
quelque soit le métal, aucun pic de concentration n’est observé. Le sédiment ne serait donc pas
contaminé, la remise en suspension n’aurait donc aucune répercussion sur les teneurs en métaux dans
la colonne d’eau. Cette hypothèse d’une possible origine sédimentaire de la contamination est
soutenue par la corrélation observée entre les teneurs en MES et les concentrations en métaux
particulaires (Hg, Pb et Zn). Ainsi, la première période (fin novembre 2002) est directement corrélée
avec une forte augmentation des MES et du NO2 dans le milieu, alors que la seconde (mi décembre)
est corrélée avec une légère augmentation des MES mais surtout une très forte augmentation du NO2
et SiO2 (Figure 3.1, 3.4 et 3.5).
Enfin, il est à noter un début d’augmentation de ces trois métaux sous forme particulaire juste avant la
transplantation en site peu contaminé par les éléments métalliques.
Sur le site de Bages, nos résultats confirment aussi ceux du RNO et de RINBIO: la contamination est
particulièrement importante pour le Cd et légère pour le Cu, leurs évolutions temporelles étant très
semblables. En ce qui concerne les formes dissoutes, l’épisode final de diminution et de re-
augmentation semble induit par des variations du milieu, de la même façon que l’augmentation notée
des concentrations particulaires. En effet, deux pics d’augmentation des MES sont observés (Figure
3.2), mettant en évidence deux périodes de remises en suspension. La seconde entraîne, dans un bref
délai, la libération et l’augmentation des sels nutritifs (Figure 3.2): en particulier dans un premier
temps du NO3 et NO2 puis dans une moindre mesure du PO4 et SiO, et libérant à la fois du Cd et du
Cu sous forme dissoute et particulaire (Figure 3.4 et 3.5). Cet enrichissement en nutriments est
accompagné d’une augmentation des phéopigments.
Enfin, le site de Port-Cros est oligotrophe, stable et exempt de toutes contaminations.

Toutes ces données physico-chimiques nous permettent de cerner précisément les caractéristiques
environnementales des trois sites d’étude et surtout leur évolution temporelle durant l’étude de la
bioaccumulation, sachant qu’une partie de celles ci de forcer, de façon conséquente, le système
Bioindicateur - Contaminant.

98
2 Croissance
Les suivis de poids humide et de poids sec de chair, de poids sec de coquille, de longueur, largeur et
hauteur de coquille ont été réalisés pour les trois sites d’étude et les deux types de cinétiques
expérimentales (6 ou 3 mois sur le Lazaret et sur Bages puis 3 mois sur Port-Cros) (Figure 3.6 et 3.7).

2.1 Baie du Lazaret

Sur le site du Lazaret, durant le premier suivi expérimental (6 mois sur Lazaret), le poids de chair
augmente très légèrement jusqu’au 9 décembre 2003. A cette date, une importante diminution du poids
de chair est observée avec une perte d’environ 43 % (Figure 3.6). Ce changement brutal de l’évolution
pondérale des moules est probablement dû à leur cycle reproductif, en particulier à la période de ponte.
En fait, en étudiant les suivis environnementaux, une diminution de la température et un important
vent d’Est sont observés à cette période. Ces deux facteurs forçant semblent être déterministes dans le
déclenchement de cet événement. Ensuite, le poids de chair reste plus ou moins stable. Les autres
paramètres allométriques (longueur, largeur, hauteur et poids de coquille) suivent le même type
d’évolution avec l’atteinte d’un plateau d’équilibre à mi-expérience, lors de la période reproductive
(Figure 3.6).
Durant le second suivi expérimental (3 mois sur Lazaret), les moules ont été transplantées sur le site
début décembre, juste pendant la période reproductive, entraînant seulement une perte de 25,7 % de
chair (Figure 3.6). Cette perte de poids est moins importante, probablement due au fait qu’une partie
avait déjà été perdue sur le site d’origine. La période de croissance suivant la ponte est aussi plus lente
lors de ce second suivi. Les paramètres coquilliers évoluent selon une allure normale avec l’atteinte
d’un plateau en fin de suivi. Il est à noter que les individus sont plus petits et moins lourds que ceux du
premier suivi expérimental (Figure 3.6 et 3.7).

2.2 Etang de Bages

Sur l’Etang de Bages, durant le premier suivi expérimental, le poids de chair humide augmente
rapidement jusqu’au 21 novembre 2003. A cette date, une importante diminution est observée avec
une perte d’environ 35,6 %, due au cycle reproductif. Ensuite, une reprise de croissance est notée
(Figure 3.6).

Sur le second suivi expérimental de Bages, la transplantation a eu lieu en léger décalage par rapport au
suivi du Lazaret pour des raisons climatiques, nous empêchant d’aller sur le site. Ainsi, seulement la
fin de la période de ponte est observée avec une perte de 3,16 %, suivie par une importante croissance
jusqu’en mars (Figure 3.6). Les paramètres coquilliers confirment ces tendances, avec bien entendu
une période de stabilité pendant la ponte (Figures 3.6 et 3.7).

99
 LAZARET / BAGES PORT-CROS LAZARET / BAGES PORT-CROS
9 1,4
Lazaret
8 Bages 1,2
Poids chair humide (g)

7 1

Poids chair sec (g)

6 0,8

5 0,6

4 0,4

3 0,2

2 0
13-sept 13-oct 12-nov 12-déc 11-janv 10-févr 12-mars 11-avr 11-mai 10-juin 13-sept 13-oct 12-nov 12-déc 11-janv 10-févr 12-mars 11-avr 11-mai 10-juin
70 11

68 10

Poids sec coquille (g)

Longeur coquille (mm)

66 9

64 8

62 7

60 6

58 5

56 4
13-sept 13-oct 12-nov 12-déc 11-janv 10-févr 12-mars 11-avr 11-mai 10-juin 13-sept 13-oct 12-nov 12-déc 11-janv 10-févr 12-mars 11-avr 11-mai 10-juin

Figure 3.6: Suivi des différents paramètres allométriques: poids chair sec, poids coquille, longueur, largeur et hauteur de coquille.

100
 LAZARET / BAGES PORT CROS
27
Lazaret
26 Bages
25
Hauteur coquille (mm)

24
23
22
21
20
19
18
17
13-sept 13-oct 12-nov 12-déc 11-janv 10-févr 12-mars 11-avr 11-mai 10-juin
36

35

34
Largeur coquille (mm)

33

32

31

30

29

28

27
13-sept 13-oct 12-nov 12-déc 11-janv 10-févr 12-mars 11-avr 11-mai 10-juin

Figure 3.7: Suivi de la hauteur et largeur coquille des différents sites.

2.3 Ile de Port-Cros

Le 7 mars 2003, les cages de moules des 4 suivis (deux suivis du Lazaret et deux suivis de Bages) ont
été transplantées sur un site peu contaminé par les éléments métalliques (Ile de Port-Cros) pour
examiner les cinétiques de décontamination. Sur ce site, les moules originaires du Lazaret voient leur
poids de chair légèrement augmenter alors que celles originaires de Bages voient leur poids rester plus
ou moins constants (Figure 3.6).
En terme de croissance coquillière, les différents paramètres allométriques ont tendance à augmenter
pour chacun des quatre suivis (Figures 3.6 et 3.7).

101
2.4 Comparaison inter-sites
Les croissances des moules originaires du même site des Aresquiers puis transplantées sur les deux
sites (Lazaret et Bages) aux caractéristiques trophiques différentes ne sont pas similaires. Ainsi, les
conditions environnementales observées sur l’Etang de Bages permettent une croissance tissulaire plus
importante que sur le Lazaret (Figure 3.6).
En terme de croissance coquillière, les différences s’atténuent entre les différents sites, sauf pour les
suivis de six mois où elles sont importantes. Ces différences se retrouvent bien entendu en terme de
croissance tissulaire (Figures 3.6 et 3.7).
Enfin, la transplantation sur Port-Cros n’a pas le même effet sur les différents groupes de moules.
Ainsi, la croissance tissulaire est fortement touchée pour les moules provenant de Bages alors que pour
celles du Lazaret, elle ne l’est que très faiblement. En terme de croissance coquillière, les différences
sont atténuées, celle ci continuant à augmenter (Figures 3.6 et 3.7).

102
3 Cinétiques de contamination et de décontamination
3.1 Cinétiques de contamination
3.1.1 Cas du mercure
• Site du Lazaret
Contamination de 6 mois: Sur le site du Lazaret, la courbe d’évolution temporelle de la concentration
en Hg dans la chair des moules montre bien la cinétique d’accumulation en asymptote, rapide dans un
premier temps puis plus lente pour atteindre un plateau de saturation en fin d’expérience autour de 0,5
mg.kg-1 (Figure 3.8). Cette cinétique semble régulière au cours du temps, excepté entre le 9/12/02 et le
16/12/02 où une augmentation plus rapide de la concentration (passant de 0,3 à 0,45 mg.kg-1) est
observée. L’atteinte d’un pseudo-équilibre semble se faire en 110 jours environ.
Contamination de 3 mois: De la même façon, la cinétique d’accumulation du Hg, sur le suivi de 3
mois, présente une allure de courbe asymptotique avec l’atteinte d’un plateau de saturation (Figure
3.8). Dans un premier temps, l’accumulation est importante puis diminue pour atteindre une
concentration d’environ 0,42 mg.kg-1 en environ 60 jours (Figure 3.8). Ce plateau aurait pu être atteint
plus tôt, en 30 jours, mais une diminution suivie d’une augmentation est observée à ce moment (entre
le 7/01/03 et le 27/01/03).
Comparaison des deux suivis: Les deux suivis ont le même type d’allure, avec l’atteinte d’un plateau
de saturation à la même époque et à un niveau très proche. De ce fait, les moules du suivi de 6 mois,
semblent mettre plus de temps que celles mises à mi-expérience. Il est à noter que la valeur initiale du
suivi de 6 mois (0,08 mg.kg-1) est légèrement inférieure à celle du suivi de 3 mois (0,11 mg.kg-1). En
fin d’expérimentation, les quantités de Hg par moule sont respectivement de 0,18 et de 0,15
µg.individu-1 pour les suivis de 3 et 6 mois.

• Site de Bages
Contamination de 6 mois: Sur le site du Bages, l’évolution temporelle de la concentration en Hg dans
la chair de moule ne suit pas d’allure particulière (Figure 3.8). La concentration reste plus ou moins
constante, avec un léger pic à mi-expérience (0,145 mg.kg-1 le 17/12/02), pour atteindre une valeur
finale de 0,08 mg.kg-1, égale à la valeur initiale.
Contamination de 3 mois: De la même façon, pour les moules transplantées à mi-expérience, la
concentration en Hg dans la chair évolue très légèrement (Figure 3.8). Une légère diminution est
observée après le 20/12/02 (de 0,17 à 0,87 mg.kg-1), la valeur finale atteinte étant de 0,082 mg.kg-1.

103
 CONTAMINATION DECONTAMINATION

0,6
Lazaret, contamination
Lazaret, décontamination
0,5 Bages, contamination
Bages, décontamination
[Hg] moule (mg/kg PS)

0,4

0,3

0,2

0,1

0
13-sept 13-oct 12-nov 12-déc 11-janv 10-févr 12-mars 11-avr 11-mai 10-juin

0,3

0,25

0,2
QHg (µg/indiv)

0,15

0,1

0,05

0
13-sept 13-oct 12-nov 12-déc 11-janv 10-févr 12-mars 11-avr 11-mai 10-juin

Figure 3.8: Cinétiques de bioaccumulation du mercure chez la moule, Mytilus galloprovincialis,

sur les différents suivis réalisés. Concentrations exprimées en mg.kg-1 (p.s.) et quantités en
µg.individu-1:
- Lazaret (6 mois) + Port-Cros (3 mois), trait plein,
- Lazaret (3 mois) + Port-Cros (3 mois), trait pointillé,
- Bages (6 mois) + Port-Cros (3 mois), trait plein,
- Bages (3 mois) + Port-Cros (3 mois), trait pointillé.

104
Comparaison des deux suivis: Les deux suivis sur Bages ont le même type d’allure avec l’atteinte d’un
maximum autour du 17/12/02. Il est à noter que la valeur initiale du suivi de 6 mois (0,08 mg.kg-1) est
deux fois inférieure à celle du suivi de 3 mois (0,16 mg.kg-1). La valeur finale en terme de quantité par
individu est plus faible sur le suivi de 3 mois que sur celui de 6 mois (0,057 et 0,08 µg.individu-1).

• Comparaison des deux sites

Les teneurs en Hg sur les moules transplantées dans la baie du Lazaret sont environ 5 fois supérieures
à celles provenant de l’étang de Bages (Figure 3.8). La comparaison des cinétiques d’accumulation du
Hg dans les moules transplantées sur deux sites de niveaux de concentration distincts est
caractéristique. Dans le cas d’un milieu contaminé (Lazaret), l’accumulation est rapide jusqu’à
l’atteinte d’un plateau de pseudo-équilibre ; dans le cas opposé (Etang de Bages), l’accumulation est
quasi-négligeable, la concentration fluctuant autour d’une valeur moyenne.
Dans les deux situations, au temps initial, les moules transplantées pendant 3 mois sont plus
contaminées que celles stabulées pendant 6 mois. Les valeurs atteintes en fin d’expérience sont
pourtant équivalentes. Une cinétique d’accumulation plus rapide pour les secondes que pour les
premières est observée. Enfin, une perturbation des cinétiques est bien notée pour chaque suivi, sur
chaque site, autour du 17/12/02, perturbations qui ne semblent donc pas caractéristiques des sites ou
des suivis mais de l’organisme lui-même (Figure 3.8).

105
3.1.2 Cas du cadmium
• Site du Lazaret
Contamination de 6 mois: La courbe d’évolution temporelle de la concentration en Cd sur le site du
Lazaret montre une concentration constante autour de 0,5 mg.kg-1 les trois premiers mois, suivie d’une
augmentation rapide (9/12/02) amenant à une concentration finale de 1 mg.kg-1 (Figure 3.9).
Contamination de 3 mois: Pour les moules transplantées à mi-expérience, la concentration en Cd dans
la chair augmente rapidement dans un premier temps (9/12/02) puis fluctue autour d’une valeur de
0,85 pour arriver à 0,8 mg.kg-1 en fin de suivi (Figure 3.9).
Comparaison des deux suivis: Les deux suivis réalisés sur le Lazaret montrent une accumulation très
faible en Cd, avec une légère augmentation autour du 9/12/02. La valeur finale en terme de quantité de
Cd par individu est environ équivalente pour les deux suivis (0,3 µg.individu-1).
• Site de Bages
Contamination de 6 mois: La courbe d’évolution temporelle de la concentration en Cd sur le site de
Bages montre une augmentation constante de celle ci pendant la phase de contamination, avec un
premier pic très important autour du 17/12/02 (passant de 1,1 mg.kg-1 à 2,1 mg.kg-1), puis un second
pic en fin de suivi (5/03/03, allant de 1,4 à 2,2 mg.kg-1) (Figure 3.9). En terme de quantité, la courbe
d’évolution de la quantité de Cd par individu (µg.individu-1) a beaucoup plus une allure asymptotique,
atteignant un premier plateau en trois mois. Les moules semblaient avoir atteint un état de pseudo-
équilibre mais celui-ci est perturbé avec une très forte augmentation de la quantité de Cd à partir de
début février, pour atteindre une valeur de 2,3 µg.individu-1.
Contamination de 3 mois: La concentration en Cd sur les moules transplantées à mi-expérience
augmente légèrement dans un premier temps, se stabilise pour enfin re-augmenter rapidement à partir
de février pour atteindre une valeur de 1,7 mg.kg-1 (Figure 3.9). En terme de quantité par individu,
l’allure asymptotique de la cinétique d’accumulation du Cd est beaucoup plus visible, avec l’atteinte
d’un plateau en moins d’un mois. Ce dernier est ensuite fortement perturbé dès février, avec une très
forte augmentation de la quantité de métaux, passant de 0,6 à 1,2 µg.individu-1.
Comparaison des deux suivis: Ces deux suivis, sur le site de Bages, montrent des cinétiques de
contamination fortement perturbées: avec un premier pic début décembre et un second en février. Ces
deux pics semblent induits par des processus différents. En effet, en travaillant en terme de quantité
par individu, seul le second apparaît de façon conséquente, montrant leurs origines différentes. Enfin,
il est à noter que les moules du premier suivi sont plus contaminées que celles du second.
• Comparaison des deux sites
La concentration moyenne en Cd dans la chair des moules de Bages est environ deux fois supérieure à
celle retrouvée sur le Lazaret. En terme de quantité par individu, un facteur variant de 3 à 7 entre les
moules de Bages et du Lazaret est notée. Les cinétiques d’accumulation du Cd en terme de
concentration subissent de fortes variations au cours du temps. Cependant, en raisonnant en terme de

106
quantité, des courbes caractéristiques sont observées, avec une stabilité de la quantité en Cd sur le
Lazaret et une cinétique asymptotique sur le site de Bages, perturbée en fin de suivi.

CONTAMINATION DECONTAMINATION

2,5

2
[Cd] moule (mg/kg PS)

1,5

Lazaret, contamination
0,5 Lazaret décontamination
Bages, contamination
Bages, décontamination
0
13-sept 13-oct 12-nov 12-déc 11-janv 10-févr 12-mars 11-avr 11-mai 10-juin

2,5

2
QCd (µg/indiv)

1,5

0,5

0
13-sept 13-oct 12-nov 12-déc 11-janv 10-févr 12-mars 11-avr 11-mai 10-juin

Figure 3.9: Cinétiques de bioaccumulation du cadmium chez la moule, Mytilus galloprovincialis,

sur les différents suivis réalisés. Concentrations exprimées en mg.kg-1 (p.s.) et quantités en
µg.individu-1: - Lazaret (6 mois) + Port-Cros (3 mois), trait plein,
- Lazaret (3 mois) + Port-Cros (3 mois), trait pointillé,
- Bages (6 mois) + Port-Cros (3 mois), trait plein
- Bages (3 mois) + Port-Cros (3 mois), trait pointillé.

107
3.1.3 Cas du plomb
• Site du Lazaret
Contamination de 6 mois: Sur le site du Lazaret, la courbe d’évolution temporelle de la concentration
en Pb dans la chair des moules a une allure asymptotique jusqu’au 9/12/03 où une forte augmentation
est notée (allant de 4,3 à 6,9 mg.kg-1) (Figure 3.10). Au-delà de cette perturbation, un nouveau plateau
semble atteint, ne subissant que de faibles variations, si ce n’est une diminution lente en fin de suivi.
En raisonnant en terme de quantité par individu, l’allure asymptotique est plus visible, atteignant de
façon rapide un plateau qui tend vers une diminution en fin de suivi.
Contamination de 3 mois: La cinétique d’accumulation du Pb suit une courbe de type asymptotique,
atteignant un plateau en 30 jours environ, avec une concentration de 6,5 mg.kg-1 (Figure 3.10). Par la
suite, quelques variations autour de cette valeur moyenne sont observées, notamment une diminution
en fin de suivi.
Comparaison des deux suivis: Ces deux suivis, sur le site du Lazaret, montrent des cinétiques de
contamination semblables avec l’atteinte d’un pseudo-équilibre de façon assez rapide (30 jours). Ce
plateau sera ensuite fortement perturbé sur le premier suivi (décembre) pour atteindre un second
équilibre à un niveau plus élevé. Une diminution de la concentration en Pb dans la chair des moules
est observée sur les deux suivis, à partir du 27/01/03. Les moules du suivi de 6 mois auront une
concentration en Pb (5,9 mg.kg-1) supérieures à celles du suivi de trois mois (4,7 mg.kg-1), alors qu’en
terme de quantité, les teneurs sont quasi-similaires (0,63 µg.individu-1).
• Site de Bages
Contamination de 6 mois: Sur le site du Bages, l’évolution temporelle de la concentration en Pb dans
la chair de moule ne suit pas une allure asymptotique (Figure 3.10). La concentration reste plus ou
moins constante, avec un léger pic à mi-expérience (1,5 mg.kg-1 le 12/12/02), pour atteindre une valeur
finale de 0,8 mg.kg-1, légèrement supérieure à la valeur initiale (0,5 mg.kg-1).
Contamination de 3 mois: De la même façon, pour les moules transplantées à mi-expérience, la
concentration en Pb dans la chair évolue très légèrement (Figure 3.10). Une forte diminution est
observée dès le début (de 1,5 mg.kg-1 le 12/12/02 à 0,8 mg.kg-1 le 9/01/03), suivie ensuite d’une
augmentation puis d’une nouvelle diminution, la valeur finale atteinte étant de 0,9 mg.kg-1.
Comparaison des deux suivis: Les deux suivis sur Bages ont le même type d’allure avec l’atteinte d’un
maximum autour du 17/12/02. La valeur finale en terme de quantité par individu est très proche
quelque soit le suivi (2 µg.individu-1). Il est à noter que la valeur initiale du suivi de 6 mois (0,08
mg.kg-1) est deux fois inférieure à celle du suivi de 3 mois (0,16 mg.kg-1).
• Comparaison des deux sites
La comparaison des cinétiques d’accumulation du Pb dans les moules est très caractéristique (Figure
3.10). D’un coté, l’accumulation est rapide jusqu’à l’atteinte d’un plateau ; de l’autre, l’accumulation
est quasi-négligeable, la concentration variant autour d’une valeur moyenne. Enfin, une perturbation
des cinétiques est bien notée sur chaque site, autour du 17/12/02. Les concentrations en Pb dans la

108
chair des moules du Lazaret sont environ 5 à 7 fois supérieures à celles de Bages. La diminution de la
concentration en Pb dans la chair sur les deux suivis du Lazaret ne se retrouve pas sur les suivis de
Bages. Elle semble donc caractéristique du milieu.

CONTAMINATION DECONTAMINATION

10
Lazaret, contamination
9 Lazaret, décontamination

8 Bages, contamination
Bages, décontamination
[Pb] moule (mg/kg PS)

7
6
5
4
3
2
1
0
13-sept 13-oct 12-nov 12-déc 11-janv 10-févr 12-mars 11-avr 11-mai 10-juin

3,5

3
Q Pb (µg/indiv)

2,5

1,5

0,5

0
13-sept 13-oct 12-nov 12-déc 11-janv 10-févr 12-mars 11-avr 11-mai 10-juin

Figure 3.10: Cinétiques de bioaccumulation du plomb chez la moule, Mytilus galloprovincialis,

sur les différents suivis réalisés. Concentrations exprimées en mg.kg-1 (p.s.) et quantités en
µg.individu-1: - Lazaret (6 mois) + Port-Cros (3 mois), trait plein,
- Lazaret (3 mois) + Port-Cros (3 mois), trait pointillé,
- Bages (6 mois) + Port-Cros (3 mois), trait plein
- Bages (3 mois) + Port-Cros (3 mois), trait pointillé.

109
3.1.4 Cas du cuivre
• Site du Lazaret
Contamination de 6 mois: Sur le site du Lazaret, la cinétique d’accumulation du Cu dans la chair de
moules ne cesse de croître pendant les 100 premiers jours, avec une première pente jusqu’à début
décembre, suivie d’une seconde plus rapide (Figure 3.11). Ensuite, la concentration subit quelques
variations, pour finalement diminuer en fin de suivi, arrivant à une valeur finale de 9,2 mg.kg-1.
Contamination de 3 mois: La concentration en Cu des moules augmente très rapidement en première
partie du suivi, allant de 6,9 à 14,5 mg.kg-1 (7/01/03), puis re-diminue pour atteindre une valeur finale
de 9,4 mg.kg-1 (Figure 3.11)
Comparaison des deux suivis: Ces deux suivis, sur le site du Lazaret, montrent des cinétiques
communes, pour finir à une valeur de concentration en Cu du même ordre de grandeur. Il est à noter
que le pic observé sur le second suivi est plus élevé que celui du premier.

• Site de Bages
Contamination de 6 mois: Sur le site de Bages, la cinétique d’accumulation du Cu dans la chair de
moules ne cesse de croître pendant les 100 premiers jours, avec une première pente jusqu’à début
décembre, suivie d’une seconde plus rapide pour atteindre une valeur de 10,3 mg.kg-1. Cette
concentration re-diminue ensuite pour atteindre un nouveau maximum avant la fin de suivi (12mg.kg-1,
28/02/03) (Figure 3.11)
Contamination de 3 mois: La concentration en Cu des moules est stable dans un premier temps puis
augmente très rapidement avec un pic de 12,4 mg.kg-1, autour du 28/02/03 (Figure 3.11).
Comparaison des deux suivis: Ces deux suivis sur le site du Lazaret montrent des évolutions
communes, pour finir à une valeur de concentration en Cu égale.

• Comparaison entre les deux sites

La comparaison des cinétiques d’accumulation du Cu sur ces deux sites nous montrent des cinétiques
identiques, avec une variation plus ou moins importante de la valeur maximale atteinte début
décembre (Figure 3.11). Un second pic (28/05/03) est observé sur le site de Bages. En fin de suivi de
contamination, les quatre suivis arrivent à une concentration égale de 9,5 mg.kg-1.

110
 CONTAMINATION DECONTAMINATION

16
Lazaret, contamination
14 Lazaret, décontamination
Bages, contamination
Bages, décontamination
12
[Cu] moule (mg/kg PS)

10

0
13-sept 13-oct 12-nov 12-déc 11-janv 10-févr 12-mars 11-avr 11-mai 10-juin
14

12

10
QCu (µg/indiv)

0
13-sept 13-oct 12-nov 12-déc 11-janv 10-févr 12-mars 11-avr 11-mai 10-juin

Figure 3.11: Cinétiques de bioaccumulation du cuivre chez la moule, Mytilus galloprovincialis,

sur les différents suivis réalisés. Concentrations exprimées en mg.kg-1 (p.s.) et quantités en
µg.individu-1: - Lazaret (6 mois) + Port-Cros (3 mois), trait plein,
- Lazaret (3 mois) + Port-Cros (3 mois), trait pointillé,
- Bages (6 mois) + Port-Cros (3 mois), trait plein,
- Bages (3 mois) + Port-Cros (3 mois), trait pointillé.

111
3.1.5 Cas du zinc
• Site du Lazaret
Contamination de 6 mois: Sur le site du Lazaret, la courbe d’évolution temporelle de la concentration
en Zn dans la chair des moules est particulière (Figure 3.12). Dans un premier temps, la concentration
augmente pour atteindre un plateau d’équilibre en 60 jours environ (170 mg.kg-1). Ce dernier est
ensuite fortement perturbé avec une importante augmentation entre le 3/12/02 et le 16/12/02, période
après laquelle un nouvel équilibre semble atteint (306 mg.kg-1), avec une tendance à diminuer en fin
de suivi (200-250 mg.kg-1).
Contamination de 3 mois: La cinétique d’accumulation du Zn suit une courbe de type asymptotique,
atteignant un maximum en 50 jours environ (20/01/03), avec une concentration de 274 mg.kg-1 (Figure
3.12). Par la suite, celle ci diminuera pour atteindre une valeur finale de 200 mg.kg-1.
Comparaison des deux suivis: Ces deux suivis sur le site du Lazaret montrent des cinétiques de
contamination semblables avec l’atteinte d’un pseudo-équilibre de façon assez rapide (40 jours). Ce
plateau sera ensuite fortement perturbé sur le premier suivi (décembre) pour en atteindre un second
niveau plus élevé. Une diminution de la concentration en Zn dans la chair des moules est observée sur
les deux suivis, à partir du 27/01/03.
• Site de Bages
Contamination de 6 mois: Sur le site du Bages, l’évolution temporelle de la concentration en Zn dans
la chair de moule ne suit pas une allure particulière (Figure 3.12). La concentration reste plus ou moins
constante, avec un premier pic en mi-expérience (190 mg.kg-1 le 12/12/02), suivi d’un second en fin de
suivi (194 mg.kg-1 le 28/02/03) pour atteindre une valeur finale de 162 mg.kg-1.
Contamination de 3 mois: De la même façon, pour les moules transplantées à mi-expérience, la
concentration en Zn dans la chair évolue très faiblement (Figure 3.12). Une légère augmentation est
observée au début avec un maximum de 243 mg.kg-1 (20/12/02), suivie d’une seconde en fin de suivi
(187 mg.kg-1) pour atteindre une valeur finale de 146 mg.kg-1.
Comparaison des deux suivis: Ces deux suivis montrent exactement le même type d’évolution, avec
une première augmentation autour de la mi-décembre, puis une deuxième en fin de suivi, pour finir par
une légère diminution.
• Comparaison entre les deux sites
La comparaison des cinétiques d’accumulation du Zn dans les moules est très caractéristique (Figure
3.12). D’un coté, sur le Lazaret, l’accumulation est rapide jusqu’à l’atteinte d’un plateau ; de l’autre
sur Bages, l’accumulation est quasi-négligeable, la concentration variant autour d’une valeur
moyenne. Enfin, une perturbation des cinétiques est bien notée sur chaque site, autour du 17/12/02,
alors que la seconde augmentation n’est observée que sur Bages. Les concentrations en Zn dans la
chair des moules du Lazaret sont environ 1,6 fois supérieures à celles de Bages.

112
 CONTAMINATION DECONTAMINATION

450
Lazaret, contamination
400 Lazaret, décontamination
Bages, contamination
350 Bages, décontamination
[Zn] moule (mg/kg PS)

300

250

200

150

100

50

0
13-sept 13-oct 12-nov 12-déc 11-janv 10-févr 12-mars 11-avr 11-mai 10-juin
300

250

200
Q Zn (µg/indiv)

150

100

50

0
13-sept 13-oct 12-nov 12-déc 11-janv 10-févr 12-mars 11-avr 11-mai 10-juin

Figure 3.12: Cinétiques de bioaccumulation du zinc chez la moule, Mytilus galloprovincialis, sur
les différents suivis réalisés. Concentrations exprimées en mg.kg-1 (p.s.) et quantités en
µg.individu-1.: - Lazaret (6 mois) + Port-Cros (3 mois), trait plein,
- Lazaret (3 mois) + Port-Cros (3 mois), trait pointillé,
- Bages (6 mois) + Port-Cros (3 mois), trait plein,
- Bages (3 mois) + Port-Cros (3 mois), trait pointillé.

113
3.1.6 Comparaison inter-métaux des cinétiques d’accumulation

En terme de concentration, les cinétiques d’accumulation du Hg, du Cd, du Pb et du Zn sont très

semblables pour tous les sites avec l’atteinte d’un pseudo-équilibre de façon plus ou moins rapide
selon le contaminant (Figure 3.8 à 3.12). Il est à noter que la cinétique du Cd n’atteint pas réellement
l’équilibre. C’est aussi la seule qui voit sa concentration diminuer après la forte augmentation de mi-
décembre. La cinétique du Zn est spécifique, sujette à de très fortes variations tout au long de
l’expérimentation.
En terme de quantité, la comparaison confirme ces observations, en appuyant le fait que les cinétiques
du Hg et du Pb sont très semblables (site du Lazaret) alors que celles du Cd et du Cu se ressemblent
beaucoup avec une forte augmentation en fin de suivi (site de Bages). Il est à noter la diminution en fin
de suivi de contamination pour le Hg et le Pb (Figure 3.8 à 3.12).

3.2 Cinétiques de décontamination: site de Port-Cros

3.2.1 Cas du mercure
La cinétique de décontamination du Hg des les moules du Lazaret est perceptible avec une diminution
de 27 % et de 20 % pour les contaminations de 6 et 3 mois respectivement (Figure 3.8). En regardant
de plus prés, des diminutions plus ou moins fortes des concentrations sont observées. En particulier,
sur le suivi de trois mois, une augmentation de la concentration est observée avant la fin du suivi,
diminuant de façon importante la cinétique de décontamination.
La transplantation des moules des deux suivis de Bages en site peu contaminé par les élements
métalliques n’a pas d’effet particulier sur la concentration en Hg trouvée dans la chair des moules
(Figure 3.8). Une légère augmentation de la concentration est observée, augmentation non perceptible
en travaillant en quantité de Hg par individu.

3.2.2 Cas du cadmium

Les cinétiques de décontamination des moules issues du Lazaret montrent une augmentation plus ou
moins constante de la concentration en Cd dans la chair, augmentation relative de 62,5 et 40 % pour
les contaminations de 6 et 3 mois respectivement sur une durée de 100 jours en site non contaminé par
les élements métalliques (Figure 3.9). Par contre, en raisonnant en terme de quantité par individu, cette
augmentation est beaucoup moins importante (46 et 27 %).
La concentration en Cd des moules issues de Bages, subit des variations très importantes au cours du
temps, pour finalement arriver à une valeur finale identique à la valeur initiale sur Port-Cros (Figure
3.9). En raisonnant en terme de quantité, ces variations persistent mais dans un ordre de grandeur
moindre et montrent, sur la durée du suivi de décontamination, une baisse non négligeable de la teneur
en Cd par individu. Il est à noter que cette diminution se fait dans un premier temps de façon très
rapide (entre le 6/03/03 et le 12/03/03) puis ensuite de façon plus régulière. Sur la durée du suivi de

114
décontamination (100 jours), la perte de Cd en quantité est de 44 % et de 47 % pour chaque suivi de 6
et 3 mois respectivement.
3.2.3 Cas du plomb
Les concentrations en Pb des deux suivis du Lazaret fluctuent de façon très importante au site de Port-
Cros, avec une tendance à la diminution rapide (Figure 3.10). En terme de concentration, sur la
période des 100 jours de décontamination, la diminution est de 44 % et 34 % (contamination 6 et 3
mois). L’évolution des concentrations en Pb chez les moules de Bages montre une stabilité au cours du
temps, qui restent à une valeur inférieure à 1 mg.kg-1.
3.2.4 Cas du zinc
Quelque soit le site de contamination, les concentrations en Zn des moules transplantées à Port-Cros
pour une durée de 100 jours augmentent de façon constante au cours du temps (Figure 3.11): 78 % et
75 % (contamination 6/3 mois Lazaret), 87 % et 84,5 % (contamination 6/3 mois Bages).
3.2.5 Cas du cuivre
Quelque soit leur origine (le site de contamination), les moules transplantées sur Port-Cros pour une
durée de 100 jours montrent des concentrations qui diminuent au cours du temps pour arriver à une
valeur finale proche de 4.5 mg.kg-1 (Figure 3.12). La décontamination se fait pour les quatre lots, avec
une très forte diminution dans un premier temps, suivi d’une diminution plus lente. Au final, les pertes
sont évaluées sur une période de 100 jours: 45 % et 46 % (contamination 6/3 mois au Lazaret), 62 %
et 55,5 % (contamination 6/3 mois à Bages).

3.2.6 Comparaison inter-métaux des cinétiques de décontamination

En terme de concentration, les cinétiques de décontamination du Hg et du Pb des moules issues du
Lazaret sont très semblables (Figure 3.8 à 3.12): elles s’effectuent de façon régulière au cours du
temps. Au contraire pour le Cd et le Zn dans les moules issues de Bages, les concentrations ont
tendance à augmenter alors que le site est peu contaminé (période de pseudo-décontamination). Enfin,
pour le Cu, la décontamination est particulièrement forte dans un premier temps puis s’atténue avec le
temps.
En terme de quantité, la comparaison inter-métaux confirment les observations faites avec les
concentrations, en appuyant le fait que les cinétiques de décontamination du Hg et du Pb sont très
semblables (site du Lazaret), cette dernière étant plus rapide (Figure 3.8 à 3.12). La quantité de Zn par
individu continue d’augmenter alors que celle du Cd diminue finalement. La cinétique du Cu confirme
l’idée d’une très forte décontamination suivie d’une perte plus lente par la suite.

115
3.3 Récapitulatif des cinétiques: bilan des observations de bioaccumulation
Le tableau 3.3 récapitule les différentes étapes atteintes lors des cinétiques de
contamination/décontamination selon les suivis, l’importance de la contamination et les métaux. Il met
l’accent sur différents points:
- Quelque soit la durée du suivi, les cinétiques du mercure et du plomb se ressemblent
fortement. Ainsi, selon l’importance de la contamination, les étapes se succèdent de la même façon
pour le Hg et le Pb: accumulation asymptotique, plateau équilibre, augmentation brutale puis
plateau équilibre pour le site contaminé du Lazaret ; plateau saturation dés le début pour le site non
contaminé, puis diminution en période de décontamination sur Port-Cros.
- Dans une moindre mesure, les cinétiques du cadmium se rapprochent fortement de celles du
Hg et du Pb, à l’exception prés que l’atteinte d’un pseudo-équilibre semble plus longue (pas de
pseudo-équilibre intermédiaire atteint comme le Hg et le Pb). Aussi, la décontamination n’est pas
visible en terme de concentration.
- Les cinétiques de contamination et de décontamination du Cu semblent plus ou moins
identiques quelque soient le site et le suivi. Elles sont caractérisées par une cinétique de
décontamination très rapide.
- Quant au zinc, ses cinétiques différent selon le site et subissent de façon successive des
variations contraires. Aucune décontamination n’est observée lors de la transplantation sur Port-
Cros.

116
Tableau 3.3: Récapitulatif des différentes étapes observées (par ordre de déroulement, de 1 à 7) lors des cinétiques de
contamination/décontamination des cinq métaux traces (Hg, Cd, Pb, Cu et Zn) chez les moules des différents suivis. En surligné, sites contaminés.

Suivis de 6 mois [Hg] [Cd] [Pb] [Cu] [Zn]

+ 3 mois Etapes Lazaret Bages Lazaret Bages Lazaret Bages Lazaret Bages Lazaret Bages
Contamination Accumulation rapide 1 1 1 1 1 1
Plateau saturation 2 1 1 2 1 2 1
Augmentation brutale 3 2 3 2 2 3 2
Diminution brutale 3
Plateau saturation 4 4 4 3 3 4 3
Augmentation 2 5 4 6 5/6
Diminution 5 5 4 5 4
Décontamination Diminution 6 6 5 5
Augmentation 3 6 7 7
Plateau saturation 2 2 6 6

Suivis de 3 mois [Hg] [Cd] [Pb] [Cu] [Zn]

+ 3 mois Etapes Lazaret Bages Lazaret Bages Lazaret Bages Lazaret Bages Lazaret Bages
Contamination Accumulation rapide 1
Plateau saturation
Augmentation brutale 1 2 1 1 1 1
Diminution brutale 2
Plateau saturation 2 1 1 2 1 1 2
Augmentation 2 3
Diminution 3 2 3 4
Décontamination Diminution 3 3 4 3 3
Augmentation 2 4 5
Plateau saturation 2 4 2 4 4

117
4 Discussions
4.1 Interprétation des variations de croissance
L’analyse des variations spatiales et temporelles de croissance et de l’ensemble des relations entre les
paramètres de croissance et les paramètres environnementaux permettent l’estimation des besoins des
filtreurs, pour assurer leur croissance et leur survie.

4.1.1 Variations spatiales et temporelles: importance de la quantité nutritive du milieu

L’effet de l’écosystème sur le déterminisme de la croissance des différentes populations de moules a
été appréhendé par des mesures conjointes de croissance et de paramètres environnementaux sur les
trois sites d’étude (la baie du Lazaret, l’étang de Bages et l’île de Port-Cros): physico-chimie de l’eau
et estimation de la nourriture disponible.
La croissance varie en fonction de la situation géographique. Ainsi, dans notre étude, la croissance sur
le site de Bages est beaucoup plus importante que sur le site du Lazaret ou de Port-Cros. La
combinaison de plusieurs facteurs tels que la température et la disponibilité en nourriture causent des
différences spatio-temporelles importantes selon les sites. En effet, les changements saisonniers du
poids de chair résultent du stockage et de l’utilisation des réserves en relation avec l’interaction
complexe entre la disponibilité nutritive et la température. De ce fait, les caractéristiques
mésotrophiques de Bages permettent une croissance tissulaire et coquillière beaucoup plus importante
que sur le Lazaret, site de type oligotrophe. De la même façon, la transplantation de Bages à Port-Cros
provoque un arrêt soudain de la croissance tissulaire et même un amaigrissement de l’organisme alors
que la croissance coquillière semble continuer. Ceci montre bien l’impact du milieu trophique, de
nouveau très pauvre, empêchant le développement de l’organisme ainsi que l’indépendance entre la
croissance des tissus et la croissance coquillière. Enfin, lors des suivis de trois mois, la croissance
semble être freinée par rapport aux suivis de six mois ; ceci est probablement dû à la transplantation
plus tardive pour les suivis courts.

4.1.2 Variations temporelles: saisonnières: cycle de vie de l’organisme

L’observation de la croissance des filtreurs sur les trois sites a montré une forte composante
saisonnière dont la nature varie peu suivant les populations. La croissance est caractérisée par une
augmentation de la taille et du poids en fonction du temps et des variables environnementales.
Cependant, chez les mollusques bivalves, et en particulier chez les moules, les processus liés à la
reproduction perturbent ce schéma par une accumulation temporaire de réserves importantes qui sont
ensuite converties en gamètes puis expulsées lors de la ponte, occasionnant une perte brutale de poids.
Ces différentes étapes du cycle biologique de la moule sont observables sur les deux sites du Lazaret
et de Bages. Cette période reproductive est suivie d’un fort ralentissement, voire d’un arrêt de la
croissance sur le site du Lazaret alors que sur Bages une forte reprise de croissance est observée.

118
Lors de la ponte, des pertes de poids de l’ordre de 40 % montrent l’importance de la gamétogénése
dans la physiologie du genre Mytilus. Ainsi, à certaines périodes, les cycles reproductifs dominent les
saisonnalités.

4.1.3 Relations allométriques et conditions physiologiques

La condition physiologique de l’organisme peut être approchée en étudiant la répartition de poids entre
les tissus et la coquille. Dans cette optique, l’indice de condition (IC) (Figure 3.13), issu du quotient
entre le poids sec de chair et le poids sec de coquille peut être calculé sur la période d’étude. Cet indice
est représentatif de l’état physiologique et de la croissance des échantillons.

CONTAMINATION DECONTAMINATION

0,16

0,14

0,12
Indice de condition

0,1

0,08

0,06

0,04
Lazaret, contamination
Lazaret, décontamination
0,02
Bages, contamination
Bages, décontamination
0
13-sept 13-oct 12-nov 12-déc 11-janv 10-févr 12-mars 11-avr 11-mai 10-juin

Figure 3.13: Evolution temporelle des indices de conditions (IC) des quatre suivis de
contamination/décontamination:
- Lazaret (6 mois) + Port-Cros (3 mois), trait plein,
- Lazaret (3 mois) + Port-Cros (3 mois), trait pointillé,
- Bages (6 mois) + Port-Cros (3 mois), trait plein,
- Bages (3 mois) + Port-Cros (3 mois), trait pointillé.

Alors que l’indice de condition est identique au temps initial de chaque transplantation, les différences
s’accentuent avec le temps, avec une très claire diminution de cet indice pour les individus du site du
Lazaret alors que ceux de Bages gardent une valeur constante, en dehors de la période reproductive.
Par la suite, une fois transplantées sur Port-Cros, l’indice de condition diminue lentement tout en
restant encore supérieur à celui des individus du Lazaret.

119
C’est une fois qu’a lieu la ponte que les individus du site du Lazaret voient leur condition
physiologique s’affaiblir et ne réussissent pas à trouver des conditions de vie suffisantes pour revenir à
un niveau « moyen ».

4.2 Interprétation des variations de concentration et de quantité: essais de généralisation des

observations
L’approche scientifique de la contamination des systèmes naturels se heurte à l’extrême complexité
des mécanismes mis en jeu, due à la diversité des modalités et caractéristiques de la contamination et
des facteurs écologiques, abiotiques et biotiques, à leurs interactions et à leurs variations quasi-
permanentes, dans l’espace et dans le temps (Catsiki et Arnoux, 1987; Rainbow et al., 1990; Langston
et Spence, 1995; Wright, 1995; Lee et Luoma, 1998; Angelidis et Catsiki, 2002; Boisson et al., 2003).
De plus, des interactions entre ces différents facteurs abiotiques et biotiques peuvent exercer des effets
synergiques ou antagonistes sur les voies de contamination.

4.2.1 Variations spatiales: importance de la contamination du milieu

Tout d’abord, il est clair que le processus de bioaccumulation dépend de l’importance de la
contamination du milieu. L’accumulation des éléments traces dans les organismes aquatiques résulte
de la balance nette des processus de capture et d’excrétion. Trois mécanismes doivent être pris en
compte: la capture du métal, l’excrétion et le stockage par l’organisme.
Passant d’un milieu peu contaminé à un milieu très contaminé (situation 1, Figure 3.14), la première
étape, visualisée sur les courbes d’évolution cinétiques, est l’entrée de contaminants, de façon rapide et
importante. Ainsi, plus le milieu sera contaminé, plus ce processus sera important. La concentration en
métaux dans la chair augmente de façon linéaire dans un premier temps où l’entrée est très importante.
L’organisme indicateur absorbe les métaux à une vitesse plus grande que celle avec laquelle il les
excrète. Parallèlement à cette augmentation, l’organisme se retrouve, peu à peu, en « pseudo-équilibre
chimique » avec son milieu. Une fois atteint cet état, le flux d’entrée rediminue pour égaler le flux de
sortie. La balance nette du procédé de bioaccumulation devient alors nulle, la concentration dans la
chair atteignant une sorte d’équilibre dynamique.
Les courbes aux allures asymptotiques sont observées pour le Hg et le Pb sur le Lazaret, et pour le Cd
sur Bages, montrant clairement les contaminations propres à ces deux milieux. Les courbes évolutives
gardent le même type d’allure quelque soit le contaminant. Le processus reste globalement le même
quelque soit la nature de la contamination.

120
 [M]chair

1
1. Transplantation des moules d ’un site
peu contaminé à un site contaminé 3

2. Transplantation des moules d’un site 2

peu contaminé à un site peu contaminé
[M]chair Temps
3. Transplantation des moules d’un site
contaminé à un site contaminé

4. Transplantation des moules d’un site

contaminé à un site peu contaminé
4

Temps
Figure 3.14: Récapitulatif de l’effet des différentes transplantations possibles sur la
concentration en métal [M] dans la chair des moules.

Lorsque l’organisme est transplanté dans un milieu à contamination égale (situation 2 et 3, Figure
3.14), il se trouve déjà en état de « pseudo-équilibre chimique » pour lequel les entrées sont plus ou
moins compensées par les sorties. Ceci s’observe pour le Cd sur le Lazaret et pour le Hg et le Pb sur
Bages. Les courbes sont stables, sans allure asymptotique.
Enfin, passant d’un milieu très contaminé à un milieu peu contaminé (situation 4, Figure 3.14),
l’organisme se retrouve en « surcharge métallique ». Le flux de contaminants va de l’organisme vers le
milieu, les entrées étant inférieures aux sorties. Ceci s’observe bien sur Port-Cros, pour le Hg et le Pb
des organismes issus du Lazaret et pour le Cd des organismes issus de Bages.
Cependant, en dehors de ces variations spatiales dues à l’importance de la contamination du milieu, les
cinétiques de contamination et de décontamination subissent des variations saisonnières qui peuvent
être causées par la combinaison de plusieurs facteurs incluant la température, la disponibilité en
nourriture, la croissance, la reproduction et les variations environnementales (Cossa, 1980; Langston
et Spence, 1995).

4.2.2 Variations temporelles: saisonnières: cycle de vie de l’organisme indicateur

Les changements de poids, dus au cycle reproductif de l’organisme bioindicateur, dominent les
saisonnalités et comptent pour la plus grande part, de la variabilité temporelle de la bioaccumulation
(Zaroogian et Cheer, 1976; Boyden, 1977; Cossa et al., 1980; Amiard et al., 1986; Phillips et

121
Rainbow, 1994; Wang et Fisher, 1997; Mourgaud et al., 2002). Cependant, comme les cinétiques le
montrent, ces variations n’interviennent qu’à certaines périodes et conditions.
Ainsi, sur les suivis du Hg et du Pb au Lazaret, ou encore du Cd à Bages, la cinétique d’accumulation
semble faiblement perturbée par les variations de poids des moules. Le milieu est fortement contaminé
et la recherche d’équilibre se fait dans un premier temps sur un plan chimique. Tout de même, une
forte augmentation de la concentration est observée mi-décembre, en parallèle à une forte perte de
poids assimilée à une étape reproductive (Figure 3.15). Une corrélation est observée de façon très nette
entre la perte de poids et l’augmentation de la concentration en Hg (R2=0,44), en Pb (R2=0,53), en Cd
(R2=0,89) et en Cu (R2=0,6) (Pour le Zn, R2=0,14). Le largage de matériel reproductif ne semble pas
s’accompagner d’une sortie de contaminants. Ainsi, les contaminants se trouvent concentrés dans la
chair de l’organisme, en recherche de pseudo-équilibre. Il y a là, typiquement, une perturbation du
processus de bioaccumulation provoquée par le cycle biologique de l’organisme bioindicateur.

[M]chair 3

1. Amaigrissement 1

2. Croissance

3. Ponte 2

Temps

Figure 3.15: Récapitulatif de l’effet des différentes variations du poids de l’organisme sur la
concentration en métal dans la chair.

Sur les suivis du Hg et du Pb à Bages, ou du Cd au Lazaret, donc en milieux peu contaminés,

l’organisme est déjà en pseudo-équilibre chimique ; les entrées étant globalement compensées par les
sorties. Dans ces cas là, les variations physiologiques de l’organisme interviennent directement sur la
concentration en contaminants dans la chair. Une corrélation inverse s’observe de façon générale entre
la concentration en contaminants et le poids de chair, par un effet dilution/concentration.

4.2.3 Variations spatio-temporelles: modifications environnementales

Au-delà des variations physiologiques de l’organisme provoquées par les conditions
environnementales et nutritives du milieu, celui-ci subit les variations chimiques du milieu, en
particulier les variations de concentrations en contaminants biodisponibles sous forme dissoute et
particulaire. Celles-ci se font dans le temps et ont un impact plus ou moins important selon les
périodes et conditions du milieu.

122
Théoriquement, plus la concentration du milieu est importante, plus le flux d’entrée augmente, le flux
de sortie restant quasi-constant, provoquant ainsi une augmentation de la concentration en métaux
dans la chair. Peu à peu, l’organisme se retrouve en équilibre, les entrées diminuant pour s’égaliser aux
sorties. Par là-même, lorsque la contamination du milieu diminue, le flux d’entrée est aussi affaibli,
entraînant une diminution de la concentration de l’organisme (Figure 3.16).
En observant les variations de concentrations en métaux sous forme dissoute et particulaire, une
diminution de la concentration en Pb est nettement observée sur le site du Lazaret à partir de décembre
2002. En parallèle, la diminution de la concentration en Pb dans la chair des moules ne s’observe qu’à
partir de février. De décembre 2002 à février 2003, cette concentration augmente. Il semble que la
baisse de contamination du milieu ne se fasse pas sentir de suite. Il y a un décalage dans la réponse de
l’animal aux variations du milieu. La recherche de l’équilibre avec le milieu n’est pas aboutie en
février, ce qui semble atténuer l’effet des variations temporelles de contaminants du milieu.
De la même façon, la concentration en Cd diminue puis augmente fortement juste avant la
transplantation de Bages à Port-Cros, début mars 2003. Cette fois, une augmentation de la
concentration dans la chair est observée en parallèle sur le suivi de 6 et de 3 mois. Il semble que
l’organisme a déjà atteint l’état de pseudo-équilibre avant cette augmentation dans le milieu, et subit
par conséquent rapidement une augmentation du flux d’entrée.

[M]chair

1
1. Augmentation de [M] dans le milieu

2. Diminution de [M] dans le milieu

2

Temps
Figure 3.16: Récapitulatif de l’effet des différentes variations de la concentration en métal dans
le milieu sur la concentration en métal dans la chair.

Au delà de l’effet de ces trois types de forçages (importance de la contamination du milieu, cycle de
vie de l’organisme et modification environnementale), la complexité de l’étude du processus de
bioaccumulation résultent de leurs interactions dans l’espace et le temps.

123
4.2.4 Interactions des différents forçages, couplage et prédominance temporelle
Comme le montrent les cinétiques, la bioaccumulation résulte d’une interaction entre les facteurs
physiologiques (croissance, perte de poids, accumulation), les facteurs chimiques (transferts des
métaux, spéciation, biodisponibilité) et les facteurs environnementaux (température, MES,
chlorophylle, COP).
Ces différents facteurs influent et forcent, à plus ou moins court terme, le processus de
bioaccumulation qui résulte de ces interactions changeantes dans l’espace et dans le temps. Le
comportement systématique de l’organisme transplanté est de trouver un état d’équilibre, pour lequel
l’exposition, les facteurs environnementaux et physiologiques affectant la capture et la perte les
maintiennent constant pour un temps suffisamment long. Ces conditions d’état d’équilibre reflètent les
limites d’un modèle cinétique quand l’accumulation est exactement balancée par les pertes.
De ces trois types de facteurs, trois forçages en résultent: le forçage propre à la contamination
chimique du milieu (effet accumulation/décontamination), le forçage physiologique de l’organisme
qui peut être compartimenté en deux (un pour la croissance/amaigrissement et un pour la reproduction)
et le forçage chimique propre au contaminant et à son évolution temporelle (spéciation,
biodisponibilité). Ceux-ci vont intervenir et interagir, de façon plus ou moins importante selon la
nature du milieu sur les cinétiques d’accumulation et de décontamination.

Ainsi, en milieu contaminé, l’organisme est, dans un premier temps, soumis principalement au forçage
environnemental, entraînant d’importantes entrées du contaminant jusqu’à l’atteinte d’un pseudo-
équilibre chimique avec son milieu. Ce forçage est prédominant et faiblement perturbé par les forçages
physiologiques et/ou chimiques. Un seul processus peut intervenir, c’est un forçage physiologique
reproductif. En effet, c’est la seule étape qui a de l’impact sur le processus de bioaccumulation. De par
l’importance de la perte de poids (40 %) à cette étape du cycle de vie, l’effet sur la cinétique est
considérable et se couple à celui de l’accumulation, entraînant une hausse de la concentration.
Une fois le premier mois passé, d’autres forçages se font sentir et s’observer sur les cinétiques
d’accumulation. Par exemple, les diminutions de poids entraînent alors une augmentation de la
concentration, se couplant au processus d’accumulation. Par contre, les augmentations de poids (effet
dilution) se voient peu sur la cinétique tant que le pseudo-équilibre n’est pas atteint, à moins que la
croissance soit très rapide et importante. Le forçage chimique propre au contaminant et à son évolution
temporelle perturbe réellement les cinétiques lorsque l’organisme atteint un état d’équilibre. En fait,
les variations de concentrations en contaminants sous forme dissoute et particulaire, étant plutôt
faibles, passent inaperçues face à l’importance du flux d’entrée, mais deviennent décelables par la
suite, particulièrement lorsque la spéciation et la biodisponibilité changent de façon importante.

124
En milieu peu contaminé, l’organisme se trouve déjà en équilibre et est donc très faiblement soumis au
forçage de contamination du milieu. C’est le forçage physiologique par le cycle de vie de l’organisme
bioindicateur qui prime. Toutes les variations de poids ont un effet inverse sur la concentration en
contaminants dans la moule.

Les cinétiques de décontamination étant beaucoup plus lentes, il n’y a pas de prédominance de la
décontamination dans les premiers temps, mis à part pour le Cu où une très importante perte est notée.
Pour ce métal, la décontamination se fait en deux temps, une première décontamination très rapide
suivi d’une seconde plus lente. Pour les autres métaux, la décontamination est lente et donc très
fortement perturbée par les forçages physiologiques.

Ces éléments d’interprétation sont à prendre avec précaution et ne semblent pas fondés pour tous les
métaux. Ainsi, autant pour le Hg, le Cd, le Pb et le Cu, une bonne correspondance est notée (Tableau
3.4 à 3.7). Par contre, cela semble très différent en ce qui concerne le Zn (Tableau 3.8). Tout d’abord,
la cinétique de bioaccumulation du Zn est fortement perturbée avec des fluctuations des concentrations
dans les tissus mous de forte amplitude: les variations sont très importantes et chaque
augmentation/diminution est suivie d’une variation inverse ramenant la concentration à une teneur
moyenne. Ce schéma de comportement traduit vraisemblablement la régulation physiologique du zinc
chez la moule.

125
 Tableau 3.4: Récapitulatif des différentes étapes observées sur la cinétique du Hg pour les différents suivis, et action des différents forçages.

Suivis de 6+3 mois Métal [Hg] Contamination milieu Physiologie organisme Chimie du contaminant
Lazaret Bages Lazaret Bages Lazaret Bages Lazaret Bages
Contamination Accumulation rapide 1 +++++ Amaigrissement léger: ++ Croissance: --
Plateau saturation 2 1
Augmentation brutale 3 Ponte ++ Ponte importante: ++++
Diminution brutale Croissance brutale: ----
Plateau saturation 4 Amaigrissement léger: ++ Plateau
Augmentation Croissance: -
Diminution 5
Décontamination Diminution 6 ------ Légere croissance: -
Augmentation Fort amaigrissement ++++
Plateau saturation 2

Suivis de 3+3 mois Métal [Hg] Contamination milieu Physiologie organisme Chimie du contaminant
Lazaret Bages Lazaret Bages Lazaret Bages Lazaret Bages
Contamination Accumulation rapide
Plateau saturation
Augmentation brutale 1 +++++ Fin ponte: ++
Diminution brutale +++ Croissance: --- Croissance: ---
Plateau saturation 2 1 Plateau Plateau
Augmentation
Diminution
Décontamination Diminution 3 ------
Augmentation Amaigrissement léger: + Amaigrissement léger: +
Plateau saturation 2

126
Tableau 3.5: Récapitulatif des différentes étapes observées sur la cinétique du cadmium pour les différents suivis, et action des différents forçages.

Suivis de 6+3 mois Métal [Cd] Contamination milieu Physiologie organisme Chimie du contaminant
Lazaret Bages Lazaret Bages Lazaret Bages Lazaret Bages
Contamination Accumulation rapide 1 +++++ Amaigrissement léger: ++ Croissance: --
Plateau saturation 1
Augmentation brutale 2 Ponte ++ Ponte importante: ++++
Diminution brutale 3 Croissance brutale: ----
Plateau saturation 4 Amaigrissement léger: ++ Plateau Forte diminution
Augmentation 2 5 Croissance: - Augmentation
Diminution
Décontamination Diminution ------ Légere croissance: -
Augmentation 3 6 Fort amaigrissement: ++++
Plateau saturation

Suivis de 3+3 mois Métal [Cd] Contamination milieu Physiologie organisme Chimie du contaminant
Lazaret Bages Lazaret Bages Lazaret Bages Lazaret Bages
Contamination Accumulation rapide
Plateau saturation
Augmentation brutale 1 +++++ Fin ponte: ++
Diminution brutale Croissance: --- Croissance: ---
Plateau saturation 1 Plateau Plateau Forte diminution
Augmentation Augmentation
Diminution
Décontamination Diminution 2 ------
Augmentation 2 Amaigrissement léger: + Amaigrissement léger: +
Plateau saturation 3

127
 Tableau 3.6: Récapitulatif des différentes étapes observées sur la cinétique du cadmium pour les différents suivis, et action des différents forçages.

Suivis de 6+3 mois Métal [Pb] Contamination milieu Physiologie organisme Chimie du contaminant
Lazaret Bages Lazaret Bages Lazaret Bages Lazaret Bages
Contamination Accumulation rapide 1 +++++ Amaigrissement léger: ++ Croissance: --
Plateau saturation 2 1
Augmentation brutale 3 Ponte ++ Ponte importante: ++++
Diminution brutale Croissance brutale: ----
Plateau saturation 4 Amaigrissement léger: ++ Plateau
Augmentation Croissance: -
Diminution 5 Diminution: ---
Décontamination Diminution 6 ------ Légere croissance: -
Augmentation Fort amaigrissement: ++++
Plateau saturation 2

Suivis de 3+3 mois Métal [Pb] Contamination milieu Physiologie organisme Chimie du contaminant
Lazaret Bages Lazaret Bages Lazaret Bages Lazaret Bages
Contamination Accumulation rapide
Plateau saturation
Augmentation brutale 1 +++++ Fin ponte: ++
Diminution brutale +++ Croissance: --- Croissance: ---
Plateau saturation 2 1 Plateau Plateau
Augmentation
Diminution 3 Diminution: ---
Décontamination Diminution 4 ------
Augmentation Amaigrissement léger: + Amaigrissement léger: +
Plateau saturation 2

128
 Tableau 3.7: Récapitulatif des différentes étapes observées sur la cinétique du cuivre pour les différents suivis, et action des différents forçages.

Suivis de 6+3 mois Métal [Cu] Contamination milieu Physiologie organisme Chimie du contaminant
Lazaret Bages Lazaret Bages Lazaret Bages Lazaret Bages
Contamination Accumulation rapide 1 1 +++ ++++ Amaigrissement léger: ++ Croissance: --
Plateau saturation
Augmentation brutale 2 2 Ponte ++ Ponte importante: ++++
Diminution brutale Croissance brutale: ----
Plateau saturation 3 3 Amaigrissement léger: ++ Plateau Augmentation Forte diminution
Augmentation 4 Croissance: - Diminution Augmentation
Diminution 4
Décontamination Diminution 5 5 ---- ---- Légere croissance: -
Augmentation Fort amaigrissement: ++++
Plateau saturation 6 6

Suivis de 3+3 mois Métal [Cu] Contamination milieu Physiologie organisme Chimie du contaminant
Lazaret Bages Lazaret Bages Lazaret Bages Lazaret Bages
Contamination Accumulation rapide
Plateau saturation
Augmentation brutale 1 +++ ++++ Fin ponte: ++
Diminution brutale Croissance: --- Croissance: ---
Plateau saturation 1 Plateau Plateau Augmentation Forte diminution
Augmentation 2 Diminution Augmentation
Diminution 2
Décontamination Diminution 3 3 --- ---
Augmentation Amaigrissement léger: + Amaigrissement léger: +
Plateau saturation 4 4

129
 Tableau 3.8: Récapitulatif des différentes étapes observées sur la cinétique du zinc pour les différents suivis, et action des différents forçages.

Suivis de 6+3 mois Métal [Zn] Contamination milieu Physiologie organisme Chimie du contaminant
Lazaret Bages Lazaret Bages Lazaret Bages Lazaret Bages
Contamination Accumulation 1 ++++ +++ Amaigrissement léger: ++ Croissance: --
Plateau saturation 2 1
Augmentation brutale 3 2 Ponte ++ Ponte importante: ++++ Augmentation
Diminution brutale Croissance brutale: ---- Diminution partic
Plateau saturation 4 3 Amaigrissement léger: ++ Plateau
Augmentation 6 5 Croissance: -
Diminution 5 4/6 Diminution tot.
Décontamination Diminution --- --- Légere croissance: -
Augmentation 7 7 Fort amaigrissement: ++++
Plateau saturation

Suivis de 3+3 mois Métal [Zn] Contamination milieu Physiologie organisme Chimie du contaminant
Lazaret Bages Lazaret Bages Lazaret Bages Lazaret Bages
Contamination Accumulation rapide
Plateau saturation
Augmentation brutale 1 1 ++++ +++ Fin ponte: ++ Augmentation
Diminution brutale 2 Croissance: --- Croissance: --- Diminution partic
Plateau saturation 2 Plateau Plateau
Augmentation 3
Diminution 3 4 Diminution tot.
Décontamination Diminution --- ---
Augmentation 4 5 Amaigrissement léger: + Amaigrissement léger: +
Plateau saturation

130
4.3 Etat de pseudo-équilibre et facteur de bioconcentration (FBC)
Lors de l’exposition, quand les facteurs environnementaux et physiologiques maintiennent constants
pour un temps suffisamment long la capture et la perte de contaminants, les organismes peuvent
atteindre un état d’équilibre. Ces conditions d’état d’équilibre reflètent les limites du modèle cinétique
quand l’accumulation est exactement balancée par les pertes. L’approche traditionnelle calcule le ratio
de la concentration de l’élément dans l’animal sur celle dans l’eau et/ou la nourriture. Cette méthode
suppose un équilibre dans la partition du métal au sein des compartiments dissous et particulaire (eau
et nourriture). Elle fournit des informations sur l’enrichissement des métaux dans l’organisme en
rapport avec l’environnement mais ne permet pas de définir les conditions environnementales et
physiologiques (Reinfelder et al., 1998). Sous ces conditions simplifiées, l’état d’équilibre des tissus a
été décrit par un facteur de bioconcentration (FBC) pour des expositions aqueuses:

Cmoule
FBC =
Ceau

Avec FBC: Facteur de bioconcentration (mL.g-1),

Cmoule: Concentration en contaminant dans l’organisme (µg.g-1 p.s),
Ceau: Concentration en contaminant dans l’eau environnante (µg.mL-1).

Le FBC représente l’équilibre dynamique entre l’organisme et les sources. Le formalisme du FBC est
impraticable quand les concentrations des sources sont inconnues et variables ou encore quand les
phases solides, les sédiments et la nourriture contribuent significativement à la capture. Dans ces cas,
l’accumulation à l’état d’équilibre est toujours référencée à la source nourriture ou sédimentaire, plus
qu’à la source aquatique:

Cmoule
FB =
Cnourriture

Avec FB: Facteur de bioaccumulation (mL.g-1),

Cmoule: Concentration en contaminant dans l’organisme (µg.g-1),
Cnourriture: Concentration en contaminant dans la nourriture ingérée (µg.mL-1).

Dans notre étude, les concentrations en nourriture et en contaminants sous forme particulaire variant
de façon importante, les facteurs de bioconcentration ont été calculés seulement avec la source
dissoute pour chaque suivi et chaque contaminant (Tableau 3.9). Ainsi, trois FBC sont calculés à
différents temps: le premier après 3 mois de contamination (pour les deux types de suivi), le second
après 6 mois de contamination, et le troisième après 3 mois de décontamination sur Port-Cros. La
valeur de la concentration en métal sous forme dissoute observée a été prise à l’instant t (3 et/ou 6
mois), conjointement à la valeur de la concentration dans la chair mesurée.

131
Tableau 3.9: Facteurs de bioconcentration (FBC) calculés pour chacun des suivis et pour les 5
métaux étudiés.

Contamination Décontamination
Métal Site contamination Suivi FBC 3 mois FBC 6 mois FBC 3 mois
5 5 6
Hg Lazaret 6+3 mois 3,6.10 2,12.10 1.10
5 6
3+3 mois 1,85.10 1,09.10
5 5 5
Bages 6+3 mois 2.10 1.10 3,75.10
5 5
3+3 mois 1.10 3,86.10
4 5 5
Cd Lazaret 6+3 mois 7,5.10 1,4.10 2.10
5 5
3+3 mois 1,14.10 1,86.10
4 4 5
Bages 6+3 mois 5,4.10 5,12.10 3,29.10
4 5
3+3 mois 3,95.10 2,29.10
4 5 5
Pb Lazaret 6+3 mois 5,2.10 3.10 1,27.10
5 5
3+3 mois 2,65.10 1,19.10
4 4 4
Bages 6+3 mois 6,7.10 7,27.10 2,31.10
4 4
3+3 mois 8,18.10 3,85.10
4 4 4
Cu Lazaret 6+3 mois 1,1.10 2,56.10 4,5.10
4 4
3+3 mois 2,53.10 4,55.10
4 3 4
Bages 6+3 mois 1,2.10 8,39.10 3,27.10
3 4
3+3 mois 7,66.10 4,18.10
4 5 6
Zn Lazaret 6+3 mois 7,24.10 2,64.10 2,4.10
5 6
3+3 mois 2.10 2,28.10
5 5 6
Bages 6+3 mois 2,6.10 2,49.10 1,83.10
5 6
3+3 mois 2,25.10 2,10

- Pour le mercure, sur le suivi de 6 mois, pour les deux sites, le FBC6, cont. est inférieur au FBC3, cont. Or,
normalement, plus la concentration dans la chair augmente pour se rapprocher d’un plateau de
saturation, plus le quotient entre la chair de l’organisme et l’eau augmente, et plus le FBC est
important. Ainsi, lors d’une cinétique de contamination, la valeur du FBC aura tendance à augmenter
avec le temps. Dans le cas du Hg, il semble que la valeur à 6 mois est plus faible que celle à 3 mois.
En observant de plus prés les FBC à différents pas de temps, des variations importantes sont observées
tout au long de l’étude, nous empêchant d’en déduire l’atteinte de l’équilibre.
Aussi, le suivi de 3 mois a un FBC3, cont. égal au FBC6, cont. du suivi de 6 mois, montrant une
accumulation accélérée du suivi de 3 mois pour rattraper le suivi de 6 mois. Tous les FBCcont. du
Lazaret sont supérieurs aux FBCcont. de Bages: normalement, les FBC de Bages étant en équilibre
devraient avoir des valeurs plus importantes que celles du Lazaret. Dans notre cas, c’est le contraire,
montrant que le formalisme nécessaire au calcul du FBC n’est pas respectée, les variations de la
concentration en Hg dans l’eau et physiologiques étant importantes et influant la valeur de ce
paramètre.
De plus, quelque soient les suivis, le FBCdécont, Lazaret est supérieur au FBCdécont, Bages. Nous sommes alors
en conditions de décontamination, la concentration dans la chair diminue, entraînant une diminution
du FBC. Les moules de Bages sont alors plus proches de cet équilibre que celles du Lazaret. Il est à

132
noter que le FBCdécont. a la même valeur quelle que soit la durée de contamination et est inférieur au
FBCcont., montrant la transplantation à un site moins contaminé dans tous les cas.
- Pour le cadmium, sur le suivi de 6 mois de Bages, le FBC6, cont. est égal au FBC3, cont. L’atteinte de
l’équilibre est rapide et semble atteinte en 3 mois seulement. De plus, il est à noter que le suivi de 3
mois est proche du niveau du suivi de 6 mois, confirmant l’hypothèse d’une accumulation rapide du
Cd. Par contre, sur le site du Lazaret, non contaminé en Cd, les FBC varient de façon importante
montrant des conditions variables sur ce milieu, non favorable au calcul en condition d’équilibre.
En période de décontamination, les FBC sont au même niveau selon la durée de la contamination, et
sont toujours plus élevés sur Bages que sur le Lazaret.
- Pour le plomb, sur le suivi de 6 mois du Lazaret, le FBC6, cont. est supérieur au FBC3, cont. L’atteinte de
l’équilibre est longue et n’est pas encore atteinte en 3 mois. Au contraire, la valeur du FBC3 et 6 sur
Bages est la même, le site étant peu contaminé et stable.
Sur le suivi de 3 mois, le niveau atteint correspond à celui atteint en six mois de la même façon que
pour le Hg ; une accélération de la cinétique est donc observée. Les FBC du Lazaret sont tous
supérieurs à ceux de Bages.
Enfin, en décontamination sur Port-Cros, les FBC sont plus importants sur les moules issues du
Lazaret que sur celles issues de Bages, ce qui semble normal au vu de leurs origines.
- Pour le cuivre, les FBC sont plus faibles sur Bages que sur le Lazaret où l’équilibre ne semble pas
totalement atteint, lors de la contamination. En période de décontamination, les FBC gardent le même
ordre de grandeur. La décontamination est très importante et parallèle à la diminution du Cu dans
l’eau.
- Pour le zinc, lors de la contamination, les FBC sont très semblables quelque soit le site. L’atteinte de
ce niveau est plus lente sur le Lazaret, plus contaminé, avec un intermédiaire moins élevé à 3 mois.
Pour la décontamination, les FBC augmentent d’un facteur 10, du à la baisse de concentration dans
l’eau, sans décontamination en parallèle.

Cette étude des facteurs de bioconcentration met l’accent sur les précautions à prendre lors de
l’approche traditionnelle de concentration. En effet, le formalisme du FBC est impraticable quand les
concentrations des sources sont inconnues et variables et les facteurs environnementaux et
physiologiques variables. Cependant, elle nous informe sur la vitesse des cinétiques d’accumulation et
de décontamination, spécifiques à chaque métal. La valeur du FBC n’est pas constante mais varie
selon l’état physiologique de l’organisme étudié.

133
 CHAPITRE 4

Généralités sur les modèles de bioaccumulation

Quels outils ? Quelles utilisations ?
Chapitre 4: Généralités sur les modèles de
bioaccumulation : Quels outils ? Quelles utilisations ?

Pendant des années, la description des organismes et des systèmes était la principale méthode
appliquée par les biologistes et les naturalistes. Ainsi, après une série d’observations judicieuses, les
organismes et leur comportement étaient décrits, résultats d’expériences après un éventuel filtrage
statistique. Une autre voie d’approche est la méthode scientifique de critique rationaliste, à savoir la
formulation d’hypothèses de telle manière qu’elles peuvent être désapprouvées si elles sont fausses et
l’expérience adéquate pour refuser ces hypothèses. Dés que les systèmes marins sont approchés, les
échelles d’espace et de temps associées aux processus sont tellement diverses et complexes que la
modélisation s’est avérée un outil complémentaire indispensable. Un modèle mathématique est une
formulation graphique, symbolique ou numérique d’une série d’hypothèses établies de telle façon
qu’elles puissent être traitées par des opérations mathématiques.
Une fois validé, un modèle permet de réaliser des simulations pour établir l’importance relative de ces
différents processus. Un modèle mathématique d’un écosystème peut être développé en quantifiant les
interactions biogéochimiques en équations mathématiques et en mettant en relation ces équations par
des programmes informatiques. Ce sont des outils importants pour formaliser les connaissances et
pour valider des hypothèses incorporées dans celles ci. Ils nous aident à comprendre un processus en
testant des théories mécanistiques. Est ce que notre théorie (traduite en équations mathématiques) est
suffisante pour décrire le phénomène observé dans la réalité ? Le compromis entre la complexité et le
réalisme du modèle est central pour tout exercice de modélisation. La plupart des modèles complexes
peuvent être très réalistes, mais du fait de la considération de paramètres non-connus, il devient
impossible de les valider. De tels modèles fournissent une légère compréhension du processus étudié
mais ne permettent pas d’augmenter la confiance en une théorie. En effet, ils sont souvent confrontés à
un manque de connaissances concernant les processus biologiques clés et leurs mécanismes qui ne
peuvent pas être remplacés par des expertises mathématiques (Kuiper, 1984). Le dilemme en
modélisation est de décrire le plus grand nombre de processus sans en sacrifier le réalisme et
l’applicabilité.
Dans ce chapitre, une étude bibliographique sur les modèles de bioaccumulation est présentée afin de
faire une synthèse des différentes approches de modélisation, d’en dégager les structures de base ainsi
que les principaux processus considérés et de définir les questions auxquelles ils permettent de
répondre. Les modèles cinétiques suivent les substances chimiques dans les organismes, les réseaux
trophiques ou les écosystèmes (Veith et al., 1979; Ernst, 1980; Zaranko et al., 1997). Plusieurs modèles
thermodynamiques ont été proposés pour évaluer la distribution des composés entre les compartiments
de l'environnement: air, eau, sédiment et organisme (Gobas, 1993). Les modèles décrivant la cinétique

134
du contaminant peuvent être divisés en deux classes: les modèles cinétiques à compartiments, les
modèles cinétiques à base physiologique ou énergétique (Landrum et al., 1992).

1 Les modèles cinétiques à compartiments

1.1 Généralités
L’approche dominante de modélisation en écotoxicologie se fait via les modèles à compartiments.
Mais leurs limitations et leur conditions d’usage ne sont pas toujours bien connues. Ce paragraphe
tente d’expliquer la nature basique du modèle à un compartiment et de ses taux constants quelque soit
la situation et explore ce qu’il se passe lorsque les hypothèses de régime stationnaire du milieu
environnant ne sont pas respectées.
Beaucoup d’études en biologie ou écotoxicologie peuvent être réalisées en utilisant des modèles à
compartiments. Au fond, l’analyse commence par l’identification des compartiments, qui peuvent être
n’importe quelle entité traitée de façon homogène au regard d’une entité transportée à partir ou vers ce
compartiment. Pour être plus explicite, la focalisation se fait sur un problème écotoxicologique où les
compartiments peuvent être une part de l’environnement (comme un lac ou un site expérimental), ou
un organisme (comme un poisson ou un bivalve) ou une partie spécifique d’un organisme (comme
l’estomac ou le soma). L’entité transportée est dans ce cas le contaminant. Le choix du compartiment
ne dépend pas seulement du système décrit mais surtout de l’échelle spatiale et/ou temporelle du
problème étudié. Par exemple, pour décrire le transfert de contaminants à travers une chaîne trophique,
le poisson pourra être décrit comme un compartiment unique. Quand il s’agit des cinétiques de
contamination dans un organe spécifique, il est nécessaire d’ajouter plus de compartiments pour
décrire le système.

1.2 Concept et formulation du modèle

Les modèles cinétiques compartimentaux décrivent les flux des contaminants entre les compartiments.
Un compartiment est un milieu homogène contenant un composé qui transite à travers ses limites avec
simplement un taux d’entrée (ku) et un taux d’élimination (ke) (Lake et al., 1987; Walker, 1990; Landrum
et al., 1992; Péry et al., 2001; Péry et al., 2002).

Organisme Milieu

M, Cmoule W, Ceau
ku
ke

Figure 4.1.: Schéma conceptuel type d’un modèle de bioaccumulation d’un organisme représenté
par un seul compartiment.

135
La moule est donc représentée par un unique compartiment où l'accumulation et les pertes sont liées à la
concentration en contaminant présent dans le milieu, indépendamment de l'état physiologique de cet
organisme bioindicateur (Figure 4.1). Ainsi, l’équation d’évolution temporelle de la concentration en
contaminant est:

dC moule
= k u C eau − k e C moule
dt

avec Cmoule : concentration en contaminant dans l’organisme (µg.g-1) ;

Ceau : concentration en contaminant dans l’eau (µg.mL -1) ;
ku : taux d’entrée du contaminant via l’eau (h-1) ;
ke : taux de sortie du contaminant (h-1).

La concentration en contaminant dans l’organisme (Cmoule) résulte de la balance nette de la capture de

contaminant via l’eau (kuCeau) et de l’élimination à partir de l’organisme (keCmoule). L’organisme est ainsi
vu comme un compartiment unique homogène. A l’entrée sous forme dissoute peut être ajoutée une
entrée du contaminant sous forme particulaire (kpCnourriture) (avec kp: taux d’entrée du contaminant via les
particules, et Cnourriture: concentration en contaminant sur les particules).
dC moule
= k u C eau + k p C nourriture − k e C moule
dt

1.3 Hypothèses d’application

La résolution de cette équation différentielle implique un certain nombre d’hypothèses pour être
appliquée:
- Le compartiment est supposé homogène au vu de la concentration en contaminant, dont la répartition
au sein de l’organisme est instantanée.
- La capture et l’élimination sont le résultat d’un processus passif ; les flux sont proportionnels à la
concentration en contaminant du milieu donneur.
- La concentration d’exposition est constante et non influencée par la capture au sein de l’organisme.
- Le compartiment récepteur a un volume constant, donc l’organisme ne grandit pas et ne maigrit pas.
- Les taux sont constants en temps et en concentration.

1.4 Etat d’équilibre

Lorsque l’exposition, les facteurs environnementaux et physiologiques affectant la capture et la perte
de contaminants, les maintiennent constants pour un temps suffisamment long, les organismes peuvent
atteindre un état d’équilibre. Ces conditions d’état d’équilibre reflètent les limites du modèle cinétique
quand l’accumulation est exactement balancée par les pertes. L’approche traditionnelle de
concentration (modèle de partition d’équilibre) évalue la concentration en éléments traces dans

136
l’organisme sur la base de ceux dans l’environnement extérieur, utilisant le ratio de la concentration de
l’élément dans l’animal sur celle dans l’eau et/ou la nourriture. Cette méthode suppose un équilibre
dans le partitionnement du métal au sein des compartiments variés (eau et nourriture). Elle fournit des
informations sur l’enrichissement des métaux dans l’organisme avec le respect de l’environnement
ambiant mais ne permet pas de définir les conditions environnementales et physiologiques (Reinfelder
et al., 1998). Sous ces conditions simplifiées, l’état d’équilibre des tissus a été décrit par un facteur de
bioconcentration pour des expositions aqueuses:

C moule
FBC =
C eau

avec FBC : facteur de bioconcentration (mL.g-1) ;

Cmoule : concentration en contaminant dans l’organisme (µg.g-1) ;
Ceau : concentration en contaminant dans l’eau environnante (µg.mL-1).

Le FBC représente l’équilibre dynamique entre l’organisme et les sources. Le formalisme du FBC est
impraticable quand les concentrations des sources sont inconnues et variables ou encore quand les
phases solides, les sédiments et la nourriture contribuent significativement à la capture. Dans ces cas,
l’accumulation à l’état d’équilibre est toujours référencée à la source nourriture ou sédimentaire, plus
qu’à la source aquatique:

C moule
FB =
C nourriture

avec FB : facteur de bioaccumulation (mL.g-1) ;

Cmoule : concentration en contaminant dans l’organisme (µg.g-1) ;
Cnourriture: concentration en contaminant dans la nourriture ingérée (µg.mL-1).

1.5 Extension du concept: les modèles cinétiques à plusieurs compartiments

L'interprétation de l'accumulation de contaminants dans les organismes biologiques peut être réalisée en
utilisant des modèles à plusieurs compartiments (Tessier et al., 1993). En effet, les contaminants, sous
forme libre ou complexée, accèdent à différents compartiments internes de l'organisme. Les processus
d'accumulation dans les tissus sont extrêmement complexes.
Les contaminants dispersés dans l'environnement pénètrent dans un compartiment récepteur au sein
duquel ils vont entrer en contact avec des interphases et membranes de sous-compartiments (organes).
La répartition du contaminant dans les différents organes (A, B), de poids respectifs α1 et α2, peut alors
être simulée (Ruzic, 1972). Bien évidemment, certains paramètres peuvent être négligés, simplifiant ainsi
le modèle à deux compartiments (Figure 4.2).

137
 Organisme : Moule

k1
A, Ca B, Cb
k2

k e,a k u,a k e,b k u,b

Milieu Eau, Ceau

Figure 4.2.: Schéma conceptuel d’un modèle de croissance de la moule à deux compartiments: ku,a
et ku,b taux d’entrée du contaminant pour chaque compartiment (A et B), ke,a et ke,b taux de sortie
du contaminant pour chaque compartiment, et k1 et k2 taux d’échange entre les deux
compartiments.

− (k1 + k e ,a ) ⋅ C a
dC a k u , a C eau k 2 C b
= +
dt α1 α1

− (k 2 + k e,b ) ⋅ C b
dC b k u ,b C eau k1C a
= +
dt α2 α2

Le degré de complexité peut devenir très important pour suivre, par exemple, la dynamique des
contaminants au sein de plusieurs organes d'un individu afin d'en expliquer l'organotropisme. Ainsi, la
nature et l'étendue des processus de partition pour chaque contaminant sont variables selon le
compartiment et l'organe et sont déterminées par un nombre important de propriétés physico-chimiques
correspondantes à chaque sous-unité (Esser, 1986).
Par exemple, la production de gamètes par l’organisme peut former une voie d’élimination
supplémentaire pour les contaminants. Les femelles vont perdre une fraction de leur poids à travers la
ponte, dépendant de l’effort de reproduction de chaque espèce. En même temps, le poids des femelles
diminue pendant la reproduction. En supposant que les œufs ou jeunes ont la même composition
corporelle (à savoir quantité lipidique) et la même concentration chimique que leur parents, la balance
nette est nulle. Dans ce cas, la reproduction peut alors être comparée à une dilution de croissance: c’est
une production de nouvelle biomasse. Par contre, si la progéniture ou gamètes sont plus grasses que leurs
parents, cette voie peut alors affecter les cinétiques. Si les contaminants se sont pas transférés, la
reproduction affecte alors le poids de la femelle, en concentrant le contaminant restant. Le problème avec
ce type de processus est que, pour beaucoup d’espèces, la reproduction n’est pas continue. De plus, ce
processus est un procédé dépendant du temps et des conditions nutritives. L’effet de la reproduction sur
la concentration corporelle nécessite donc un couplage avec un modèle de croissance et de
développement de l’organisme.

138
2 Les modèles cinétiques à base physiologique
2.1 Généralités
Dans la représentation des processus apparaissent des paramètres. Ceux ci sont souvent mal connus et
leur détermination « in situ » est quasi impossible. C’est dans cette optique que s‘est développée,
parallèlement aux modèles à compartiments, une autre stratégie à base physiologique. En effet, seules
des expériences menées en laboratoire permettent de donner des représentations approchées des lois et
une évaluation des paramètres nécessaires, d’où leur utilisation dans les modèles. Cependant, ces lois
biologiques sont déterminées pour des temps caractéristiques (jours, mois, saisons) souvent inférieurs
à celui du modèle (années) et dans des conditions particulières. La transposition des résultats d’une
expérience menée en laboratoire dans des modèles doit donc se faire avec une extrême prudence.
La bioaccumulation est fonction des flux entrants et sortants contenus dans les phases dissoutes et
particulaires (Wang et al., 1995 et 2000 ; Roditi & Fisher, 1999 ; Wang & Fisher, 1999). Les
paramètres cinétiques d'accumulation (rda, rpa et rad) ont un rôle prédominant dans le processus de
bioaccumulation. C'est sur ceux-ci qu'il faut se pencher afin de définir exactement leur signification
tant biologique que chimique.

Les modèles cinétiques à base physiologique ont été développés pour évaluer la bioaccumulation des
contaminants. En plus de traiter les transferts, ils tiennent compte de la physiologie de l’individu. Ils
nécessitent des connaissances sur les efficacités de capture à partir de l’eau et de la nourriture (efficacité
d’absorption et d’assimilation), sur les taux de filtration, d’ingestion, de croissance et d’élimination.
Ces modèles sont très flexibles et applicables à des environnements variés. Ils peuvent être utilisés dans
l’interprétation de données de surveillance et pour prédire les niveaux de contamination des individus
(Depledge et Rainbow, 1990; Roditi et Fisher, 1999). Ce sont les vitesses de ces mécanismes
physiologiques qui déterminent la dynamique de la bioaccumulation dans le cas de la moule (Fisher et
al., 1996; Wang et al., 1996; Wang et Fisher, 1997a; Roditi et al., 2000), de la perche (Norstrom et al.,
1976) ou dans le cas de réseaux trophiques lacustres ou marins (Thomann et Connoly, 1984; Thomann,
1989; Connoly, 1991; Loizeau et Ménesguen, 1993; Loizeau et Cugier, 2002).

2.2 Concept et formulation du modèle

La bioaccumulation via plusieurs cheminements indépendants peut être décrite avec un modèle simple à
un compartiment (Landrum et al., 1992; Thomann et al., 1992; Thomann et al., 1995; Wang et Fisher,
1999).

139
Les bivalves marins sont exposés aux éléments traces par l’intermédiaire de la phase dissoute (filtration)
et de la phase particulaire (ingestion):
dC m
dt
[ ]
= (α w FR ⋅ C w ) + ( EA ⋅ IR ⋅ C p ) − [(k e + g )C m ]

avec Cm : concentration en contaminant dans l’organisme (µg.g-1) ;

Cw : concentration en contaminant dans l’eau (µg.mL -1) ;
Cp : concentration en contaminant dans la nourriture (µg.g –1) ;
αw : efficacité d’assimilation via l’eau (s.u) ;
FR : taux de filtration (h-1) ;
EA : efficacité d’assimilation via la nourriture ;
IR : taux d’ingestion (h-1) ;
Ke : taux d’élimination (h-1) ;
g : taux de croissance de l’organisme (h-1).

2.3 Extension possible à différents types de nourriture

Par la suite, ce modèle peut prendre en compte différents types (k) de nourriture (Norstrom et al., 1976;
Thomann et al., 1995):

dC m ⎡ k ⎤
= ⎢(α w FR ⋅ C w ) + (∑ EA j IR j C fj )⎥ − [(k e + g )C am ]
dt ⎣ j =1 ⎦
Les extensions peuvent avoir lieu sur les paramètres impliqués (EA et IR), chacun pouvant être
hautement dépendants des conditions physiologiques et environnementales.

2.3.1 Les paramètres d'entrée: voies dissoute et particulaire

Les deux paramètres d'entrée du contaminant sous forme dissoute et particulaire (respectivement rda et
rpa) résultent d'un couplage de paramètres biologiques (taux de filtration, taux d'ingestion) et chimiques
(efficacité d'assimilation du contaminant sous forme dissoute, efficacité d'assimilation du contaminant
à partir des particules ingérées) (Wang & Fisher, 1997 et 1999). Ils vont ainsi définir les deux voies

rda = α w FR
rpa = EA ⋅ IR
d'entrée via l'eau et via la nourriture.
avec rda : taux d'entrée du contaminant sous forme dissoute (L.g-1.jour-1) ;
rpa : taux d'entrée du contaminant sous forme particulaire (mg.g-1.jour-1) ;
αw : efficacité d’assimilation du contaminant à partir de l'eau filtrée (%) ;
EA : efficacité d’assimilation du contaminant à partir des particules ingérées (%) ;
FR : taux de filtration (clearance rate) (L.g-1.jour-1) ;
IR : taux d'ingestion (mg.g-1.jour-1).

140
Ainsi, les processus de nutrition interagissent avec les processus d'assimilation des contaminants (Arai
et al., 2002).

2.3.1.1 Taux de filtration

- Dépendance du poids
La filtration est la première réponse physiologique du mollusque face aux variations de son
environnement. Celle ci dépend de la surface des branchies (Vahl, 1973 ; Forster-Smith, 1975 ;
Mohlenberg & Riisgard, 1979 ; Tran et al., 2001) qui est elle-même liée à la taille de l'individu
(Pessatti et al., 2002). Il existe donc une très grande quantité de travaux concernant la relation entre le
taux de filtration et le poids du corps chez les bivalves marins. Cette relation est généralement décrite
comme une simple fonction allométrique (Bayne & Newell, 1983 ; Ren & Ross, 2001) avec une
puissance variant entre 0,4 et 0,8 (Barillé, 1996 ; Morono et al., 2001).

FR = aW b

avec FR : taux de filtration (g.L-1) ;

W : masse somatique (g).
En théorie, Kooijman et Metz (1984) argumentent le fait que la capture pourrait être proportionnelle à
l'aire de surface de l'appareil nutritif. Assumant que le poids de structure est proportionnel au volume,
et que le volume est proportionnel à la longueur. Le taux de filtration devient donc proportionnel à la
longueur (L) (Ross & Nisbet, 1990).

- Dépendance de la matière organique particulaire (MOP)

Certains auteurs ne font varier la filtration qu'en fonction de la taille ou du volume de l'animal (V),
indépendamment des conditions trophiques (Ross & Nisbet, 1990 ; van Haren & Kooijman, 1993).
D'autres prennent en compte la quantité de matière organique particulaire totale (Smaal & Sholten,
1989 ; Bayne et al., 1993). Le taux de filtration se traduit alors mathématiquement par une équation du
type:

FR = a ⋅ MOP bV c

- Dépendance de la température
Widdows et Bayne (1978) constatent que la filtration reste constante entre 5 et 20°C. Widdows (1978,
1979) enregistre une augmentation de la filtration entre 0 et 10°C, une nette diminution à 25°C et un
arrêt complet à 28°C. Pour des températures extrêmes, un facteur de correction (TC) de la filtration en
fonction de la température peut s'avérer nécessaire (ex. Q10):

CR = a ⋅ MOP bV c TC

141
2.3.1.2 Taux d'ingestion
L'ingestion réelle est égale à la consommation si celle ci est plus petite que le seuil maximal
d'ingestion. Si la ration fournie est trop importante, l'ingestion est réduite au seuil d'ingestion
maximale et le surplus est évacué sous forme de pseudo-fèces.

IR = MIN (IRmax ,CONSO )

La consommation est donc égale à la filtration multipliée par la concentration particulaire. Elle
s'exprime donc en fonction du taux de filtration, lui-même dépendant ou pas du poids de tissu
somatique, du facteur de correction induit par la température et de la concentration en matière
particulaire.

CONSO = FR ⋅ MPT

avec CONSO : taux de consommation (g.h-1) ;

FR : taux de filtration (L.h-1) ;
MPT : matière particulaire totale (g.L-1).

Ainsi, Ross et Nisbet (1990) décrivent le taux de filtration en fonction de la concentration en seston
total (Se, mg.L-1) et de la concentration nutritive (X, mg.L-1):
Se X
IR = FR ⋅ ⋅
(Se1 / 2 + Se ) Se

Ces deux concentrations varient de façon temporelle, évolution pouvant être reproduise par une
fonction trigonométrique temporelle (avec t: temps, a,b et tx ou ts paramètres non significatifs).

X = a x − bx cos 2π (t − t x )
Se = a s − bs cos 2π (t − t s )
D'autres expriment le taux de filtration en fonction de la concentration en carbone organique
particulaire (Björk & Gilek, 1997) ou encore de la concentration en matière organique particulaire
(Grant & Bacher, 1998).

2.3.2 Les efficacités d’assimilation

Deux types d'efficacité d'assimilation du métal sont distinguées: une à partir de la voie dissoute et une
à partir de la voie particulaire.
- efficacité d'assimilation via la phase dissoute: elle correspond au pourcentage de métal ingéré à partir
de l'eau filtrée.
- efficacité d'assimilation via la phase particulaire: elle correspond au pourcentage de métal ingéré à
partir de la nourriture consommée. La physiologie de la digestion conditionne en grande partie les

142
efficacités d'assimilation. En effet, l'assimilation des particules nutritives résulte de l’absorption de
nutriments à travers l'épithélium stomacal selon les processus digestifs. Elle représente un processus
de premier ordre physiologique et peut être comparée selon les différents métaux et espèces à
différentes conditions. De nombreuses études ont permis d'estimer quantitativement la biodisponibilité
des métaux à partir de l'ingestion (Fisher et al., 1995 ; Reinfelder & Fisher, 1991; Luoma et al., 1992 ;
Reinfelder et al., 1997 et 1998) et les efficacités d'assimilation et de séparation des différentes phases
digestives (Decho & Luoma, 1991 et 1994). Ces efficacités d'assimilation des métaux correspondent
finalement au produit de l'efficacité d'assimilation de la matière organique et de l'efficacité de
rétention du métal sur cette matière absorbée.

2.3.3 Le paramètre de sortie: dissous et particulaire

L'efficacité d'absorption correspond au pourcentage de matière organique ingérée qui est absorbée. La
partie qui n'est pas absorbée est rejetée sous forme de fèces. L'assimilation est égale à l'absorption
diminuée de l'excrétion. Ce paramètre rad correspond donc à un taux global (dissous + particulaire)
d’élimination du contaminant.

2.4 Limites d’application et complexité croissante

Un inconvénient du modèle cinétique à base physiologique est qu’il exige une évaluation de nombreux
paramètres qui sont hautement dépendants des conditions physiologiques des animaux et des
conditions environnementales. Il n’y a pas de valeurs génériques (spécifiques) pour chaque
combinaison métal - espèce.
De plus, lorsque l’organisme change de volume, par exemple pendant la croissance, sa surface change
aussi. Par conséquent, les taux d’entrée et de sortie évoluent avec la taille de l’organisme. Le fait que
le ratio surface/volume détermine le taux constant, implique qu’il devient difficile de comparer les
taux constants entre différentes espèces (ou entre juvéniles et adultes de la même espèce), quoique
cela peut être partiellement contourné en utilisant des relations allomètriques (par l’intermédiaire des
taux de filtration et d’ingestion).
Le changement de volume de l’organisme a un autre effet sur la concentration dans l’organisme.
Comme la quantité est divisée par le volume, le contaminant est « dilué » quand l’organisme croit et
« concentré » quand il maigrit. Ceci peut être inclus dans l’équation différentielle comme un terme
affectant la concentration (terme g constant). Cette formulation ne fait alors aucune hypothèse sur la
façon dont va croître l’animal. Dans la situation où l’organisme grandit de façon exponentielle, le taux
relatif de croissance est un facteur constant qui a les mêmes dimensions et effets que le taux
d’élimination. De ce fait, un taux d’élimination total (g + rda) est mentionné dans certaines études
écotoxicologiques, qui résulte de ces deux termes. Cependant, le fait que ce taux change avec le
volume est rarement intégré dans ce type de modèle.

143
3 Les modèles cinétiques à base énergétique: couplage croissance bioaccumulation:
les modèles DEB (Dynamic Energy Budget Model: modèle de budget énergétique
dynamique)
3.1 Importance du couplage
Face aux avantages et limites des modèles cinétiques à compartiments et des modèles cinétiques à base
physiologique, vient un troisième concept intermédiaire, plus récent et moins répandu, qu’est celui des
modèles cinétiques à base énergétique.
La plupart des études concernant les cinétiques de capture et d’élimination suppose implicitement des
conditions d’état d’équilibre pour les autres processus physiologiques de l’organisme. Les données
expérimentales sont le plus souvent analysées avec un modèle de capture et d’élimination comprenant
un seul compartiment. Ces modèles ne donnent pas toujours de résultats convenables, en particulier
quand l’organisme voit ses conditions physiologiques varier (taille, cycle reproductif et réserves
d’énergie) d’un ordre de grandeur comparable à celui des taux de capture et d’élimination du
contaminant (van Haren et al., 1994).
Le modèle de capture et d’élimination, proposé par Kooijman et van Haren (Kooijman et van Haren,
1990), a été conçu pour quantifier les changements de conditions physiologiques (nutrition, lipides) de
l’organisme. Il repose sur un modèle de budget énergétique dynamique qui décrit la croissance, la
dynamique d’énergie et la reproduction comme fonction de la taille de l’organisme (Kooijman, 1986a;
Kooijman, 1986b; Kooijman, 1988; Kooijman, 1993). Ainsi, la capture de contaminant se fait via la
nourriture et/ou directement à partir de l’environnement alors que l’élimination se fait via la
reproduction (gamètes) et/ou directement dans l’environnement. Les taux de capture et d’élimination
dépendent de la quantité lipidique qui change avec le temps. Ainsi, la charge corporelle de
contaminant dans l’organisme peut changer dans le temps même si la concentration dans le milieu
reste constante (Kooijman et van Haren, 1990).

3.2 Théorie des modèles DEB

Leur objectif est de formuler un modèle de bioénergie qui aide à connecter les différents niveaux
d’organisation: de la molécule aux écosystèmes. Le cœur de la théorie est un modèle énergétique
individuel qui évolue au cours du cycle de vie. Ceci implique que le modèle ne doit pas être spécifique
à l’espèce et qu’il pèse les différents critères avec respect du réalisme et de la simplicité (Kooijman,
1993). L’organisation métabolique des organismes suit des lois quantitatives simples basées sur des
principes chimiques et physiques. Les courbes de croissance des organismes aussi différents que les
mollusques ou les oiseaux peuvent fortement se ressembler, alors que les différences dans leur
systèmes de régulation hormonale sont connues. Ce type d’observations suggère que les systèmes de
régulation sont une part des mécanismes utilisés par les organismes pour contrer des lois générales de
bilan de masse et d’énergie. La théorie des modèles DEB a pour but d’identifier la série de lois

144
quantifiant la capture et l’utilisation de substrats que tous les organismes (micro-organismes, plantes et
animaux) semblent avoir en commun (Kooijman, 2001). Elle intègre l’impressionnante biodiversité
par la différence de valeurs des paramètres. Pour cela, les individus sont considérés comme des
systèmes dynamiques qui suivent des modèles prévisibles durant leur cycle de vie.
Les modèles DEB ont été développés pour évaluer la croissance de l’organisme de façon beaucoup
plus précise que les modèles simples de type von Bertalanffy. En plus de prédire l’évolution
allométrique de l’organisme entier, ils tiennent compte de la biologie de l’individu en le
compartimentant et suivent l’évolution énergétique de différentes composantes tels que le volume
structural, les gonades ou les réserves. Ainsi, ils étudient les flux d’énergie entre les différents organes
en proposant un bilan énergétique général. Les processus clés sont la nutrition, la digestion, le
stockage, la maintenance, la croissance, le développement, la reproduction et la vieillesse.
Ces modèles de budget énergétique dynamique décrivent les taux auxquels un organisme individuel
acquiert l’énergie et l’utilise pour des processus physiologiques de maintenance, de croissance et de
reproduction. Ils sont basés sur des hypothèses concernant les taux d’acquisition de l’énergie à partir
de l’environnement, et des lois qui décrivent comment l’énergie acquise est distribuée entre la
maintenance, la croissance et la reproduction. L’hypothèse fondamentale du modèle DEB est qu’une
série de variables d’état physiologique (âge, taille, réserves d’énergie) et de variables
environnementales (densité nourriture, température) déterminent pleinement l’histoire de vie des
individus (Kooijman, 1993).
Les modèles DEB constituent une base pour développer des modèles physiologiques structurés (Metz
et Dikmann, 1986; Tuljapurkar et Caswell, 1997) dont le but est de lier la physiologie de l’individu au
niveau de la population par exemple. Ils sont aussi utilisés pour l’application en toxicologie (Norstrom
et al., 1976; Kooijman et van Haren, 1990; Landrum et al., 1992; van Haren et al., 1994; Kooijman et
Bedaux, 1996) et en biotechnologie (Nisbet et al., 2000; Péry et al., 2002). Les modèles DEB sont
appropriés à l’étude de la vie depuis que les organismes sont largement reconnus comme entité sur
laquelle la sélection naturelle opère.
Une large variété de formulations des modèles DEB a été développée, variant de modèles génériques à
des modèles incluant plus de détails biologiques et pouvant être spécifiques à un taxon. De tels détails
dépendent de l’objectif de l’étude particulière. Par exemple, un modèle à paramètrisation générale est
désirable lors de comparaisons inter-espèces (Cardoso et al., 2001; van der Veer et al., 2001; Velasco
et Navarro, 2003). La plupart des modèles DEB trouvés dans la littérature font partie de deux familles:
les modèles de production nette (Nisbet et al., 1996; Gurney et Nisbet, 1998; Lika et Nisbet, 2000;
Nisbet et al., 2000) et les modèles d’assimilation nette (Kooijman, 1993; van Haren et Kooijman,
1993). Les deux groupes de modèles différent principalement dans leurs hypothèses concernant
l’allocation d’énergie à la reproduction (modèle de production nette quand l’acquisition d’énergie est
directement minorée de l’énergie nécessaire à la maintenance ; modèle d’assimilation nette quand
l’énergie nécessaire à la maintenance est issue de l’énergie stockée) (Lika et Nisbet, 2000).

145
3.3 Concept et hypothèses
Le concept du modèle cinétique à base énergétique repose sur l’application d’un modèle DEB à un
problème toxicologique (Norstrom et al., 1976; Kooijman et van Haren, 1990; Landrum et al., 1992;
van Haren et al., 1994; Kooijman et Bedaux, 1996).
L’idée globale est présentée dans la figure 4.3. Les hypothèses sont les suivantes:
- L’organisme est considéré selon deux stades: un stade juvénile non reproductif et un stade adulte
reproductif. Le corps est divisé en cinq parties: la fraction aqueuse (sang) et l’estomac qui sont les
deux compartiments de transferts énergétiques ; la composante structurale du corps (soma), les
réserves de stockage d’énergie et la composante reproductive.
- L’organisme est supposé être décomposé en biomasse structurelle (i.e. une certaine combinaison
de carbohydrates, de protéines et de lipides) et en biomasse de réserves (i.e. une autre combinaison
de carbohydrates, de protéines et de lipides) principalement fonction des réserves d’énergie.
- Il est supposé avoir le contrôle de sa composition chimique, de telle façon que sa biomasse
structurelle et ses réserves ne changent pas en composition, une propriété connue sous le nom
d’homéostasie.
- Le partitionnement du contaminant entre la fraction aqueuse, les carbohydrates, les protéines et les
lipides est supposé rapide, comparé à l’échange de contaminant entre la fraction aqueuse et
l’environnement. Ainsi, ces composés riches en énergie sont supposés être remplacés par de l’eau
quand les conditions nutritives deviennent faibles. Ceci a été démontré pour les moules par Pieters
et al., (1979) et pour les escargots par Zonneveld & Kooijman (1989) (Pieters et al., 1979;
Zonneveld et Kooijman, 1989). Ainsi, l’animal reste en isomorphie pendant son développement,
ce qui signifie que chaque organe occupe une fraction fixe de la structure.
- La capture via la nourriture et l’échange avec l’environnement sont censés être des processus
linéaires de premier ordre, avec un taux proportionnel à l’aire.

Cette série d’hypothèses nous mène plutôt à des cinétiques simples pour le contaminant. Ces
hypothèses doivent être complétées par d’autres concernant la dynamique d’énergie, applicables
approximativement à une large variété d’espèces:
- Il y a trois stades de vie: les embryons qui ne se nourrissent pas, les juvéniles qui ne se
reproduisent pas et les adultes.
- La capture de nourriture dépend hyperboliquement de la densité nutritive.
- La densité des réserves, i.e. le ratio entre la quantité des réserves et le volume corporel suit un
processus linéaire de premier ordre avec un temps de relâchement proportionnel à la taille du
corps.
- Une fraction fixée de l’énergie utilisée est allouée a la croissance et à la maintenance. Le reste est
pour la reproduction et le développement.
- Les coûts de maintenance sont proportionnels au volume corporel.

146
 - La taille de l’embryon est négligeable et la densité des réserves à la couvée (« hatching ») est égale
à celle de la mère lors de la production des œufs.

La combinaison des hypothèses d’isomorphie, d’homéostasie et de partitionnement instantané est un

caractère robuste permettant le travail de modélisation. Le schéma conceptuel de la bioaccumulation
est alors la résultante d’un schéma de croissance auquel est couplé un modèle cinétique de
bioaccumulation (Figure 4.3). Une fois dans la fraction aqueuse de l’organisme, les contaminants sont
répartis dans les compartiments corporels selon leur affinité chimique.

Nourriture Nourriture Eau

A. rpa rda B.
A Soma A Soma
p p
p S p S
a a
n Réserves énergie n Réserves énergie
D D
i g i g
g g
Comp. reproductif Comp. reproductif
rad
Faeces Maintenance Descendance Excrétion

Figure 4.3: Représentation schématique des différents compartiments et flux de l’individu (A.) et
du processus de bioaccumulation (B.) (d’après van Haren & Kooijman, 1994). rda et rpa: taux
d’entrée du contaminant sous forme dissoute et particulaire, rad : taux d’élimination du
contaminant.

147
3.4 Un exemple de modèle de bioaccumulation du cadmium: van Haren et al., 1994
Le modèle de bioaccumulation de van Haren et al, 1994, est réalisé de la façon suivante. La capture,
aussi bien que l’élimination, sont supposées être proportionnelles à la surface de l’organisme
isomorphique. Ainsi, l’évolution temporelle de la concentration en Cd présent dans l’organisme se fera
selon l’équation différentielle suivante:

dC m rda c d + rpa fnut ⋅ c p ⎛ rad

⎜ 1 dV 1 dr ⎞⎟
= − + +
dt ( )
α e d s 1 + α e −1 + r ⋅ V 1 / 3
C m⎜
⎝ α e hV
1/ 3
V dt 1 + α e −1 + r dt ⎟⎠
h = γ + (Pea − 1)e + Pea r

Avec Cm : concentration en Cd dans l’organisme (µg.g-1 p.s.) ;

Cd : concentration en Cd dans l’eau, sous forme dissoute (µg.cm-3):
Cp : concentration en Cd dans la nourriture (µg.cm-3) ;
rda : taux d’entrée du Cd via l’eau (cm.jour-1) ;
rpa : taux d’entrée du Cd via la nourriture (cm.jour-1.g.cm-3) ;
rad : taux d’élimination du contaminant (cm.jour-1) ;
Pea et γ : coefficients de partition du Cd entre les différents compartiments (s.d) ;
fnut : réponse fonctionnelle de nutrition ;
ds : densité spécifique des tissus mous (g.cm-3) ;
αe : ratio du volume maximum de réserves sur le volume de structure (s.d.) ;
e : densité de stockage (réserves d’énergie/réserves maximales) (s.d.) ;
V : volume de structure (cm3) ;
r : rapport du volume des gonades et des gamètes sur le volume de structure (s.d.).

3.5 Discussion
Ces modèles peuvent être classifiés dans les modèles à cinétique linéaire de premier ordre avec des
coefficients variables. La variation de ces coefficients dépend des changements de taille, des réserves,
du taux de nutrition et de la reproduction. Quand la période d’exposition est suffisamment courte, le
modèle représente une extension d‘un modèle cinétique de premier ordre avec des coefficients
constants.
Le modèle présenté ci dessus est basiquement un modèle simple à un compartiment:

dC m
= rda C d − rad C m
dt

Où rda et rad sont respectivement des variables de capture et d’élimination, Cm est la concentration
interne en contaminant et Cd la concentration environnementale en contaminant.

148
Le facteur de bioconcentration est alors:
C m rda
BCF = =
C d rad

L’équation du modèle DEB, présentée ci-dessus, diffère du modèle simple par la considération de
différentes voies de capture changeant avec le contenu lipidique et donc avec la taille de l’organisme.
Ces différences en déduisent que les coefficients du modèle à un compartiment ne restent pas fixes
mais variables avec le temps. Le FBC n’est pas une valeur constante mais varie avec les modifications
des conditions physiologiques. C’est là la richesse de ce type de modèle couplant la bioénergie de
l’organisme indicateur à la cinétique du contaminant, celle ci étant fortement influencée par les
conditions physiologiques de l’organisme.
Ces modèles ne sont pas contraints aux hypothèses d’équilibre thermodynamique (équilibre/
partitionnement) et sont donc plus capables de prédire l’accumulation des contaminants en considérant
plusieurs voies et des expositions variantes (Landrum et al., 1992). Certains facteurs
environnementaux (température, nourriture) exercent leurs influences directement sur la physiologie
alors que d’autres modifient la chimie du contaminant, qui en retour modifient les cinétiques. La
capture et l’élimination varient avec la taille de l’organisme (Landrum, 1988; Tarr et al., 1990;
Landrum et Stubblefield, 1991; Fisher et al., 1992).
Ce type de modèle peut aussi permettre d’évaluer l’effet des contaminants sur la croissance, la
reproduction, la respiration ou la nutrition, par l’action d’une fonction dépendante de la concentration
en contaminants dans les tissus (Kooijman, 1991a). En effet, il peut être couplé à des modèles de
transport, de spéciation chimique, de dynamique de population et de bioaccumulation de réseaux
trophiques et ainsi avoir des perspectives plus larges en écotoxicologie (Kooijman et al., 1987).

4 Les modèles cinétiques de réseaux trophiques

L’objectif des modèles de bioaccumulation à l’échelle de réseaux trophiques est d’estimer les
concentrations en contaminants dans des organismes variés de la chaîne trophique à partir des
concentrations chimiques dans l’eau, la nourriture et/ou les sédiments. Ainsi, une combinaison entre un
modèle cinétique de contaminant et un modèle de dynamique trophique est nécessaire (Gobas, 1993). En
effet, elle joue un role important dans le transfert des contaminants à travers les chaînes trophiques et
dans l’accumulation des contaminants dans les organismes.
De la même façon que pour les modèles individuels de bioaccumulation, les modèles de réseaux
trophiques pourront être divisés en deux grands ensembles:
- les modèles cinétiques permettant de suivre les substances chimiques dans les réseaux trophiques
ou les écosystèmes (Veith et al., 1979; Ernst, 1980; Walker, 1987; Walker, 1990; Zaranko et al.,
1997) ;

149
- les modèles cinétiques à base énergétique ou à base physiologique développés pour évaluer la
bioaccumulation des contaminants à travers les réseaux trophiques lacustres ou marins (Thomann
et Connoly, 1984; Walker, 1987; Thomann, 1989; Connoly, 1991; Thomann et al., 1992; Loizeau
et Ménesguen, 1993; Tuljapurkar et Caswell, 1997; Nisbet et al., 2000; Wang et al., 2000; Loizeau
et Cugier, 2002).
La seule différence avec les modèles individuels est le nombre de niveaux trophiques. Ainsi pour
chaque niveau trophique supplémentaire, une équation différentielle est créée, celle ci dépendant des
niveaux trophiques inférieurs et supérieurs.
Limites de la modélisation: Idéalement, un modèle devrait être un modèle quadri-dimensionnel (3
variables spatiales et le temps) et devrait comporter une infinité de variables d’état. Ce modèle
cependant ne serait rien d’autre que la nature elle-même. Cependant, n’oublions pas que le principe
même de la modélisation est la sélection d’un ensemble limité de variables d’état. Elles doivent être en
nombre suffisamment grand pour décrire le comportement du système de façon adéquate et en nombre
suffisamment réduit pour que les équations d’évolution soient accessibles à l’analyse avec les
impératifs de la calibration, du calcul et de l’interprétation. Les cas où les modèles à un compartiment
sont suffisants et où les modèles à 4 dimensions sont nécessaires ne sont pas fréquents.

5 Stratégie de modélisation choisie au vu des objectifs de l’étude

L’étude bibliographique réalisée sur les modèles de bioaccumulation permet de synthétiser les
différentes approches de modélisation, de dégager les structures de base ainsi que les principaux
processus considérés et de définir les questions auxquelles ils permettent de répondre.
L’objet de cette étude est la modélisation de la bioaccumulation des métaux traces chez la moule
Mytilus galloprovincialis afin de pouvoir l’utiliser dans différentes zones où les paramètres du milieu
sont connus. Pour cela, l’interaction entre les contaminants et les barrières biologiques est d’un intérêt
considérable pour la compréhension des phénomènes écotoxicologiques et l’interprétation de la
bioaccumulation et des transferts à travers les chaînes trophiques.

Les objectifs de la thèse sont de:

- comprendre la signification de la concentration mesurée à l’instant t, par l’étude des cinétiques

d’accumulation et de décontamination, et le suivi de la physiologie de l’organisme et des
caractéristiques environnementales du milieu ;

- comprendre et prédéfinir les principales voies de contamination des moules, à partir de l’eau
et/ou de la nourriture, et les voies de décontamination ;

- comprendre et quantifier l’impact de l’état physiologique et des différentes étapes du cycle

biologique de l’organisme bioindicateur sur le processus de bioaccumulation: nutrition,
croissance, amaigrissement, reproduction ;

150
 - comprendre et quantifier l’effet des variations environnementales tant chimiques (nature et
importance de la contamination du milieu, variation du partitionnement dissous/particulaire,
impact de la spéciation et de la biodisponibilité) que biologiques et environnementales
(température, conditions trophiques), qui interviennent dans le processus de contamination ;

- relier, par une méthode explicative, les concentrations dans l’organisme vivant à celles du
milieu environnant ;

- comprendre et évaluer la contamination chimique effective des sites quelles que soient les
conditions trophiques rencontrées dans le golfe du Lion, en s’affranchissant des différences
physiologiques dues au trophisme ;

- comparer les différentes stratégies de bioaccumulation des cinq métaux étudiés: métaux
régulés et non régulés.

Compte tenu du propos de l’étude et des observations réalisées, le modèle de bioaccumulation suivra
le concept d’un modèle cinétique à base énergétique. En effet, le couplage accumulation-croissance
permet de répondre aux objectifs de l’étude de la bioaccumulation des métaux traces chez la moule, en
y intégrant l’effet de la croissance et de l’état physiologique de l’organisme bioindicateur ainsi que
l’effet des variables environnementales; la croissance représentant la connexion entre l’écophysiologie
et la bioaccumulation. Les différentes voies de capture changent avec le contenu lipidique et donc avec
la taille de l’organisme. Ces différences en déduisent que les entrées du modèle ne restent pas fixes
comme ceux du modèle cinétique à compartiment mais variables avec le temps. Le FBC n’est pas une
valeur constante mais varie avec les modifications des conditions physiologiques. C’est là la
richesse de ce type de modèle couplant la bioénergie de l’organisme indicateur à la cinétique du
contaminant, celle ci étant fortement influencée par les conditions physiologiques de l’organisme.
En plus de traiter de l’accumulation des métaux traces à partir de la voie dissoute et de la voie
particulaire, il tient compte de la biologie de l’individu par la simulation du budget énergétique
dynamique (croissance, ponte, alimentation, respiration) et permet de mieux comprendre et quantifier
l’effet de ces différentes interactions Environnement - Hôte - Contaminant. Le concept du modèle
cinétique à base énergétique repose sur l’application d’un modèle DEB à un problème toxicologique et
correspond complètement au propos de l’étude.

Ainsi, pour fonctionner, le modèle de bioaccumulation requiert la formulation d’un modèle de

croissance robuste et générique sur l’exemple des modèles DEB (Chapitre 5), applicable à des
environnements variés. Une fois celui ci établi et appliqué aux observations, les cinétiques de
contamination et de décontamination permettront d’adapter et d’ajuster le modèle cinétique à base
énergétique à l’étude expérimentale réalisée (Chapitre 6).

151
 CHAPITRE 5

Modélisation de la croissance de la moule,

Mytilus galloprovincialis, en milieu méditerranéen
Chapitre 5: Modélisation de la croissance de la moule,
Mytilus galloprovincialis, en milieu méditerranéen

1 Choix du modèle de croissance: niveaux de complexité

1.1 Les modèles de croissance
Les moules sont cultivées à l’échelle mondiale et ont un intérêt économique grandissant. Cependant,
les contraintes, quant à l’exploitation des ressources de moules sauvages, nécessitent l’utilisation
d’outils pour améliorer la gestion de la culture de moule, en augmentant la production. L’approche
actuelle de modélisation se fait dans l’optique d’une utilisation comme outil de gestion. Deux types de
modèle de croissance existent: les modèles simples empiriques dont le but unique est de décrire et
prédire l’évolution temporelle du poids en considérant l’organisme comme un compartiment unique,
du type von Bertalanffy ; et les modèles plus complexes mécanistiques, tels que les modèles DEB
(Dynamic Energy Budget model: modèles de budget énergétique dynamique) établissant, de façon
précise, la dynamique du budget énergétique de la moule déterminant l’état vital de l’organisme tels
que la croissance, le développement et la reproduction. Les modèles DEB ont le plus grand potentiel
dans ce domaine. En effet, le terme dynamique fait référence au contraste avec les modèles statiques
utilisés fréquemment, où les caractéristiques de l’individu ne changent pas explicitement dans le
temps.

1.2 Hypothèses générales des modèles DEB

Ce type de modèle de croissance décrit, selon la théorie des modèles DEB, les flux d’énergie à travers
un animal durant sa durée de vie, à des densités nutritives et des températures différentes. Leur objectif
est de formuler un modèle en bioénergie qui aide à connecter les différents niveaux d’organisation: de
la molécule aux écosystèmes. Le cœur de la théorie est un modèle énergétique individuel, qui évolue
au cours du cycle de vie. Ces objectifs impliquent que le modèle ne doit pas être spécifique à l’espèce
et qu’il pèse les différents critères avec respect du réalisme et de la simplicité (Kooijman, 1993; van
Haren et Kooijman, 1993).
Les modèles bioénergétiques ont été développés pour évaluer la croissance de l’organisme de façon
beaucoup plus précise que les modèles simples de type von Bertalanffy. En plus de prédire l’évolution
allométrique de l’organisme entier, ils tiennent compte de la biologie de l’individu en le
compartimentant et suivent l’évolution énergétique de différentes composantes. Les processus clés
sont la nutrition, la digestion, le stockage, la maintenance, la croissance, le développement, la
reproduction et la vieillesse. Le point central de cette théorie des modèles DEB est le rôle fondamental
des ratios surface / volume et des réserves. A partir de ce point, les relations entre processus

152
physiologiques et écologiques sont dérivés d’une voie systématique (Kooijman, 2000; Kooijman,
2001). Trois compartiments principaux sont distingués: la composante structurale du corps, les
réserves de stockage d’énergie et la composante reproductive. L’homéostasie pour chaque
compartiment est assumée, c’est à dire la capacité de garder la composition chimique constante malgré
le changement de composition dans l’environnement (Figure 5.1).

Nourriture

A Soma
p
p S
a
n Réserves énergie
D
i g
g
Comp. reproductif

Faeces Maintenance Descendance

Figure 5.1: Représentation schématique des différents compartiments corporels de l’individu,

d’après (van Haren et al., 1994).

Le bilan énergétique de l’organisme représente l’intégration de tous les processus en liaison avec les
gains et les pertes d’énergie, ce qui permet la détermination de la quantité d’énergie disponible pour sa
croissance et reproduction, (Bayne et Newell, 1983). Ce renseignement physiologique, en plus d’être
un indicateur du taux de croissance (Bayne et al., 1979; Riisgard et Randlov, 1981) est aussi considéré
comme un bon indicateur de la condition physiologique de l’organisme (Widdows, 1985), du fait de sa
grande sensibilité aux changements environnementaux et de son haut degré de précision (Grant, 1996).

1.3 Modèles de croissance individuelle

1.3.1 Les différents types de modèles DEB existants: comparaison
Il existe de nombreux modèles DEB, spécifiquement désignés pour la croissance de la moule (Tableau
5.1 et 5.2). Chacun d’entre eux la représente comme le bilan entre plusieurs composantes de nutrition,
de respiration et de reproduction. A l’intérieur de chaque modèle, ces processus sont décrits avec
différents niveaux de complexité physiologique de l’organisme et par l’inclusion de différents facteurs
physiques et biologiques. Ces différences entre les modèles sont le résultat d’approches prises durant
le développement de celui ci et sont dépendantes des objectifs spécifiques du modèle (Beadman et al.,
2002).

153
Le plus sophistiqué, en terme de complexité physiologique, est celui de Scholten et Smaal (1998). Ce
modèle a été développé pour simuler la croissance et la reproduction d’une moule subtidale
incorporant toutes les connaissances écophysiologiques disponibles (Scholten et Smaal, 1998). Les
points spécifiques de ce modèle sont le détail des processus allant de la filtration à l’ingestion, de
l’absorption incorporant un modèle nutritionnel optimal de (Willows, 1992), de la respiration et de
l’excrétion. Les flux d’énergie sont représentés par des flux de carbone et d’azote, entre 5
compartiments principaux: le sang, le soma, les réserves, les tissus reproductifs (gamètes + ponte) et le
compartiment organique de la coquille. La croissance et la reproduction sont issues de taux et
d’efficacités des processus physiologiques qui varient avec les variations saisonnières de température,
avec la qualité et la quantité nutritive, et avec les demandes métaboliques. L’incorporation de toutes
ces connaissances disponibles sur l’écophysiologie de la moule a résulté à un modèle surparamétré et
hautement complexe, avec une forte difficulté pour le calibrer. Cette complexité rend le modèle
difficilement identifiable, avec des hypothèses ambiguës et redondantes au sein du modèle, et ceci doit
être approché avant un développement sérieux. Cependant, Scholten et Smaal (1998) établissent, en
l’état actuel des choses, une insuffisance des connaissances de l’écophysiologie pour rectifier la
situation. Néanmoins, ce modèle prédit bien la croissance pour le site pour lequel il a été calibré et
modérément bien sur des sites au niveau de seston élevé. Pour des sites intermédiaires où le niveau de
seston et l’entrée de nourriture sont faibles, la prédiction de la croissance n’est pas bonne. Ceci peut
être le résultat d’une adaptation des moules à leur environnement à faible matière particulaire totale
(TPM). Ce problème peut être maîtrisé par une calibration séparée selon les teneurs en TPM de
l’environnement, ou par une complexité plus importante avec une fonction variable et adaptée à faible
TPM (Beadman et al., 2002).

Tableau 5.1: Modèles de budget énergétique dynamique (DEB) de moules adapté de (Beadman
et al., 2002).
Références Objectifs Conclusions Limites
(Kooijman, Concevoir un modèle général de Bonne reproduction des données Non prise en compte de
1986a) nutrition, de stockage, de disponibles de nutrition, de l’effet concentration du
croissance et de reproduction des respiration, de croissance et de seston. Incapacité de
ectothermes, dépendant de la reproduction de Daphnia magna. produire des courbes de
densité nutritive à température Application peu satisfaisante sur croissances sigmoïdales.
constante les données Mytilus(Ross, 1989).
(Ross et Nisbet Développer des modèles pour Bonne prédiction de la croissance Simplification de la
1990) représenter la croissance et la et de la reproduction des nutrition: efficacité
reproduction d’une population de populations tests. Variabilité des assimilation constante et
moule populations expliquée par les aucune sélection. Relation
différences de dynamique du hypothétique entre la
seston et de la nourriture ponte et le poids.
(Grant et al., Déterminer la capacité de transport Modèle physico-biologique Budget énergie moule trop
1993) le long d’une ferme aquacole de produit, spécifique au site. peu détaillé. Pas de
moule sélection spécifique et de
production pseudofécés.
Pas de reproduction.

154
(van Haren et Appliquer un modèle DEB (utilisé Taux de croissance variable sur le Hypothèses importantes
Kooijman, sur une variété d’espèces), à la terrain, décrit par des sur la physiologie.
1993) moule bleue changements de la densité Rétention totale des POM,
nutritive, de la qualité et de la pas de pseudofécés
température.
(Dowd, 1997) Prédire la croissance de bivalves Prédiction globale sur les sites Forte sensibilité aux
en culture par une approche de tests. paramètres
modèle en boite physiologiques. Budget
énergie moule trop peu
détaillé. Effet ponte
approximé.
(Campbell et Sélectionner des sites de culture Importance de la qualité et Pas tous les détails de la
Newell, 1998) dans le Maine pour leur capacité quantité de nourriture sur la physiologie. Ponte pas
de transport croissance. Identification des entièrement incluse (pas
capacité de transport optimum par calibration validation).
le modèle. Non transférable.
(Grant et Tester l’utilisation d’un modèle Applicabilité du modèle Modèle mécanistique très
Bacher, 1998) simple statistique par rapport à un statistique limité aux simplifié au regard de la
modèle mécanistique pour simuler environnement turbides. bioénergie. Non
la croissance de la moule Prédiction satisfaisante du modèle considération de la
mécanistique croissance coquillière.
Efficacité absorption non
variable.
(Scholten et Concevoir un modèle Complexité du modèle Modèle trop complexe et
Smaal, 1998) écophysiologique de la moule pour écophysiologique développé. difficilement identifiable
l’utiliser comme un outil de Mauvaise prédiction de la
gestion et d’identification des croissance sous certaines
processus clés manquants conditions. Identification des
points obscurs.
(Scholten et Estimer l’effet des différents Simplification du modèle Sous-estimation de
Smaal, 1999) nutriments sur la croissance et la précédent. Bonne prédiction de la l’adaptabilité des moules à
reproduction des moules, en croissance et de la reproduction des conditions nutritives
utilisant un modèle sous certaines conditions pauvres
d’écophysiologie nutritives.
(Kooijman, Décrire les flux d’énergie et leurs Concept de base, applicables à Hypothèses générales de
2000; variations avec la densité nutritive tous les organismes capture, stockage et
Kooijman, et la température. Modèle global hétérotrophes. utilisation d'énergie.
2001) mécanistique.
(Cardoso et Prédire la croissance de 4 espèces Différences reflétées dans les Non considération du
al., 2001) de bivalves par l’approche du valeurs des paramètres: fraction poids des réserves dans le
modèle de Kooijman (2000). allouée à reproduction, taux poids total de l’organisme.
Comparaison inter-spécifiques. d’ingestion. Limitation Pas d’amaigrissement
importante par la nourriture, en possible.
particulier pour les espèces de
grande taille.

Les modèles de Scholten et Smaal (1998) ont, par la suite, été développés afin d’examiner la réponse
écophysiologique des moules à différents régimes nutritifs inorganiques (Scholten et Smaal, 1998;
Scholten et Smaal, 1999). Pour cela, des simplifications ont été réalisées. Le nombre de compartiments
a été réduit de 5 à 4 avec la suppression du compartiment sanguin. La complexité du mécanisme
reproductif a été réduite, en enlevant le mécanisme de réabsorption des gamètes et le lien entre la
respiration et la ponte. Le nombre de paramètres d’entrée a été réduit de 39 à 30. Le modèle en
résultant prédit adéquatement la croissance sous différents régimes de nutriments inorganiques, bien
qu’à certaines fréquences (valeur minimales et maximales des simulations) il y ait de fortes

155
incertitudes. Le modèle apparaît aussi inadéquat sous conditions nutritives faibles, même si un
mécanisme spécifique a été inclus pour adapter le modèle à ces conditions.
Les modèles de Scholten et Smaal (1998, 1999) ont pour intention d’intégrer les connaissances
acquises, mais cette approche d’inclure toute l’information écophysiologique disponible de la moule a
pour conséquence d’en faire un modèle complexe. Les auteurs ont reconnu le problème identifié par
Beck (1987) d’un modèle compréhensif qui fait des prédictions correctes avec faible précision,
comparé à un modèle simple avec des prédictions incorrectes mais une forte précision (Beck, 1987).
Les avantages de modèles plus simples ont été investis par Kooijman (1986), Ross et Nisbet (1990),
van Haren et Kooijman (1993) et Grant et Bacher (1998).
Dans le modèle de Kooijman (1986), l’utilisation de la nourriture assimilée se fait via un
compartiment de stockage qui est supposé être en pseudo-équilibre avec le sang (Kooijman, 1986a).
Une conséquence à cette hypothèse est qu’après un temps suffisant de nourriture constante, le
stockage est proportionnel à la fonction nutritionnelle et au poids. La maintenance se fait au dépens de
la croissance, montrant une compétition naturelle des mêmes cellules somatiques pour l’utilisation de
l’énergie. Quand la croissance cesse, la reproduction est partiellement sacrifiée pour répondre à la
demande métabolique. La mort de l’organisme se présente quand le taux d’utilisation d’énergie G est
insuffisant pour la maintenance. Kooijman dérive sa fonction d’utilisation en supposant que la
croissance à nourriture constante peut être décrite par une loi de croissance von Bertalanffy. Le
modèle, sous sa forme originelle, a été testé sur des données Mytilus (Ross, 1989) et semble peu
satisfaisant pour deux raisons: il ne prend pas compte de l’effet concentration du seston et est
incapable de produire des courbes de croissance sigmoïdales. Cependant, il est possible de développer
une forme modifiée de ce modèle de Kooijman applicable à Mytilus, avec une nouvelle fonction
d’utilisation et des hypothèses d’assimilation et de maintenance.
Ross et Nisbet (1990) ont développé deux modèles de moules, dont un avec une version légèrement
modifié du modèle développé par Kooijman (1986) et l’autre avec une version nouvelle (Kooijman,
1986a; Ross et Nisbet, 1990). Les deux modèles différent dans le partitionnement de l’énergie entre la
croissance, la reproduction et la maintenance. Dans le modèle de Kooijman modifié, l’énergie
assimilée par les moules part directement dans le compartiment de stockage et est ensuite partagée
entre la reproduction et la croissance, la maintenance étant une dépense directe de la croissance
(Figure 5.2). Comme alternative au modèle de Kooijman, un nouveau modèle d’allocation d’énergie a
été développé dans lequel les hypothèses ont été basées sur des données et des observations
qualitatives spécifiques à Mytilus edulis. Le nouveau modèle diffère sur le fait que la maintenance est
prise directement de l’énergie assimilée avec un surplus d’énergie issu du stockage quand l’énergie
assimilée est insuffisante. L’énergie restante, en terme de production, est ensuite divisée entre la
croissance, les frais généraux et le stockage. L’allocation de reproduction est issue du stockage mais
seulement quand ce dernier a atteint un niveau prédéterminé. Les deux modèles prédisent la croissance
à un niveau acceptable sur trois sites test, malgré la simplification de l’écophysiologie de la moule au

156
niveau de l’efficacité d’assimilation constante et de la non sélection des particules nutritives. Aucun
des deux modèles n’est capable de prédire la reproduction totale observée sur le site où ils ont été
calibrés et ne prédit la date de déclenchement de la ponte observée. Celle-ci est liée au poids de tissus.
Elle est acceptée comme un point faible des modèles.
Maintenance
α.Wc

k.P
Stockage Reproduction
Entrée S-Sc Sc We

A P
Biovolume
(1-k).P Wc

Figure 5.2: Schéma conceptuel du modèle DEB de Ross et Nisbet (Ross et Nisbet, 1990; Lika et
Nisbet, 2000). Représentation schématique des flux d’énergie dans les compartiments corporels
de l’individu.

Les modèles de Ross et Nisbet (1990) ont pour principale conclusion que la dynamique du seston et de
la nourriture sont la clé de la croissance et de la reproduction. Ils ont identifié l’interaction entre la
nutrition et la concentration de nourriture (seston) comme un point précis nécessitant davantage de
perfectionnement.
Van Haren et Kooijman (1993) combinent un modèle pour représenter la croissance et la reproduction
de la moule en modifiant un modèle appliqué à d’autres espèces (Figure 5.3) (van Haren et Kooijman,
1993). La relation entre la concentration seston / nutrition a été simplifiée en supposant la rétention
complète de la matière organique particulaire (POM) et aucune perte de matériel par les pseudofécés.
Cette hypothèse a le potentiel de surestimer le niveau de matière organique assimilé par la moule et
donc sa croissance.

Entrées C k.C
Stockage Biovolume Maintenance
A E BV

Reproduction Maintenance stade mature

(1-k).C R

Figure 5.3: Schéma conceptuel du modèle DEB de van Haren et Kooijman (1993).
Représentation schématique des flux d’énergie dans les compartiments corporels de l’individu
(van Haren et Kooijman, 1993; van Haren et al., 1994).

157
D’autres modèles démontrant des simplifications dans les fonctions physiologiques sont ceux de Grant
et Bacher (1998) qui ont développé deux modèles (Figure 5.4): un modèle statistique et un modèle
bioénergétique mécanistique, pour comparer les prédictions en terme de taux de croissance (Grant et
Bacher, 1998).

A. Tissue weight

Total Absorption Total Respiration

Standard
Phy to Absorp Respiration
POC Absorp
AE POC

AEP
Phy to Ingestion Ingestion POC Ingestion Activ e Respiration
f actor
Phy toplankton
POC
Rejection %

C:Chl POM detrital

Phy to Enhancement

TPM

Filtration

B. Tissue weight

Absorption Total Respiration

Standard
Ingestion
Respiration

POC Activ e Respiration

POM total
f actor

Figure 5.4: Schéma conceptuel des deux modèles développés (Grant et Bacher, 1998): A. Modèle
bioénergétique mécanistique utilisé pour prédire la croissance de la moule, incluant deux types
d’alimentation (phytoplancton et matière organique particulaire détritique POM convertie en
carbone organique particulaire POC) et une description complète des processus de nutrition. B.
Modèle bioénergétique statistique, incluant une source de nourriture simple (total POM exprimé
en POC) et une voie simplifiée de nutrition impliquant seulement l’ingestion nette et
l’absorption.

158
 Dans le modèle statistique, le taux d’ingestion est lié à une composante simple de nourriture (POM)
convertie en COP. Le taux d’absorption est ensuite calculé en utilisant une efficacité d’absorption
constante. Le modèle statistique est sans succès pour prédire la croissance sur les sites à turbidité
élevée et est très sensible à l’efficacité d’absorption. Le modèle mécanistique, plus simple que celui de
Scholten et Smaal (1998) est plus complexe et performant que le modèle statistique. Deux
composantes nutritives sont utilisées, le phytoplancton et le COP détritique. Les taux de filtration et
d’ingestion sont liés à la turbidité et à la disponibilité des types nutritifs. Cependant, le modèle est
sensible à l’efficacité d’absorption à deux valeurs fixes pour chacune des deux sources nutritives. Il est
spécifiquement développé avec une insistance sur la nutrition, et pour cette raison n’inclue pas la
reproduction. La croissance est seulement prédite pour les moules juvéniles, ce qui signifie que
l’application du modèle à des moules « commerciables » est limitée du fait de la présence de gonades.
Les termes de respiration sont identiques entre les deux modèles pour faciliter la comparaison des
comportements de nutrition.

Tableau 5.2: Variables sélectionnées inclues dans les modèles DEB de moule (Beadman et al.,
2002).
Ross Grant van Haren Dowd Campbell Grant Grant Scholten Scholten Kooijman Cardoso
et et al. et 1997 et Newell et et et et 2000 et al.
Nisbet 1993 Kooijman 1998 Bacher Bacher Smaal Smaal 20001 2001
1990 1993 1998a 1998b 1998 1999
Caract. physiques
Température X X X X X X X X
Profondeur eau X
Flux eau X X X
Particules de l’eau
TPM X X X X X X X X X
POM X X
POC X X X X X
PON X X
Phytoplanction X X X X X X X X
Param. Physiol.
Efficac. sélection X X X X X
Taux ingestion X X X X X X X X X X
Efficac. absorption X X X X X X X X X X X
Prod. pseudofécés X X X X X X X X
Respiration X X X X X X X X X X X
Resp. active/ basale X X X X X X
Partition. Energie
Soma X X X X X X X X X X X
Réserves X X X X
Coquille X X X X X
Reproduction X X X X X X
Autres
Prédation X X
Mortalité X X X
Densité moules X X X
a modèle statistique, b modèle mécanistique.
TPM: matière particulaire totale, POM: matière organique particulaire, COP: carbone organique particulaire,
NOP: azote organique particulaire.

159
1.3.2 Choix d’un modèle de croissance: schéma conceptuel
Dans la même optique que van Haren et Kooijman (Kooijman, 1993; van Haren et Kooijman, 1993),
différentes équipes travaillent sur l’application d’un modèle générique sur différentes espèces (van
Haren et Kooijman, 1993; Nisbet et al., 2000; Cardoso et al., 2001; Ren et Ross, 2001; van der Veer et
al., 2001; van der Veer et al., 2003). C’est ce modèle de croissance qui a été sélectionné dans cette
étude, de par la considération des principaux processus physiologiques, de l’impact de
l’environnement mais aussi de ses propriétés de généricité et des possibilités de l’adapter et de le
coupler à d’autres problématiques telle que la bioaccumulation.
Le concept de base a été largement décrit par Kooijman (Kooijman, 2000; Kooijman, 2001). Ce
modèle de croissance décrit, selon la théorie des modèles DEB (modèles de budget énergétique
dynamique), les flux d’énergie à travers un animal durant sa durée de vie, à des densités nutritives et
des températures différentes. Trois compartiments sont distingués: la composante structurale du corps,
les réserves de stockage d’énergie et la composante reproductive. L’homéostasie pour chaque
compartiment est assumée, c’est à dire la capacité de garder la composition chimique constante malgré
le changement de composition dans l’environnement. Cependant, la contribution de ces trois fractions
change avec le temps. L’organisme peut alors être représenté sous la forme suivante (Figure 5.5).

Nourriture

A Soma
p
p S
a
n Réserves énergie
D
i g
g
Comp. reproductif

Faeces Maintenance Descendance

Figure 5.5: Représentation schématique des différents compartiments corporels de l’individu,

d’après (van Haren et al., 1994).
La capture de nourriture suit une réponse fonctionnelle de type II selon Holling (1959) ; ce qui signifie
que le taux dépend hyperboliquement de la densité de nourriture. L’entrée d’énergie, proportionnelle à
la surface de l’organisme, se fait lors de la nutrition et part directement dans le compartiment des
réserves, convertie avec une efficacité constante. La variation de l’énergie des réserves dépend donc
de l’apport d’énergie via la nourriture et de sa sortie via la croissance et la reproduction. C’est du
compartiment des réserves que se fait ensuite l’allocation d’énergie aux deux autres compartiments
pour assurer les processus de croissance, de maintenance et de reproduction. Conceptuellement, les
transferts énergétiques peuvent être représentés schématiquement selon la figure 5.6 suivante.

160
Entrées C kC
Stockage Som a Maintenance
A E BV

Reproduction Maintenance stade m ature

(1-k) C R

Figure 5.6: Représentation schématique des flux d’énergie dans les compartiments corporels de
l’individu, d’après (van Haren et al., 1994).

L’énergie stockée est utilisée à partir de ces réserves et alloué à la croissance, la maintenance et la
reproduction. Une fraction fixe de l’énergie (k) est allouée à la maintenance du soma et à la
croissance ; le reste (1-k) est allouée à la maintenance de la maturation, au développement et à la
reproduction. La maintenance a la priorité sur la croissance, celle-ci cessant quand la densité nutritive
est trop faible. Les coûts énergétiques pour la maintenance sont proportionnels à la quantité
structurale. A densité nutritive constante, les réserves d’énergie sont proportionnelles au compartiment
de structure. Par conséquent, la croissance du soma est donnée par la différence pondérale entre l’aire
de surface et le volume. Le flux d’énergie, attribué au développement des embryons et des juvéniles,
est alloué à la reproduction chez les adultes. Cette énergie est stockée temporairement dans un
« compartiment tampon » qui est vidé lors de la reproduction (Figure 5.7).

1 2
Nourriture Estomac Fèces

3
4
Sang Réserves
5

6
k 1-k

7 8 9 10

Soma Maintenance Maintenance Maturité

soma maturité
11
Stockage Ponte
reproductif

Figure 5.7: Autre type de schéma conceptuel avec répartition énergie (van Haren, 1995;
Kooijman, 2000; van der Veer et al., 2001). Taux: 1. Ingestion (capture), 2. défécation, 3.
assimilation, 4. mobilisation d’énergie dans les réserves, 6. utilisation, 7. croissance, 8.
maintenance, 9. maintenance maturité, 10. maturation, 11. reproduction. Les ovales encadrés
indiquent les sources ou puits, les rectangles indiquent les variables d’état.

161
 Ainsi, différents flux d’énergie sont distingués: le flux d’entrée de nourriture (taux assimilation, taux
utilisation), le flux de croissance, le flux de maintenance et le flux reproductif.

1.4 Simulations du modèle

Basées sur les hypothèses précédentes, cinq équations déterminent la nutrition, la croissance, la survie
et le comportement de reproduction (cf. Kooijman, 2000, p 120-123). Ces équations sont codées sous
MATLAB. Les différentes variables et paramètres sont listés dans le tableau ci dessous (Tableau 5.3).
Les notations et symboles de ce rapport suivent ceux de Kooijman et les principales règles sont
appliquées:
- Les variables sont indiquées par des symboles et des sous-symboles apparentés au grade supérieur.
- Les quantités peuvent être exprimées par unité de volume avec des crochets [ ], par unités de
surface avec des parenthèses ( ) et par unité de masses avec des angles < >.
- Les taux pointés indiquent la dimension par unité de temps. En principe, les paramètres sont
exprimés en unité internationale. Pour prévenir les confusions, les unités les plus fréquemment
utilisés sont données.

Tableau 5.3: Variables et paramètres utilisés dans le modèle DEB, avec unités et signification.
Symboles Dimensions Signification
Variables d’état
t Temps Temps
E Energie Energie du compartiment de réserves
V Longueur3 Volume de structure
R Energie Energie du compartiment reproductif

Variables
environnementales
T Kelvin Température
X Poids.Longueur-3 Densité nourriture

Variables de sortie
W Poids Poids total de chair de l’organisme
TL Longueur Longueur coquille

Paramètres Iaires
Vp Longueur3 Volume à l’état reproductif initial
(PXm) Energie.Longueur-2.Temps-1 Taux ingestion maximum surface-spécifique
(PAm) Energie.Longueur-2.Temps-1 Taux assimilation maximum surface-spécifique
[Em] Energie.Longueur-3 Densité de stockage maximum
[Pm] Energie.Longueur-3.Temps-1 Coût de maintenance volume-spécifique par unité de temps
[EG] Energie.Longueur-3 Coût croissance volume-spécifique
k Fraction de l’énergie utilisé, dépensée pour maintenance et croissance
δm Coefficient Shape

Paramètres IIaires
TA Kelvin Température d’Arrhenius
T0 Kelvin Température de référence
fnut Fonction nutritionnelle
XK Poids.Longueur-3 Coefficient de saturation
tponte Temps Date de ponte

162
 Arrhenius temp
Eg Str ucture

Temps correction volume

Actual temp

Temps correction

Body growth

starvation

Vol costs maintenance

Energy content Tot wet weight

Flow to growth
Main
Str ucture Kappa
Flow to main
volume
E divided by V
assimilation rate

Str ucture
volume
Energy storage utilisation rate

Structure Flow to mat main

Mat main
volume
max surf ass rate

Em Eg
Season Vp
functional response Kappa

max surf ing rate

Flow to mat and rep

loss due to digestion

Mat and Rep
food density

saturation coefficient Temps correction

Flow to mat and rep

Flow to growth

Reprod rate spawning

Annual reprod
Flow to main

test use utilisation

Egg costs
Flow to mat and rep k wet Gonads

Flow to mat main TL Tot wet weight J per egg

Eggs

Shape Reserves Str ucture Gonads wet weight Eggs per g wet weight
Wet weight
volume

Body volume

163
2 Paramètrisation des processus physiologiques
2.1 Relation volume/longueur: Shape
Le coefficient Shape d’un individu détermine la relation spécifique entre la mesure de la longueur et
du volume. Ainsi, le volume individuel (Vw, m3) peut être calculé à partir du poids humide selon la
formule:

Ww = d wVw

Où dw est la masse volumique (densité spécifique: kg.m-3). Pour les espèces marines vivant dans un
milieu de salinité 34, elle est de 1025 kg.m-3 à 5°C (Lalli et Parsons, 1993). A plus hautes températures
et plus basses salinités, cette valeur approche de 1000 kg.m-3. C’est pour cette raison que dans tous les
calculs, une valeur de 1000 kg.m-3 a été prise. Il est ainsi supposé que la densité spécifique de la
structure, des réserves et de la masse reproductive est proche de 1.
Du fait de la structure de l’organisme en soma, réserves et stockage reproductif, la mesure de la taille
en liaison avec la quantité de structure est dépendante de la biologie de l’organisme. Ainsi, pour
l’interprétation de la relation quantité de structure/taille, deux conditions sont essentielles. La structure
du compartiment reproductif est supposée faible. Donc, la longueur est quantifiée par le compartiment
de structure et le compartiment des réserves. De plus, du fait du changement de la forme de
l’organisme durant sa croissance, la surface est supposée proportionnelle à la longueur au carré. Une
mesure appropriée de la longueur (TL) peut être alors convertie en volume par multiplication de celle
ci par le coefficient Shape (Volume1/3.Longueur-1) et en élevant le tout à la puissance trois. Ce
coefficient Shape est propre à l’espèce et dépend de la façon dont est mesurée la longueur. Le
coefficient Shape sera donc:

Vc = (δ mTL )
3

Où tous les volumes sont exprimés en poids humide total moins la masse des gonades, qui n’est pas
considérée dans cette relation avec la taille, contrairement à la masse du corps structurel ou aux
réserves. Dans la littérature, différentes valeurs de Shape ont été trouvées concernant Mytilus edulis et
non Mytilus galloprovincialis, valeurs résumées dans le tableau 5.4:

Tableau 5.4: Tableau récapitulatif des valeurs du coefficients Shape trouvées dans la littérature.
Espèces Coefficient Shape Remarques Références
Mytilus edulis 0,333 (Pieters et al., 1979)
0,333 (Borchardt, 1985)
0,333 (van Haren et Kooijman, 1993)
0,394 Volume intra-coquillière (Kooijman, 1988)
0,285 (Cardoso et al., 2001)

164
 2.2 Effet de la température
Au delà d’un effet spécifique à l’espèce, la température a un effet sur les taux physiologiques. Dans les
modèles DEB, la description proposée par Arrhenius (1889), basée sur l’équation de Van’t Hoff a été
proposée pour décrire ses effets. Ainsi, la relation d’Arrhenius, utilisant des températures absolues (en
Kelvin) est la suivante:

. . ⎡T T ⎤
k (T ) = k (T1 ) ⋅ ⎢ A − A ⎥
⎣ T1 T ⎦

Où k et k1 sont les taux physiologiques k à température (T ou T1), T la température ambiante (K), T1 la

température de référence choisie (K) qui est dans ce manuscrit de 283 K (=10°C) et TA est le
coefficient spécifique à l’espèce appelé température d’Arrhenius (K). Ainsi, la relation entre ln (k) et
T-1 est linéaire avec une pente égale à la valeur de TA. La température d’Arrhenius peut être comparée
au conventionnel Q10, selon la relation suivante:

1 TA
ln Q10 =
10 T1 (T1 − 10 )

Il existe une certaine variabilité de ces paramètres selon les espèces mais aussi selon les différentes
estimations (Widdows et Bayne, 1971; Widdows, 1973a; Widdows, 1973b; Sprung, 1984; Nielsen,
1988) (Tableau 5.5).

Tableau 5.5: Température Arrhenius moyenne (Kelvin) pour Mytilus edulis, trouvée dans la
littérature.
Espèce TA (K) Particularités Travaux de: Références
Mytilus edulis 7579 Croissance larvale (Sprung, 1984) (van Haren et Kooijman, 1993)
7600 Croissance adulte (Sprung, 1984) (van Haren et Kooijman, 1993)
8460 Croissance larvale (Sprung, 1984) (Kooijman, 2000)
7164 Croissance juvénile (Nielsen, 1988) (Cardoso et al., 2001)
3032 Consommation oxygène (Widdows, 1973a) (Cardoso et al., 2001)
3988 Idem (Widdows et Bayne, 1971) (Cardoso et al., 2001)
3602 Idem (Widdows, 1973b) (Cardoso et al., 2001)
2901 Taux filtration (Widdows et Bayne, 1971) (Cardoso et al., 2001)
7740 Croissance larvale (Sprung, 1984) (Cardoso et al., 2001)

Basé sur les taux de croissance, van Haren & Kooijman (1993) estime une TA de 7600K pour Mytilus,
ce qui fait un Q10 de 2,67. C’est cette valeur que nous utilisons dans le modèle.

165
2.3 Nutrition
La théorie des DEB suppose que la capture de nourriture est proportionnelle à la surface de
l’organisme, puis convertie en réserves avec une efficacité constante. Le taux d’ingestion maximum
spécifique à la surface (Pxm) à la température de référence de 283 K (10°C) peut alors être utilisé pour
le calcul du taux d’ingestion à différentes températures (T, °c) et volume selon la formule suivante:

.
⎧. ⎫ ⎛T TA ⎞
P X = ⎨ P Xm ⎬ fnut ⋅ V 2 / 3 exp⎜ A − ⎟
⎩ ⎭ ⎝ 283 273 + T ⎠
Où Px est le taux d’ingestion (W.d-1), fnut une fonction de densité nutritive qui approche de 1 sous
conditions de nourriture en excès, et V le volume (m3).
Seulement une part de l’énergie ingérée est assimilée. Le taux d’assimilation surface spécifique fait
allusion à l’énergie « assimilée » qui est définie comme l’entrée d’énergie libre moins toutes les pertes
en lien avec la digestion et les fèces. Ainsi, de la même façon, les formules de (PAm) (W.m-2) et de PA
(W.d-1) sont:

⎧. ⎫ ⎧. ⎫
⎨ P Am ⎬ = (1 − Loss _ due _ to _ dig )⎨ P Xm ⎬
⎩ ⎭ ⎩ ⎭
.
⎧. ⎫
P A = ⎨ P Am ⎬ fnut ⋅ V 2 / 3
⎩ ⎭

Le taux d’assimilation maximum surface spécifique (PAm) dépend du type de nourriture. Van Haren &
Kooijman (1993) ont trouvé un rapport entre le taux d’assimilation et le taux d’ingestion de 0,56
(Tableau 5.6). L’efficacité d’assimilation de la nourriture dans l’intestin dépend de la densité nutritive
(Bayne, 1976) ou du taux d’ingestion (Borchardt, 1985). Les taux d’assimilation sont obtenus en
multipliant le taux d’ingestion par les efficacité d’assimilation (van Haren et Kooijman, 1993).

Tableau 5.6: Valeurs du paramètre (Pxm) du modèle DEB trouvées dans la bibliographie.
Espèces Paramètres Valeurs Particularités Références
Mytilus edulis (Pxm), Taux 72 mg POM.jour-1 Valeurs à 15°C (van Haren et Kooijman, 1993)
d’ingestion = 150 J.cm-2.jour-1
maximum surface 60 mg POM.jour-1 Valeurs à 15°C (van Haren et al., 1994)
spécifique = 125 J.cm-2.jour-1
21 J.h-1.g-1 Valeurs à 10°C (Kooijman, 2000)
= 180 J.cm-2. jour-1

La fonction nutritionnelle, fnut, a un impact primordial dans cette acquisition d’énergie au niveau des
taux d’ingestion et d’assimilation. Ainsi, cette fonction nutritionnelle varie de 0 à 1, dépendant de la
densité de nourriture X, selon la formulation:

1
fnut =
X
1+ K
X

166
Où XK désigne le coefficient de saturation ou constante de Michaelis-Menten, i.e. la densité pour
laquelle l’entrée de nourriture est à la moitié de sa valeur maximale.

2.4 Paramètres de maintenance

Selon la théorie des DEB, les coûts énergétiques pour la maintenance sont proportionnels à la
structure. Ainsi, le coût de la maintenance volume spécifique par unité de temps [PM] peut être déduit
à partir des pertes d’énergie et de masse durant la période de privation, quand la croissance cesse
(Tableau 5.7) En effet, l’énergie dépensée est alors proportionnelle à la maintenance et au stockage
reproductif.

Tableau 5.7: Valeur du paramètre [PM] du modèle DEB trouvée dans la bibliographie.
Espèces Paramètre Valeurs Particularités Références
Mytilus edulis [PM], coût de maintenance volume 20,8 J.cm-3.jour-1 Valeur à 10°C (Kooijman, 2000)
spécifique par unité de temps

2.5 Paramètres intervenant dans la croissance et la reproduction

Avec le respect des processus de croissance et de reproduction, trois paramètres sont importants:
- la densité de stockage maximale,
- le coût de la croissance volume-spécifique,
- la fraction d’énergie utilisée pour la maintenance et la croissance, la proportion restante étant
utilisée pour la maintenance reproductive et le développement ou la reproduction.
L’estimation de la densité de stockage maximale [Em] peut être obtenue lors d’une période de ponte
contractée pendant laquelle la reproduction est supportée à partir des réserves d’énergie, sans nutrition.
Ainsi, la densité d’énergie est maximale en début de période de ponte et proche de zéro à la fin.
La valeur de la fraction k allouée à la croissance et à la maintenance marque des différences
régionales, comme cela est visible dans le tableau 5.8. Ceci peut être expliqué par un contrôle
génétique de la fécondité, comme montré dans de nombreuses études (Bayne et Worral, 1980;
Rodhouse et al., 1986).

Tableau 5.8: Valeurs des paramètres [Em], [Em] et k du modèle DEB trouvées dans la
bibliographie.
Espèces Paramètres Valeurs Particularités Références
Mytilus edulis [Em], densité 6,5 kJ.cm-3 (Kooijman, 2000)
stockage maximum
Mytilus edulis [EG], coût 6,38 kJ.cm-3 (Kooijman, 2000)
croissance volume
spécifique
Mytilus edulis k, fraction 0,94 (SD=0,0067) Grande Bretagne (Bayne et Worral, 1980)
d’énergie allouée 0,99 (SD=0,0095) Grande Bretagne (Bayne et Worral, 1980)
pour la 0,71 (SD=0,05) Stony Brook Harbour (Rodhouse et al., 1986)
maintenance et la 0,65 Application modèle DEB (van Haren et Kooijman, 1993)
croissance 0,65 Application modèle DEB (Cardoso et al., 2001)

167
 2.6 Récapitulatif des différents paramètres du modèle de croissance
Au vu des articles lus concernant les modèles DEB et leurs applications, les valeurs des paramètres
utilisés sont les suivantes dans le modèle réalisé (Tableau 5.9).

Tableau 5.9: Variables et paramètres utilisés dans le modèle DEB, avec signification, valeurs et
unités.
Symboles Signification Valeurs Unités
Variables d’état
E Energie du compartiment de réserves J
V Volume de structure cm3
R Energie du compartiment reproductif J

Variables environnementales
T Température de l’eau Données Kelvin
X Densité nourriture Données

Variables de sortie
W Poids total de chair de l’organisme Données g ou cm3
TL Longueur de coquille Données cm

Paramètres Iaires
Vp Volume à l’état reproductif initial 0,28 cm3
(PXm) Taux ingestion maximum surface-spécifique 180 J.cm-2.jour-1
(PAm) Taux assimilation maximum surface-spécifique calculée J.cm-2.jour-1
Loss_due_dig Perte due à la digestion 80 %
[Em] Densité de stockage maximum 6500 J.cm-3
[Pm] Coût de maintenance volume-spécifique 20,8 J.cm-3.jour-1
[EG] Coût de la croissance volume-spécifique 6380 J.cm-3
k Fraction de l’énergie pour maintenance et croissance 0,65
Shape ou δm Coefficient shape à estimer

Paramètres IIaires
TA Température d’Arrhenius 7600 Kelvin
T0 Température de référence 283 Kelvin
fnut Fonction nutritionnelle à estimer
XK Coefficient de saturation à estimer µg.L-1
tponte Date de ponte à estimer jours juliens

Paramètres conversion
ds Masse volumique: densité spécifique 1 g.cm-3
Egg_costs Coût de la ponte, par rapport à l’énergie accumulée dans 10 %
compartiment reproductif
J_per_g_per_wet_weight Conversion des J en g de poids humide 300 J.cm-3

168
2.7 Etude biologique et mathématique des différentes équations différentielles

- Compréhension du taux d’utilisation

La capture de nourriture suit une réponse fonctionnelle de type II selon Holling (1959) ; ce qui signifie
que le taux dépend hyperboliquement de la densité de nourriture. L’entrée d’énergie, proportionnelle à
la surface de l’organisme, se fait lors de la nutrition et part directement dans le compartiment des
réserves, convertie avec une efficacité constante. La variation de l’énergie des réserves dépend donc
de l’apport d’énergie via la nourriture et de sa sortie via la croissance et la reproduction. C’est du
compartiment des réserves via le taux d’utilisation que se fait ensuite l’allocation d’énergie aux deux
autres compartiments pour assurer les processus de croissance et de maintenance somatique (k) et de
reproduction et de maintenance reproductive (1-k). Conceptuellement, les transferts énergétiques
peuvent être représentés schématiquement selon la figure 5.8:

Soma
T° T°
3 6 k Maintenance somatique
Réserves
Energie Maintenance maturation
1-k Compartimt
Ponte
3 Assimilation A Reproductif
6 Utilisation C

Figure 5.8: Schéma conceptuel de l’allocation d’énergie entre les trois compartiments de
l’organisme.

Par définition, la densité d’énergie est:

Réserves _ Energie
, [E ] =
E
Densité _ Energie =
Volume _ Structure V

Alors que le taux d’assimilation (A) représente le taux d’entrée d’énergie, le taux d’utilisation (C) est
le taux de sortie d’énergie du compartiment des réserves. De plus, [E] reste constant lorsque les
conditions nutritives du milieu sont constantes.
dE
= A−C (1)
dt
De plus, il est supposé que [E] suive une équation différentielle du premier degré du type:
d [E ] A
= − α [E ] (2)
dt V

169
Cas particulier: Lorsque la situation considère [E] en équilibre avec la densité maximale de nourriture,
la fonction nutritionnelle est maximale (égale à 1) et le taux d’assimilation optimal:
fnut = 1
A = Max _ Ass _ rate = {PAM }⋅ V 2 / 3

A partir de là, le paramètre α peut être dérivé à partir de l’équation (2) égale à zéro et en remplaçant
[E]=[Em]. Ceci donne alors:

{PAM }⋅ V 2 / 3 = α [E m ]
d[ E ] ⎛
= {PAM }⋅ V −1 / 3 ⋅ ⎜⎜ f −
[E ] ⎞⎟
dt ⎝ [E m ] ⎟⎠

- Compréhension de l’équation de croissance somatique

Une fraction fixe (k) de l’énergie utilisée est allouée à la croissance et à la maintenance somatique. De
ce fait, en remplaçant dans C:

κC = [EG ] ⋅ + [PM ] ⋅ V
dV
dt
κC = Croissance + Maintenance

Avec
[EG]: énergie nécessaire pour la croissance, coût de croissance par unité de volume ;
[PM]: coût de maintenance par unité de volume.
Ainsi, l’équation précédente devient:

⎡ {PAM } 2 / 3 dV ⎤
C = [E ] ⋅ ⎢ V − ⎥
⎣ [E m ] dt ⎦

κ [E ]
{PAM }V 2 / 3 − [P ] ⋅ V
dV
=
[Em ]
M

dt κ [E ] + [EG ]

170
En remplaçant dans C:

⎡ {PAM } 2 / 3 dV ⎤
C = [E ] ⋅ ⎢ V − ⎥
⎣ [E m ] dt ⎦

[E ] dV = [E ] {PAM }V 2 / 3 − [EG ] dV − [PM ]V

dt [E m ] κ dt κ
⎛ [E ] ⎞ dV = [E ] {PAM }V 2 / 3 − [PM ]V
⎜ [E ] + G ⎟
⎝ κ ⎠ dt [E m ] κ

(κ [E ] + [EG ]) dV = κ [E ] {PAM }V 2 / 3 − [PM ] ⋅ V

dt [E m ]
κ [E ]
{PAM }V 2 / 3 − [P ] ⋅ V
dV
=
[E m ] M

dt κ [E ] + [EG ]

Sous conditions nutritives constantes:

fnut =
[E ]
[E m ]
dV κ ⋅ fnut ⋅ {PAM }V 2 / 3−[PM ] ⋅ V
=
dt κ . fnut.[E m ] + [EG ]

; [E ] = cst = = fnut ⋅ [E m ]
E E
V =
fnut ⋅ [E m ] V

171
- Effet des périodes de privation
La densité d’énergie change avec le temps:

d [E ] A
= − α [E ]
dt V
α=
{PAM }V −1 / 3 = νV −1 / 3 ⋅
[E m ]

En période de privation, l’assimilation est nulle.

A
=0
V
d [E ]
= −ν ⋅ V −1 / 3 [E ]
dt
dx
L’équation est simple, du premier ordre, du type: = ax
dt
at
La solution en est: x = x0 e

[E ] = [E0 ] ⋅ e −ν ⋅V t
−1 / 3

d [E ] d [E ]
C = A −V
dt
− [E ]
dV
dt
= −V
dt
(
= −V − ν ⋅ V −1 / 3 [E 0 ]e −ν ⋅V
−1 / 3. t
)
C = ν ⋅ [E 0 ] ⋅ V 2 / 3 e −ν ⋅V
−1 / 3. t

Ainsi, quand les conditions trophiques sont faibles, la priorité est accordée à la maintenance.

- Compréhension de l’équation de reproduction et maintenance reproductive

⎡ [EG ] ⋅ {PAM } 2 / 3 ⎤
⎢ ⋅ V + [PM ] ⋅ V ⎥
C = pc = catabolic _ power = [E ] ⋅ ⎢
[E m ] ⎥
⎢ κ [E ] + [EG ] ⎥
⎢ ⎥
⎣ ⎦
g [E ]
pc = [
[E ] + g vV + κ M V
2/3
]
[E m ]
g=
[E ]
g

k ⋅ [E m ]
Les animaux débutent leur reproduction à partir d’un volume initial Vp. Quand V<Vp, seule la
maintenance liée à la maturation a lieu. De ce fait, Vp dépend du niveau nutritif.
Sous conditions nutritives constantes,

dV κ ⋅ fnut ⋅ {PAM }⋅ V 2 / 3 − [PM ] ⋅ V

= =0
dt k ⋅ fnut ⋅ [E M ] + E g [ ]
κ ⋅ fnut ⋅ {PAM }
= V∞1 / 3
[PM ]
172
Ainsi, la taille maximale atteinte par l’organisme dépend directement de la fonction nutritive fnut. Par
l’allocation d’énergie, une part (1-k) de l’énergie utilisée est attribuée pour la reproduction et/ou la
maintenance reproductive.

k ⋅ pc = E g [ ] dV
dt
+ [P ] ⋅ V
M

Au delà de la taille Vp, le flux de maturation est proportionnel au flux de croissance:

(1 − κ ) pc = 1 − κ [E g ] dV +
1−κ
[PM ] ⋅ V
κ dt κ
(1 − κ ) pc = reproduction + 1 − κ [PM ] ⋅ V p
κ
1−κ
κ
[E g ] dt sert à la reproduction.
dV

1−κ
[PM ] ⋅ V sert à maintenir ce qui est fabriqué.
κ
Ainsi, quand V > Vp, la maintenance reproductive est constante. Quand V < Vp, le flux d’énergie est
attribué au matériel reproductif.

2.8 Calcul du poids total de l’organisme

De l’évolution temporelle des trois variables d’état, à savoir, le poids du soma, le poids du
compartiment des réserves et le poids du compartiment reproductif, est déduit l’évolution du poids
individuel de l’organisme W (g).

ENERGIETotala = ENERGIE Soma + ENERGIE Réserves + ENERGIEGonades

VolumeTotal = VolumeSoma + Volumeréserves + VolumeGonades
PoidsTotal = Poids Soma + Poids Réserves + Poids Gonades
TL = fonction ⋅ (VolumeSoma + Volume Réserves ) = fonction ⋅ (V )
Trois types de volumes sont donc utilisés:
- le volume total (Vw) qui est issu de la somme du volume des trois compartiments. C’est le volume
physique, directement proportionnel au poids total de l’organisme par la masse volumique (densité
spécifique) égale à 1 ;
- le volume corporel (Vc) qui est issu de la somme du volume structurel et du volume des réserves,
et duquel est déduit la longueur de coquille par le coefficient Shape. Il est souvent appelé body
volume ;
- le volume structurel (V) ou volume du soma, qui est le plus souvent utilisé dans la capture de
nourriture, du fait qu’il est directement proportionnel au volume branchial. Ce volume est
dénommé structure volume.

173
A ce jour, aucun des trois modèles précédents n’a considéré l’impact du compartiment des réserves sur
le poids total de l’organisme. En effet, van Haren & Kooijman ainsi que van der Veer et al.
considèrent ce compartiment stable du fait de conditions trophiques optimales. Ainsi, celui ci ne
pouvant diminuer est intégré au compartiment de structure. De ce fait, la perte de poids de l’organisme
due à l’amaigrissement en période de faible condition trophique n’est pas considérée. Sur les suivis
réalisés dans cette étude, des périodes d’amaigrissement sont notées, avec en parallèle un effet
concentration du contaminant dans la chair. Par conséquent, l’impact du compartiment réserves doit
être intégré.

3 Simulations du modèle DEB sur les suivis de croissance

3.1 Définition des conditions initiales et des paramètres à estimer
La détermination des paramètres (ou calibration) est effectuée à partir des suivis de croissance réalisés
en parallèle aux suivis de bioaccumulation sur les deux sites contaminés de Bages et du Lazaret, puis
sur le site propre de Port-Cros (Tableau 5.10). Le suivi est considéré dans son intégralité de 9 mois
(6+3) et de 6 mois (3+3) selon la durée sur le site de contamination, totalisant ainsi quatre suivis. Les
valeurs environnementales sont issues des mesures réalisées sur le terrain: température de l’eau et
densité nutritive (expliquée plus précisément par la suite).

Tableau 5.10: Liste des conditions initiales et paramètres à estimer.

Symboles Signification Valeurs Unités
Conditions initiales
E0 Energie du compartiment de réserves à t0 à estimer J
V0 Energie du compartiment de structure à t0 calculé J
R0 Energie du compartiment reproductif à t0 calculé J
Variables environnementales
T Température de l’eau données Kelvin
X Densité nourriture données µg.L-1
Paramètres
δm Coefficient Shape à estimer s.u.
fnut Fonction nutritionnelle à estimer s.u
XK Coefficient de saturation à estimer µg.L-1
tponte Date de ponte à estimer jours juliens

Il est clair que le paramètre de l’instant de ponte est le plus simple à obtenir sur les deux sites. Il reste
réellement la fonction nutritive (fnut), le coefficient Shape et les conditions initiales de chaque
compartiment de l’organisme, qui ont une influence non négligeable sur l’évolution temporelle des
trois compartiments. C’est la condition initiale du compartiment de réserves qui est estimée, les deux
autres compartiments en étant déduits par l’intermédiaire du poids total de chair et de la longueur de
coquille. Chacune des optimisations a été réalisée par une fonction basée sur la méthode du simplex
(Nelder et Mead, 1965) appliquée au poids total de chair humide et/ou sec et à la longueur de coquille

174
mesurée. Cette fonction a donc recherché la valeur minimale au critère d’ajustement f, définissant la
somme des carrés des écarts pondérés entre les observations et les simulations.

2
⎛ Poids _ total _ calculé − Poids _ total _ observé ⎞
f1 = ∑ ⎜⎜ ⎟⎟
⎝ Poids _ total _ observé ⎠
2
⎛ Longueur _ coquille _ calculé − Longueur _ coquille _ observé ⎞
f 2 = ∑ ⎜⎜ ⎟⎟
⎝ Longueur _ coquille _ observé ⎠
f = f1+ f 2

Deux stratégies ont été utilisées pour paramétrer le modèle: la première considère la fonction nutritive
(fnut) comme un paramètre constant dépendant du site d’étude et d’une période donnée, la seconde
comme une fonction variable dans le temps. Ainsi l’optimisation se fait sur le paramètre XK
(coefficient de saturation), la densité nutritive étant les valeurs mesurées d’une des composantes
nutritives suivies (MES, COP, Chla, phéopigments). Les deux types de stratégie étant définies,
différents modèles sont alors testés, dans l’optique d’une simplification pour arriver à un modèle
unique, identique quelque soient les conditions trophiques.

3.2 Stratégie 1: fonction nutritive constante

Plusieurs modèles ont été définis dans cette stratégie qui considère la fonction nutritive comme un
paramètre constant. La paramétrisation porte donc sur fnut, E0 et Shape.
Le modèle au plus grand nombre de paramètres en comporte 19: soit pour chaque suivi et pour chaque
site, 5 paramètres (sauf suivi 3+3 Lazaret+Port-Cros). Il s’agit de fnut1, fnut2, fnut3, E0 et Shape. Trois
paramètres fnut ont été définis: le premier considère la période avant la ponte (fnut1) sur le premier
site de contamination, le second la période post-ponte (fnut2) sur ce même site et le troisième la
période sur le site de décontamination sur Port-Cros (fnut3). Le fnut1 n’est pas considéré sur le suivi
de 3+3 mois où la contamination est réalisée sur le Lazaret. En effet, la ponte a eu lieue avant la
transplantation. Les résultats suivants ont été obtenus (Tableau 5.11 et Figure 5.9):

Tableau 5.11: Valeurs des paramètres estimés (fnut1, fnut2, fnut3, Shape et E0) et du critère
d’ajustement total (f) sur les différents sites et suivis réalisés.
Modèle 1 f = 0,5913 fnut1 fnut2 fnut3 E0 Shape
Lazaret 6 mois 0,217 0 0,059 1,705 0,283
Lazaret 3 mois 0,341 0,008 0,936 0,248
Bages 6 mois 0,503 0,962 0 3,603 0,275
Bages 3 mois 0,538 0,854 0,065 2,125 0,268

175
 8

7
Poids chair humide (g)

L6+3
3 L3+3
B6+3
B3+3
2
Oct02 Jan03 Apr03 Jul03
7,5

7
Longueur coquille (cm)

6,5

L6+3
5,5 L3+3
B6+3
B3+3
5
Oct02 Jan03 Apr03 Jul03
Figure 5.9: Simulation du modèle de croissance, considérant la fonction nutritionnelle comme un
paramètre spécifique au site. Modèle 1 à 19 paramètres.: Poids de chair humide en grammes, et
longueur de coquille en cm. (Suivi 6+3 en trait plein et Suivi 3+3 en trait pointillé).

A partir de ce modèle à 19 paramètres, des simplifications sont réalisées selon la stratégie schématisée
ci après, dans l’optique d’arriver à un modèle plus simple et surtout applicable à des milieux
différents. Ainsi, les fonctions nutritionnelles et le paramètre Shape sont spécifiques au site, alors que
les conditions initiales E0 seront caractéristiques à la population (population 1 pour la première
transplantation (suivi 6+3) et population 2 pour la seconde transplantation (suivi 3+3)).

176
STRATEGIE 1
Modèle 1: 19 paramètres
Site Lazaret:
- Suivi 6+3mois: fnut1, fnut2, fnut3, E0, Shape
- Suivi 3+3mois: fnut2, fnut3, E0, Shape
Site Bages:
- Suivi 6+3mois: fnut1, fnut2, fnut3, E0, Shape
- Suivi 3+3mois: fnut1, fnut2, fnut3, E0, Shape

Modèle 2: 9 paramètres
fnutL1, fnutL2, fnutB1, fnutB2, fnutP
E0,suivi6mois, E0,suivi3mois
ShapeLazaret, ShapeBages

Modèle 3: 8 paramètres Modèle 4: 8 paramètres Modèle 5: 7 paramètres

fnutL1, fnutL2, fnutB1, fnutB2, fnutP fnutL1, fnutL2, fnutB1, fnutB2, fnutP fnutL,, fnutB, fnutP
E0, ShapeLazaret, ShapeBages E0,suivi6mois, E0,suivi3mois, Shape E0,suivi6mois, E0,suivi3mois, ShapeLazaret, ShapeBages

Modèle 6: 7 paramètres Modèle 7: 6 paramètres Modèle 8: 6 paramètres

fnutL1, fnutL2, fnutB1, fnutB2, fnutP fnutL, fnutB, fnutP fnutL, fnutB, fnutP
E0, Shape E0, ShapeLazaret, ShapeBages E0,suivi6mois, E0,suivi3mois, Shape

Modèle 9: 5 paramètres
177
fnutL, fnutB, fnutP, E0 , Shape
Les différentes optimisations ont donné les résultats suivants (Tableau 5.12):

Tableau 5.12: Valeurs des paramètres estimés (fnut, Shape et E0) et du critère d’ajustement total
(f) sur les différents sites et suivis réalisés, selon la stratégie de simplification (réduction du
nombre de paramètres) du modèle.

Modèle 2 fnutL1 fnutL2 fnutB1 fnutB2 fnutP E06 E03 ShapeLaz ShapeBag
f = 0,786 0,187 0,126 0,395 0,714 0,029 0,845 0,803 0,262 0,269

Modèle 3 fnutL1 fnutL2 fnutB1 fnutB2 fnutP E0 ShapeLaz ShapeBag

f = 0,801 0,104 0,041 0,297 0,657 0 0,17 0,260 0,267

Modèle 4 fnutL1 fnutL2 fnutB1 fnutB2 fnutP E06 E03 Shape

f = 0,786 0,117 0,029 0,369 0,743 0 0,69 0,730 0,267

Modèle 5 fnutLazaret fnutBages fnutP E06 E03 ShapeLaz ShapeBag

f = 0,952 0,204 0,504 0,047 1,086 1,032 0,263 0,274

Modèle 6 fnutL1 fnutL2 fnutB1 fnutB2 fnutP E0 Shape

f = 0,804 0,277 0,159 0,039 0,442 0,80 1,47 0,267

Modèle 7 fnutLazaret fnutBages fnutP E0 ShapeLaz ShapeBag

f = 1,178 0,024 0,165 0 0 0,256 0,282

Modèle 8 fnutLazaret fnutBages fnutP E06 E03 Shape

f = 1,037 0,0467 0,5137 0,0013 0,7183 0,6178 0,2685

Modèle 9 fnutLazaret fnutBages fnutP E0 Shape

-7
f = 1,281 0,0146 0,4188 0 5,52.10 0,2608

178
3.3 Stratégie 2: fonction nutritive variable
De la même façon que pour la stratégie précédente, plusieurs modèles ont été définis dans cette
stratégie qui considère la fonction nutritive comme une fonction variable dans le temps. L’estimation
du paramètre de saturation XK, intervenant dans le calcul de la fonction nutritive fnut a été réalisée en
testant les différentes composantes nutritives suivies (MES, COP, Chla, phéopigments) pouvant
intervenir dans la variable X de densité nutritive. Ainsi, cette fonction nutritionnelle varie de 0 à 1,
dépendant de la densité de nourriture X, selon la formulation:
1 X
fnut = =
X X + XK
1+
XK
Les meilleurs résultats ont été obtenus pour les concentrations en phéopigments dans le milieu
(exprimés en µg.L-1). Dans cette stratégie, le modèle au plus grand nombre de paramètres en comporte
12: soit 3 paramètres pour chaque suivi et pour chaque site. Il s’agit de: Xk, E0 et Shape. Les résultats
suivant ont été obtenus (Tableau 5.13 et Figure 5.10):

Tableau 5.13: Valeurs des paramètres estimés (fnut1, fnut2, fnut3, Shape et E0) et du critère
d’ajustement total (f) sur les différents sites et suivis réalisés.
Modèle 1 Xk E0 Shape
f = 0,7503
Lazaret 6 mois 34,21 0 0,256
Lazaret 3 mois 1,542 0,719 0,252
Bages 6 mois 4,176 2 0,272
Bages 3 mois 4,533 0,481 0,227

179
 8

7
Poids chair humide (g)

L6+3
3 L3+3
B6+3
B3+3
2
Oct02 Jan03 Apr03 Jul03
7
L6+3
L3+3
6,8 B6+3
B3+3
Longueur coquille (cm)

6,6

6,4

6,2

5,8

5,6
Oct02 Jan03 Apr03 Jul03
Figure 5.10: Simulation du modèle de croissance, considérant la fonction nutritionnelle comme
une variable dépendante de la concentration en phéopigments. Modèle 1 à 12 paramètres.: Poids
de chair humide en grammes, et longueur de coquille en cm. (Suivi 6+3 en trait plein et Suivi 3+3
en trait pointillé).

A partir de ce modèle à 12 paramètres, des simplifications sont réalisées selon la stratégie expliquée ci
après, dans l’optique d’arriver à un modèle plus simple et surtout applicable à des milieux différents.
Ainsi, les paramètres Xk et Shape sont spécifiques au site, alors que les conditions initiales E0 sont
caractéristiques à la population (suivi 6+3/3+3).

180
 Modèle 1: 12 paramètres
STRATEGIE 2 Site Lazaret:
- Suivi 6+3mois:Xk , E0, Shape
- Suivi 3+3mois:, E0, Shape
Site Bages:
- Suivi 6+3mois: Xk , E0, Shape
- Suivi 3+3mois: Xk , E0, Shape

Modèle 2: 6 paramètres
Xk,Lazaret , Xk, Bages
E0,suivi6mois, E0,suivi3mois
ShapeLazaret, ShapeBages

Modèle 5: 5 paramètres Modèle 4: 5 paramètres Modèle 3: 5 paramètres

Xk,Lazaret , Xk, Bages Xk,Lazaret , Xk, Bages Xk, E0,suivi6mois, E0,suivi3mois
E0, ShapeLazaret, ShapeBages E0,suivi6mois, E0,suivi3mois, Shape ShapeLazaret, ShapeBages

Modèle 8: 4 paramètres Modèle 7: 4 paramètres Modèle 6: 4 paramètres

Xk,Lazaret , Xk, Bages, E0 , Shape Xk, E0, ShapeLazaret, ShapeBages Xk, E0,suivi6mois, E0,suivi3mois , Shape

Modèle 9: 3 paramètres
Xk, E0, Shape 181
Les différentes optimisations ont donné les résultats suivants (Tableau 5.14):

Tableau 5.14: Valeurs des paramètres estimés (Xk, Shape et E0) et du critère d’ajustement total
(f) sur les différents sites et suivis réalisés, selon la stratégie de simplification (réduction du
nombre de paramètres) du modèle.

Modèle 2 Xk, Lazaret Xk, Bages E06 E03 ShapeLaz ShapeBag

f = 0,894 3,806 6,558 0,616 0,432 0,256 0,271

Modèle 3 Xk E06 E03 ShapeLaz ShapeBag

f = 0,901 6,541 0,575 0,410 0,259 0,271

Modèle 4 Xk, Lazaret Xk, Bages E06 E03 Shape

f = 0,969 7,302 4,860 1,044 1,1478 0,271

Modèle 5 Xk, Lazaret Xk, Bages E0 ShapeLaz ShapeBag

f = 0,901 6,875 6,669 0,663 0,262 0,273

Modèle 6 Xk E06 E03 Shape

f = 0,981 4,532 1,16 1,19 0,269

Modèle 7 Xk E0 ShapeLaz ShapeBag

f = 0,901 6,665 0,669 0,262 0,273

Modèle 8 Xk, Lazaret Xk, Bages E0 Shape

f = 0,974 6,072 4,648 1,109 0,270

Modèle 9 Xk E0 Shape
f = 0,981 4,505 1,166 0,269

182
4 Choix d’un modèle par stratégie: test de Fisher
4.1 Test des coefficients
Le test de stabilité est porté sur une partie des coefficients, c’est un cas particulier du test de Fisher
(Draper et Smith, 1998) utilisé en théorie dans les cas linéaires. Dans une situation non linéaire, le test
F est une approximation et donne donc qu’une indication de ce qu’il est possible de faire. La méthode
est expliquée sur un exemple.
Soit un modèle temporel, expliquant la variable Y par les variables X et Z et une constante d. Les
coefficients de X et de Z sont supposés varier entre les deux sites: I et II.
Soit Ha , le modèle initial: Y = a I X I + a II X II + bI Z I + bII Z II + cW + d + ε
où XI équivaut au site I et XII au site II.
Le modèle initial peut s’écrire sous une forme plus simple, traduisant algébriquement l’hypothèse
linéaire sur une partie des coefficients. Ainsi, H0 le modèle linéaire transformé devient:
Y = aX + bZ + cW + d + ε
où XI vaut X sur le site I et 0 sur le site II, et XII l’inverse, soit 0 sur le site I et X sur le site II. Il en est
de même pour ZI et ZII.
Le nombre de variables explicatives est diminué du nombre de conditions élémentaires. Le modèle
transformé par l’hypothèse linéaire est un cas particulier du modèle initial.
Si N est le nombre d’observations et p le nombre de paramètres, le test de H revient à comparer:
SCR0 − SCRa SCR0 − SCRa
p a − p0 2
F= = à une loi de Fisher F(2, N-6) à pa-p0 et N-pa degrés de
SCRa SCRa
N − pa N −6
liberté. SCRa note la somme des carrés des résidus de la régression du modèle Ha, et N-pa le nombre de
degrés de liberté, c’est à dire le nombre d’observations diminué du nombre de paramètres, SCR0 et p0
notent les quantités correspondantes du modèle H0.

Les lois de Fisher dérivées de la loi normale sont tabulées pour tester au niveau de risque α (5%) le
modèle H0. La position de la quantité F calculée par rapport au seuil de rejet de niveau de risque α
(5%), Fα est examinée pour la loi F(pa-p0, N-pa). Si F est inférieur ou égal à Fα, le modèle H0 est
accepté, si F est supérieur à Fα, le modèle H0 est rejeté et le modèle initial Ha est retenu.
En pratique, la probabilité d’estimer F est recherchée sous l’hypothèse que le modèle H0 est correct.
Ainsi, à partir du F calculé, la probabilité p est obtenue par les tables et comparée au seuil de rejet de
niveau de risque α. S’il existe une différence réelle, aussi infime soit-elle, entre les deux modèles,
n’importe quel test statistique aboutit à une valeur de p inférieure à 0,05, dès lors que le nombre
d’observations est important.

183
 4.2 Résultats du test sur la stratégie 1
Le test de stabilité des coefficients a été appliqué pour chaque simplification réalisée sur la stratégie 1,
allant du modèle 1 à 19 paramètres, au modèle 9 à 5 paramètres (Tableau 5.15).

Tableau 5.15: Valeurs des tests de Fisher: F, Fα et p: permettant ou pas la validation des
simplifications (réduction du nombre de paramètres) réalisées.
Modèle Nombre Nombre Nombre SCE SCE F Fα p Simplification
n - n+1 observations paramètres paramètres n n+1 au risque
Modèle Modèle 5%
n n+1
1–2 83 20 9 0,601 0,786 1,76 1,99 0,076 Acceptée
2–3 83 9 8 0,786 0,802 1,47 4 0,229 Acceptée
2–4 83 9 8 0,786 0,786 0,01 4 0,923 Acceptée
2–5 83 9 7 0,786 0,952 7,81 3,15 0,008 Rejetée
3–6 83 8 7 0,802 0,804 0,21 4 0,651 Acceptée
3–7 83 8 6 0,802 1,178 17,59 3,15 0 Rejetée
4–6 83 8 7 0,786 0,804 1,68 4 0,197 Acceptée
4–8 83 8 6 0,786 1,037 11,98 3,15 0,00003 Rejetée
6–9 83 7 5 0,804 1,262 21,6 3,15 0 Rejetée

En reprenant le schéma de simplification de la stratégie 1, le modèle le plus simplifié, gardant au

mieux la représentativité des simulations par rapport aux observations (f = 0,80) est le modèle 6 à sept
paramètres (fnutL1, fnutL2, fnutB1,fnutB2, fnutP, E0 et Shape) dont cinq destinés aux caractéristiques
trophiques (2 pour chacun des 2 sites de contamination et 1 pour le site de décontamination). Les
graphes suivant sont obtenus (Figure 5.11):

184
 8

7
Poids chair humide (g)

4
L6+3
3 L3+3
B6+3
B3+3
2
Oct02 Jan03 Apr03 Jul03

7
L6+3
L3+3
B6+3
B3+3
Longueur coquille (cm)

6,5

5,5
Oct02 Jan03 Apr03 Jul03

Figure 5.11: Simulation du modèle de croissance, considérant la fonction nutritionnelle comme

un paramètre spécifique au site. Modèle 6 à 7 paramètres.: Poids de chair humide en grammes,
et longueur de coquille en cm. (Suivi 6+3 en trait plein et Suivi 3+3 en trait pointillé).

185
 4.3 Résultats du test sur la stratégie 2
Le test de stabilité des coefficients a été appliqué pour chaque simplification réalisée sur la stratégie 2,
allant du modèle 1 à 12 paramètres, au modèle 9 à 3 paramètres (Tableau 5.16).

Tableau 5.16: Valeurs des tests de Fisher: F, Fα et p: permettant ou pas la validation des
simplifications (réduction du nombre de paramètres) réalisées.
Modèle Nombre Nombre Nombre SCE SCE F Fα p Simplification
n - n+1 observations paramètres paramètres n n+1 au risque 5%
Modèle Modèle
n n+1
1–2 83 12 6 0,750 0,894 2,26 2,25 0,046 Acceptée-limite
2–3 83 6 5 0,894 0,901 0,63 4 0,430 Acceptée
2–4 83 6 5 0,894 0,969 6,49 4 0,012 Rejetée
2–5 83 6 5 0,894 0,901 0,64 4 0,427 Acceptée
3–6 83 5 4 0,901 0,980 6,88 4 0,010 Rejetée
3–7 83 5 4 0,901 0,901 0,008 4 0,925 Acceptée
5–7 83 5 4 0,901 0,901 0 4 1 Acceptée
5–8 83 5 4 0,901 0,973 6,26 4 0,014 Refusée
7–9 83 4 3 0,901 0,981 7 4 0,009 Rejetée

En reprenant le schéma de simplification du modèle 1, le modèle le plus simplifié, gardant au mieux la

représentativité des simulations par rapport aux observations (f = 0,9015) est le modèle 7 à 4
paramètres (XK, E0, ShapeLazaret et ShapeBages), dont un seul coefficient de saturation réglant la fonction
nutritive en fonction de la concentration en phéopigments, une valeur de condition initiale et deux
valeurs de Shape pour les deux populations étudiés (Figure 5.12).
Le fait de n’utiliser qu’une seule valeur pour le coefficient de saturation de la fonction nutritionnelle
permet d’avoir une réponse nutritive spécifique aux conditions trophiques de chacun des trois milieux
d’étude.

186
 8

7
Poids chair humide (g)

L6+3
3 L3+3
B6+3
B3+3
2
Oct02 Jan03 Apr03 Jul03
7
L6+3
L3+3
6,8 B6+3
B3+3
Longueur coquille (cm)

6,6

6,4

6,2

5,8

5,6
Oct02 Jan03 Apr03 Jul03
Figure 5.12: Simulation du modèle de croissance, considérant la fonction nutritionnelle variable.
Modèle 7 à 3 paramètres.: Poids de chair humide en grammes, et longueur de coquille en cm.
(Suivi 6+3 en trait plein et Suivi 3+3 en trait pointillé).

187
 Ainsi, la courbe de fonction nutritionnelle peut alors être représentée sur le graphe suivant (Figure
5.13), montrant son évolution (entre 0 et 1) selon les conditions nutritives du milieu (X), en particulier
selon les concentrations en phéopigments relevés dans le milieu (μg/L).

0,9

0,8

0,7
Fonction nutritive, fnut

0,6

0,5

0,4

0,3

0,2

0,1

0
0 10 20 30 40 50 60
[Pheopigments] (μg/L)
0,9 0,4

0,8 0,35
fnut Lazaret / Port-Cros
fnut Bages / Port-Cros

0,7 0,3
0,6
0,25
0,5
0,2
0,4
0,15
0,3
0,1
0,2

0,1 0,05

0 0
0 10 20 30 40 50 60 0 0,5 1 1,5 2 2,5 3 3,5 4
[Pheopigments] (μg/L) [Pheopigments] (μg/L)

Figure 5.13: Fonction nutritive (fnut) pour les différents suivis (en haut: Lazaret, Bages et Port-
Cros ; en bas: suivi Bages + Port-Cros et Lazaret + Port-Cros) dépendant de la concentration en
phéopigments dans le milieu (μg.L-1), par l’intermédiaire du coefficient de saturation Xk, obtenu
par optimisation.

188
5 Analyses de sensibilité
Des analyses de sensibilité ont été réalisées sur plusieurs paramètres pour comprendre leur impact sur
les résultats du modèle de croissance (stratégie 2). Leur valeur a été modifiée de ± 10% et les résultats
de chaque simulation ont été analysés en utilisant un index de sensibilité (SI) appliqué au poids de
chaque compartiment et au poids total de l’organisme:

1 n Xt − Xt
1 0

SI = ∑ X 0 .100
n t =1 t

où n est le nombre de jours simulés, X0t est le poids total de chair de l’organisme prédit avec la
simulation standard à l’instant t et X1t le poids total de chair prédit avec la nouvelle valeur du
paramètre analysé. La moyenne des deux index de sensibilité, pour un écart de +10 % et de –10 %, est
calculée.

Les paramètres qui sont testés sont ceux qui semblent avoir la plus forte incertitude ou encore ceux qui
ont été estimés par optimisation, de façon à mieux comprendre leur impact et importance dans le
modèle, à savoir:
- le coefficient Shape, obtenu par optimisation;
- le coefficient de saturation XK, obtenu par optimisation ;
- les conditions initiales du compartiment de réserves [E]0, obtenues par optimisation ;
- le volume à l’état reproductif Vp, obtenu dans la bibliographie ;
- le taux d’ingestion maximum (PXm), obtenu dans la bibliographie ;
- le coût de maintenance volume spécifique Pm ;
- la densité de stockage maximum [Em], obtenue dans la bibliographie ;
- le coût de la croissance [EG], obtenu dans la bibliographie ;
- la fraction d’allocation de l’énergie k, obtenue dans la bibliographie ;
- la température d’Arrhenius, TA obtenue dans la bibliographie ;
- la perte due à la digestion, Loss_due_to_digestion, obtenue dans la bibliographie.

L’étude de sensibilité fournit les résultats suivants (Figure 5.14). Cette analyse met en évidence la
sensibilité du modèle au paramètre Shape reliant le volume corporel (soma + réserves) à la longueur
de coquille.

189
 16
Poids total chair
14 Longueur coquille
Poids soma
12 Poids comp.reproductif
Poids réserves
10
SI (%)

0
shape Xk E0 Vp Pxm Pm Em Eg k Ta
Loss
dig
Figure 5.14: Résultats de l’analyse de sensibilité (SI) des paramètres du modèle de croissance sur
les différents compartiments de l’organisme.

Une variation minimale de ± 10 % induit une variation de plus de 6 % sur la longueur de coquille alors
que l’effet n’est pas prononcé sur le poids de chair (< 1%). Les autres paramètres ont des effets
beaucoup plus faibles sur la longueur de coquille, inférieurs à 1 %.
En regardant leurs effets sur le poids de chair, la sensibilité du modèle reste faible. Par contre, des
variations importantes du compartiment reproductif et des réserves sont notées, jusqu’à 14 % pour le
premier avec le paramètre k d’allocation d’énergie et 10 % pour le second avec le paramètre Em de
densité de stockage. Ces variations importantes n’ont qu’un impact mineur sur le poids total qui en est
issu, mais dépendant principalement du poids du soma.
En regardant, dans la littérature, la gamme des paramètres utilisés sur les sites optimisés par rapport au
10 % fixé, l’effet peut être mieux considéré. Ainsi, par exemple, le coefficient Shape (Tableau 5.4)
peut avoir des valeurs variant de 0,285 (Cardoso et al., 2001) à 0,394 (Kooijman, 1988), ce qui fait un
écart de 0,11, soit de plus ou moins 29 % autour d’une valeur moyenne. Bien entendu, la signification
donnée à ce paramètre peut varier entre les références, expliquant de telles différences. Ainsi, alors
que dans la théorie DEB définie par Kooijman, il relie directement le volume de soma à la longueur de
coquille, dans certains travaux, la composante des réserves est minimisée et c’est donc le volume
corporel ou biovolume (soma + réserves) qui est liée avec la taille.
Un autre paramètre qui a une variabilité importante dans la bibliographie est le taux d’ingestion
maximum (PXm) (entre 125 et 180 J.cm-2.jour-1, soit une différence de 55 J.cm-2.jour-1 ou de 36 %) ou
encore la fraction d’allocation d’énergie k (entre 0,65 et 0,94, soit une différence de 0,29 ou de 36 %).

190
6 Discussions et conclusions
6.1 Validité, pertinence des estimations et de la stratégie de simulation
La vérification du modèle est un test logique interne. Dans cette étude, le modèle réagit de façon
logique et reproduit avec un certain réalisme l’évolution temporelle du poids de chair total et de la
longueur de coquille de la moule sur des sites aux caractéristiques trophiques et environnementales
différentes. Deux variables forçantes essentielles gouvernent ces évolutions de croissance: la
température de l’eau et la concentration en phéopigments. Ces deux variables ont un rôle primordial,
interagissant au sein de l’environnement.

Comme cela est visible sur les figures 5.11 et 5.12 de croissance tissulaire et coquillière des modèles
sélectionnés pour les deux stratégies de modélisation, les écarts « estimations – observations » restent
toujours inférieurs à 10 %, montrant un bon ajustement du modèle aux données. En observant de plus
près, il est à noter que les différentes périodes de variations du poids de chair sont retrouvées par le
modèle: croissance, ponte et amaigrissement quelque soit le site et le suivi.
En terme de croissance coquillière, les résultats sont moins satisfaisants, en particulier pour le site du
Lazaret où le modèle ne simule aucune augmentation de la longueur de coquille. Ceci met en évidence
la difficulté sur une période aussi courte de retrouver un parallélisme clair entre la croissance tissulaire
et la croissance coquillière, cette dernière se faisant par à coups laissant ainsi des stries sur la coquille.
Par contre, sur le site de Bages, l’évolution globale des observations est retrouvée par le modèle.

La stratégie utilisant la fonction nutritionnelle variable (stratégie 2), dépendant de la concentration en

phéopigments dans le milieu a un critère d’ajustement moins bon (Modèle 7 à 5 paramètres, f=0,9015)
que la stratégie 1, utilisant des constantes nutritionnelles (Modèle 6 à 7 paramètres, f=0,8041). Cela
dit, avec moins de paramètres, elle donne des résultats très satisfaisants, en sous-estimant légèrement
les pontes, alors que la stratégie 1 a tendance a bien estimer ces périodes mais à sur-évaluer la
croissance coquillière.
La cohérence du modèle peut être estimée en faisant la corrélation entre les valeurs observées et les
valeurs prédites (Figure 5.15). Des coefficients de corrélation (R2) entre les valeurs prédites et les
valeurs observées de 0,89 (stratégie 1) et de 0,88 (stratégie 2) sont obtenus montrant la précision du
modèle.

191
 Stratégie 1: Modèle 7 Stratégie 2 : Modèle 6
8 8 Poids chair
Poids chair
Longueur coquille Longueur coquille
7 7 - Y=X, R 2=0,886
Valeurs prédites

- Y=X, R 2=0,894

Valeurs prédites
6 6

5 5

4 4

3 3

22 2
3 4 5 6 7 8 2 3 4 5 6 7 8
Valeurs observées Valeurs observées
Figure 5.15: Corrélation entre les valeurs observées et les valeurs simulées (poids humide chair
et longueur coquille) pour les deux modèles de croissance sélectionnés.

En dehors de la validité du modèle, ces résultats nous amènent à nous questionner quant à la
pertinence des estimations et de la stratégie de suivi et des mesures réalisées. Tout d’abord, la
fréquence et la période choisies des mesures des paramètres biométriques semblent bonnes, avec
toutefois le regret de ne pas avoir fait durer l’expérimentation sur une année complète, pour en avoir le
cycle annuel. Un autre point observable est la variabilité des mesures de poids et de longueur de
coquille, mettant en évidence l’importance et la nécessité de faire des réplicats. Dans notre étude,
l’objectif final étant la modélisation de la bioaccumulation des métaux traces, le poids de chair est la
somme du poids de plusieurs individus, des pools étant fait pour mesurer les concentrations en métaux
par la suite. De ce fait, aucune variabilité du poids de chair n’est calculable, contrairement à la
longueur de coquille où les écart-types permettent de vérifier la précision du modèle. En effet, le
modèle est précis si l’erreur (prédiction/observations) est inférieure à l’erreur d’observations.
De plus, l’ajustement du modèle pourrait être amélioré en réalisant des mesures physiologiques des
différents compartiments modélisés: poids du soma, poids du compartiment reproductif afin de mieux
maîtriser l’importance de chacun et de vérifier sur Mytilus galloprovincialis l’allocation d’énergie
entre les différents processus.
Un autre point critiquable est la difficulté de corréler, sur une durée aussi courte, la croissance
tissulaire et la croissance coquillière. Ici, la longueur coquillière a été utilisée pour ajouter une
validation autre que par le poids. Il est clair que la simulation de cette croissance peut être améliorée,
avec par exemple la prise en compte d’un arrêt après la période de ponte.

192
 6.2 Comparaison entre sites: interprétation du fonctionnement trophique, simulation long terme et
répartition des flux
Dans cette étude, le modèle a été appliqué à trois sites aux caractéristiques trophiques et
environnementales différentes: la baie du Lazaret est un site oligotrophe avec des caractéristiques
hydrologiques relativement stables pendant la période d’étude. L’étang de Bages est, quant à lui, un
site mésotrophe lagunaire. Du fait que ce soit un milieu fermé, une variabilité importante des
paramètres physico-chimiques et trophiques est observée. Compte tenu de sa configuration,
l’hydrologie de cet étang est tributaire des conditions météorologiques (fortes pluies, vents importants)
amplifiées par un bassin versant important. Enfin, l’île de Port-Cros est un site oligotrophe, de type
mer ouverte. Lors de la période d’étude, les conditions hydrologiques sont stables et peu soumises aux
variations environnementales. Les performances de croissance simulées sont en adéquation avec les
observations du milieu et donc avec les conditions trophiques et environnementales (Blackmore et
Wang, 2004). Les différences de conditions trophiques des trois sites sont interprétées par le modèle.
Toutefois, les mesures environnementales réalisées ne servent qu’en partie à la simulation du modèle
de croissance. En effet, seules la température et la concentration en phéopigments dans l’eau sont
utilisées comme variables forçantes. Il est clair que les autres mesures nous permettent de définir
l’environnement étudié et pourraient à terme être intégrées au modèle, mais des études
complémentaires sont nécessaires pour cela. Par exemple, les travaux de (Dowd, 1997; Rouillon et
Navarro, 2003) sur l’effet de la qualité/quantité de la nourriture permettraient de mieux définir la
fonction nutritive qui a un rôle majeur dans l’acquisition d’énergie, puis dans l’évolution des différents
compartiments par l’intermédiaire de l’allocation d’énergie. En effet, dans notre étude, cette fonction
reste toutefois limitée et très simplifiée comparé à la complexité du processus de la nutrition.
La simulation du modèle sur du long terme a été réalisée sur le site de Bages, concentration en
nourriture constante et température variable (Figure 5.16).

3 9
Longueur coquille (cm)

8,5
2,5
Poids sec chair (g)

8
2
7,5

1,5 7

6,5
1
6

0,5 5,5
Jan02 Jan04 Jan06 Jan08 Jan10 Jan12 Jan02 Jan04 Jan06 Jan08 Jan10 Jan12
Figure 5.16: Simulation du modèle de croissance sur le long terme: 10 ans. Résultats de
l’évolution temporelle du poids sec de chair (g) et de la longueur de coquille (cm).

193
 La concentration en phéopigments est considérée constante (moyenne des observations réalisées sur le
site de Bages) durant la période de simulation de 10 ans, et la température variable selon une fonction
sinusoïdale. Les résultats montrent la stabilité et surtout la cohérence du modèle sur le long terme. Un
plateau de saturation est approché, montrant les limites de croissance de l’organisme. La longueur
maximale sur ce site de Bages semble être proche de 9 cm, valeur qui est en très bonne adéquation
avec les valeurs maximales référencées (10-15 cm) pour le genre Mytilus (Tebble, 1976) et simulées
dans les autres modèles de croissance (Cardoso et al., 2001).
Après avoir vérifié les propriétés du modèle, le bilan de flux peut être dressé pour les quatre processus
majeurs: croissance, maintenance, reproduction et maintenance reproductive pour les trois sites
d’étude (Figure 5.17).

Lazaret Bages Port-Cros

Flux croissance soma
0% 1,8 % 0,4 %
Flux maintenance 88 % 67 % 84,5 %
Assimilation
Flux reproduction 8% 28,2 % 11 %
Flux maintenance 4% 3% 4,1 %
reproductive

Figure 5.17: Répartition des flux d’énergie (%) entre la croissance somatique, la maintenance
globale, la reproduction et la maintenance reproductive pour chacun des trois sites d’étude.

De cette façon, deux stratégies de croissance sont observables: la première sur le Lazaret et Port-Cros
où la croissance somatique est nulle, l’énergie servant essentiellement à la maintenance ; la seconde
sur Bages où la croissance somatique et la reproduction consomme une part plus importante de
l’énergie. Ceci met en évidence la performance de croissance clairement dépendant des conditions
nutritives du milieu. Ainsi, en milieu oligotrophe comme sur le Lazaret ou sur Port-Cros, l’allocation
d’énergie privilégie la maintenance de l’organisme au profit de la croissance somatique et de la
reproduction. Au contraire, en milieu plus riche comme sur l’étang de Bages, ces deux processus
prennent une part plus importante permettant le développement de l’organisme à l’échelle individuelle
puis à l’échelle de la population. Sur Port-Cros, la répartition d’énergie ressemble beaucoup à celle du
Lazaret avec une moindre importance donnée à la reproduction. Le cycle biologique est plus avancé et
l’organisme est en re-initialisation de son cycle reproductif. Le modèle simule clairement le cycle
biologique énergétique et l’adaptation de l’allocation énergétique de la moule aux conditions
trophiques du milieu (Rodhouse et al., 1986). Ces résultats sont aussi en adéquation avec les travaux
réalisés sur d’autres espèces de moules, telle que la moule zébrée Dreissena polymorpha sur laquelle
des bilans énergétiques ont été dressés par des mesures des dépenses métaboliques (consommation
d’oxygène et excrétion d’ammoniac, coûts de reproduction, variation masse corporelle et production

194
de fèces) (Stoeckmann et Garton, 1997). Il a été trouvé que les dépenses métaboliques représentent
plus de 90 % de la consommation d’énergie. De plus, l’allocation change selon la taille de
l’organisme: pour les moules de moins de 15 mm, la croissance somatique tient une part importante
tandis que pour celles de plus de 15 mm, l’énergie est allouée à la reproduction plutôt qu’à la
croissance somatique (Stoeckmann et Garton, 1997).
Cette répartition énergétique est retrouvée dans différentes études réalisées sur Mytilus edulis, comme
celles de Rodhouse qui réalise le budget de carbone et d’azote sur deux types de cultures et donne les
résultats suivant: 4,3 % pour la croissance somatique, 81,4 % pour la maintenance (respiration, etc.) et
14,3 % pour la reproduction (Rodhouse et al., 1985). Le calcul de la perte d’énergie lors de la ponte
montre des différences d’allocation considérable selon le type de population (sauvage ou en culture): à
savoir 55 % du budget de carbone et d’azote pour les sauvages et 20 % pour les populations en culture
(Rodhouse et al., 1984). Cette étape primordiale dans le cycle reproductif est retrouvée dans les
observations et simulée par le modèle.

Le bilan énergétique de l’organisme est bien représenté par le modèle qui intègre tous les processus en
liaison avec les gains et pertes d’énergie, ce qui permet la détermination de la quantité d’énergie
disponible pour sa croissance et sa reproduction. Ce modèle physiologique, en plus d’être un
indicateur du taux de croissance, peut-être considéré comme un indicateur de la condition
physiologique de l’organisme du fait de sa grande sensibilité aux changements environnementaux et
de sa précision. La dynamique du modèle repose sur la prise en compte des flux trophiques: les flux
entrants et sortants intégrant la consommation interne, telle qu’elle est connue par les lois
bioénergétiques applicables aux différentes espèces (lois de filtration et d’assimilation, lois génériques
d’allocation d’énergie ingérée). La qualité nutritionnelle du milieu est estimée par le modèle dans la
fonction nutritive fnut. Ce type d’évaluation est très intéressant de par son impact sur l’allocation
d’énergie et sert d’index descriptif du site étudié (Cartier et al., 2004).

195
 6.3 Application et validation sur d’autres sites: Généricité du modèle
Un des objectifs des modèles basés sur la théorie des budgets énergétiques est qu’ils ne doivent pas
être spécifiques à l’espèce ou à un site particulier. Dans cette optique générique et à des fins de
validations supplémentaires, ce modèle a été appliqué sur des sites d’étude différents.

a. Données Gangnery (2003)

Les données de suivis de croissance réalisés sur des populations de bivalves en élevage (Crassostrea
gigas et Mytilus galloprovincialis) dans le bassin de Thau (Méditerranée, France) ont été utilisées
(Hamon, 1983; Gangnery, 2003; Gangnery et al., 2004). Toutes les valeurs des paramètres
écophysiologiques utilisées auparavant ont été gardées. Seul le coefficient de saturation intervenant
dans la fonction nutritionnelle et le coefficient Shape spécifique à la population de moules locales sont
estimés. La température est issue des observations réalisées dans son étude. Les résultats suivant sont
obtenus (Tableau 5.17 et Figure 5.18). La fonction nutritionnelle dépend de la concentration en
chlorophylle totale mesurée dans le milieu.

Tableau 5.17: Valeurs des paramètres estimés (Xk et Shape) sur les 2 suivis de croissance de
Mytilus galloprovincialis réalisés par Gangnery (2003).
Xk (fonction [Chla]) Shapesuivi1 Shapesuivi2
1,42 0,228 0,268

0,8 6
Observations Observations
Simulations Simulations
0,7 5,5
Longueur coquille (cm)
Poids sec chair (g)

0,6
5
0,5
4,5
0,4
4
0,3
3,5
0,2

0,1 3

0 2,5
Apr00 Jul00 Oct00 Jan01 Apr01 Jul01 Oct01 Apr00 Jul00 Oct00 Jan01 Apr01 Jul01 Oct01

Figure 5.18: Simulation du modèle sur les données de suivis de croissance de la moule, Mytilus
galloprovincialis, sur l’étang de Thau: Données Gangnery (2003).

Le modèle simule bien la croissance tissulaire et coquillière des moules sur le site de Thau. La
plasticité du coefficient Shape est confirmée ici, avec une valeur de 0,23 pour le premier suivi et de

196
0,26 pour le second suivi. Par contre, la valeur du coefficient de saturation de la fonction nutritive est
identique pour chacun des deux suivis. C’est par corrélation avec la concentration en chlorophylle
totale que la fonction nutritive s’ajuste le mieux sur ce site.

b. Données Borchardt (1985)

Une autre application du modèle de croissance a été réalisée sur les données de Borchardt (1983). En
effet, celui-ci a étudié l’influence de la quantité de nourriture sur les cinétiques d’accumulation et de
perte du Cd chez Mytilus edulis. Il fournit donc une base intéressante quant à l’évolution temporelle de
la contamination du Cd au sein de la moule.
Borchardt (1985) a étudié les relations entre l’accumulation nette de carbone et la cinétique de capture
du Cd. Pour cela, les efficacités d’assimilation ont été calculées en utilisant les ratios des poids
humides de nourriture et de fèces. Des suivis de croissance ont donc été réalisés sur Mytilus edulis
provenant de la baie anglaise. Leur longueur initial était de 17 à 20 mm. L’utilisation de moules
immatures permet de suivre par la suite la perte de carbone lors de la production de gonades. Les
moules ont été adaptées à une température de 15°C et à une salinité de 35 pendant une période de 20
jours. Les moules ont été nourries avec quatre quantités différentes d’Isochrysis galbana allant de 4,8
à 0,63 mg/jour. De nombreux paramètres physiologiques et allométriques tels que l’activité du C14
dans les tissus et dans la coquille, les poids humides et secs de tissus mais aussi les longueurs et poids
de coquille, ont été analysés après 2, 4, 8, 17, 33 et 75 jours. Ce travail constitue donc un suivi complet
utilisable pour une application du modèle de croissance.
Ainsi, à partir des données de poids de chair, de longueur de coquille et des valeurs de concentrations
en nourriture testée (Borchardt, 1983; Borchardt, 1985), le coefficient de saturation intervenant dans la
fonction nutritive et le paramètre Shape ont été calibrés. Les résultats suivant sont obtenus (Tableau
5.18 et Figure 5.19).

Tableau 5.18: Valeurs des paramètres estimés (Xk et Shape) sur les suivis de croissance de
Mytilus edulis réalisés par Borchardt (1985).
Xk (fonction [I.galbana]) Shape
12,571 0,289

197
 0,32
[I.galbana]=4,8 mg/jour
0,3 [I.galbana]=3,2 mg/jour
[I.galbana]=1,42 mg/jour
0,28 [I.galbana]=0,63 mg/jour

Poids chair humide (g)

0,26 Simulations

0,24

0,22

0,2

0,18
0,16

0,14

0,12
0 10 20 30 40 50 60 70 80
2,5
[I.galbana]=4,8 mg/jour
2,4 [I.galbana]=3,2 mg/jour
[I.galbana]=1,42 mg/jour
2,3 [I.galbana]=0,63 mg/jour
Longueur coquille (cm)

Simulations
2,2

2,1

1,9

1,8

1,7
0 10 20 30 40 50 60 70 80

Figure 5.19: Simulation du modèle sur les données de suivis de croissance de la moule, Mytilus
edulis, réalisés en laboratoire par Borchardt (1985).

Ainsi, le modèle reproduit les croissances tissulaires et coquillières des différents suivis de moules
nourries avec quatre quantités différentes d’Isochrisis galbana allant de 0,63 à 4,8 mg/jour. La
fonction nutritive est bien intégrée et montre que le modèle s’applique aisément à des milieux
trophiques différents mais aussi à des stades individuels différents. En effet, les moules sont ici très
petites et encore à un stade immature. Les capacités génériques du modèle sont démontrées une
nouvelle fois dans cet exemple.

198
 c. Données RINBIO 2000
Une autre application du modèle de croissance est l’analyse inverse des données de RINBIO pour en
déduire la fonction nutritive (fnut), nous renseignant quant aux caractéristiques trophiques du milieu.
Les données RINBIO 2000 ont été utilisées, nous fournissant les variations de poids de chair et de
hauteur de coquille. Les données suivantes sont obtenues pour tous les sites (hors Corse) (ns = numéro
de site) du réseau (hors Corse).
En dehors des étangs qui n’obéissent pas à cette configuration (ns = 78:90), elles mettent en évidence
un gradient de croissance Est-Ouest, les poids de chair augmentant en allant vers l’Ouest (Figure
5.20).

1,6
Temps initial
ns = 2:6
1,4 ns = 8:16
Poids sec chair (g)

ns = 17:18
ns = 19:26
1,2 ns = 27:39
ns = 40:49
ns = 78:90
1

0,8

0,6

0,4
2 2,1 2,2 2,3
Hauteur coquille (cm)

Figure 5.20: Résultats des poids sec de chair et des hauteurs de coquille des différents sites du
réseau RINBIO 2000. (ns=78:90 pour les Etangs).

Pour la température (Figure 5.21), les réseaux REPHY, RMIC et RNO-Hydro fournissent des suivis
aux dates RINBIO 2000 pour plusieurs des sites concernés à savoir d’Ouest en Est: Barcarès (ns=6),
Marseillan (ns=12), Saintes-Maries (ns=17), Carteau (ns=19), Toulon (ns=31) et Beaulieu (ns=48).
Les différents sites du réseau sont alors regroupés selon ces six suivis de température (Figure 5.21).
Pour les étangs, trois suivis ont été réalisés: sur l’étang d’Ayrolle (ns=82), l’étang de Thau Nord
(ns=84) et l’étang du Prévost (ns=86).

199
 30
ns = 6
ns = 12
ns = 17
25 ns = 19
Température (°C)

ns = 31
ns = 48
ns = 82
20 ns = 84
ns = 86

15

10

5
25-mars-00 14-avr-00 4-mai-00 24-mai-00 13-juin-00 3-juil-00 23-juil-00 12-août-00

Figure 5.21: Suivis de température sur neuf sites du réseau RINBIO 2000. Données REPHY,
RMIC et RNO-Hydro: Barcarès (ns=6), Marseillan (ns=12), Saintes Maries (ns=17), Carteau
(ns=19), Toulon (ns=31), Beaulieu (ns=48), Ayrolle (ns=82), Thau Nord (ns=84) et Prévost
(ns=86).

Au temps initial de la transplantation (fin mars, début avril 2000), le gradient Ouest-Est de
température est observable, les températures augmentant en allant vers l’Est. Peu à peu, ce gradient
s’atténue avec des variations temporelles plus ou moins importantes durant la période
d’étude. L’évolution temporelle de la température reste globale dans l’ensemble de ces cinq sites, avec
une tendance à l’augmentation jusqu’en fin juin, puis à une légère diminution.
Ces données sont intégrées au modèle, afin de rechercher les paramètres fnut et le ShapeH (ici reliant
le poids sec à la hauteur de coquille et non à la longueur de coquille) et la condition initiale du
compartiment de réserves. Dans un premier temps, les valeurs de la condition initiale du compartiment
de réserves et du ShapeH ont été recherchées. Pour cela, l’optimisation a été réalisée sur deux sites:
celui où la croissance est la plus forte (Argelès) et celui où elle est la plus faible (Hyères). Une fois ces
deux valeurs obtenues, la fonction nutritive a été recherchée, site par site. Les résultats suivants ont été
obtenus (Tableau 5.19 et Figure 5.22 et 5.23).

200
 Tableau 5.19: Valeurs des paramètres estimés (E0, ShapeH et fnut) sur les suivis de croissance de
Mytilus galloprovincialis réalisés lors de campagne RINBIO 2000.

E0 ShapeH
3,843 0,914

Station ns fnut Station ns fnut Station = Etang (Etg) ns fnut

Banyuls (01A) 2 0,3147 Bandol-Sanary (21B) 27 0,1427 Etg Leucate (04B) 78 0,1639
Port Vendres (01B) 3 0,3062 Siciè (21C) 28 0,1427 Etg Lapalme (05A) 79 0,1253
Argelès (02A) 4 0,7229 St Mandrier (22A) 29 0,0332 Etg Bages Sud (06C) 80 0,001
Canet plages (02B) 5 0,6511 Toulon gde rade (22B) 30 0,1354 Etg Bages Nord (06C 81 0,074
Barcares (02C) 6 0,5862 Toulon petite rade (22C) 31 0,0946 Etg Ayrolle (06A) 82 0,001
Fleury (07B) 8 0,533 Giens (23A) 32 0,0149 Etg Thau Sud (09A) 83 0,2139
Valras Ouest (07D) 9 0,459 Hyères Ouest (23B) 33 0,001 Etg Thau Nord (09B) 84 0,273
Valras Est (07D) 10 0,4257 Hyères Est (23B) 34 0,001 Etg de Vic (11A) 85 0,2931
Agde (07C) 11 0,5655 Port-Cros (23C) 35 0,0624 Etg Prevost (11B) 86 0,2039
Marseillan (08A) 12 0,5412 Lavandou (24A) 36 0,0271 Etg Ingrill (11C) 87 0,3435
Sète (08B) 13 0,5527 Cavalaire (24B) 37 0,0508 Etg Méjean (12A) 88 0,1069
Frontignan (10A) 14 0,6456 Pampelone (25A) 38 0,0026 Etg Ponant (13A) 89 0,6688
Palavas (10C) 15 0,8017 St Tropez (26A) 39 0,0508 Etg Berre (17A) 90 0,001
Grau du Roi (10B) 16 0,5736 Fréjus Ouest (27A) 40 0,0643
Saintes Maries 17 0,6217 Fréjus Est (27B) 41 0,1301
(15A) 18 0,5003 Cannes Ouest (28A) 42 0,001
Emb. Rhône (15B) 19 0,4966 Cannes Est (28B) 43 0,0738
Carteau (16C) 20 0,4257 Antibes (29A) 44 0,001
Ponteau (16B) 21 0,4004 Emb du Var (29D) 45 0,001
Carry (18A) 22 0,4004 Apt Nice (29B) 46 0,0271
Marseille Nord 23 0,5493 Nice (29C) 47 0,001
(19A) 24 0,1301 Beaulieu (30B) 48 0,005
Marseille Sud (19B) 25 0,1707 Menton (30A) 49 0,001
Cortiou (20A) 26 0,1914
Cassis (20B)
La Ciotat (21A)

201
Figure 5.22: Stations du réseau de surveillance RINBIO (campagne 2000).

202
 1
ns = 2:6
ns = 8:16

0,8 ns = 17:18
Fonction nutritive (fnut) ns = 19:26
ns = 27:39
ns = 40:49
0,6
ns = 78:90

0,4

0,2

0
0 10 20 30 40 50 60 70 80 90 100

Numéro site (ns)

Figure 5.23: Représentation schématique des valeurs des paramètres (fnut) obtenus sur les suivis
de croissance de Mytilus galloprovincialis réalisés lors de campagne RINBIO 2000. Gradient
Ouest-Est. (ns =78:90 pour les Etangs).

Le résultat de l’estimation de la fonction nutritive, fnut, considérée comme une constante, met en
évidence un gradient Est-Ouest, avec une nette augmentation en allant vers l’Ouest. Ceci met donc
l’accent sur les différences de caractéristiques trophiques des sites étudiés dans le cadre de RINBIO.
Ce gradient, inverse au gradient de température, influe et force directement la croissance de Mytilus
galloprovincialis, qui suit la même évolution avec une croissance plus élevée à l’Ouest qu’à l’Est où la
nourriture est en faible quantité dans le milieu, entraînant une perte de poids non négligeable. Le
forçage environnemental trophique est supérieur à celui de la température.
Ces gradients ne sont pas observés sur les étangs (ns=78:90). Cette estimation nous permet de
caractériser la potentialité trophique de chacun des sites RINBIO, celle-ci intervenant par la suite sur
les capacités de bioaccumulation de l’organisme bioindicateur.

203
La cohérence du modèle peut être estimée en faisant la corrélation entre les valeurs observées et les
valeurs prédites (Figure 5.24).

2,4
Poids chair
2,2 Hauteur coquille

1,8
Valeurs prédites

1,6

1,4

1,2

0,8

0,6

0,4
0,4 0,6 0,8 1 1,2 1,4 1,6 1,8 2 2,2 2,4
Valeurs observées
Figure 5.24: Corrélation entre les valeurs observées et les valeurs simulées (poids humide chair
en g et hauteur coquille en cm) à l’échelle du réseau RINBIO.

Le coefficient de corrélation (R2) est de 0,93 et montre la précision du modèle. La pente de la droite
déterminée par la régression est égale à 0,99 et nous informe quant à la justesse du modèle et de son
application au réseau RINBIO.

204
7 Conclusion générale
Le modèle de croissance, à budget énergétique dynamique, de cette étude reproduit avec réalisme
l’évolution temporelle du poids de chair total et la longueur de coquille de la moule, Mytilus
galloprovincialis, sur des sites aux caractéristiques trophiques et environnementales différentes. La
température et la concentration en phéopigments dans l’eau sont utilisées comme variables forçantes,
entraînant des performances de croissance selon les sites étudiés. Le modèle simule clairement le cycle
biologique énergétique et l’adaptation de l’allocation énergétique de la moule aux conditions nutritives
du milieu.

La stabilité et la cohérence du modèle ont été mises en évidence, le poids de chair total étant issu de la
somme des trois compartiments: soma, réserves et compartiment reproductif. C’est essentiellement le
paramètre Shape reliant le volume corporel (soma + réserves) à la longueur de coquille qui entraîne
une sensibilité importante du modèle, celui ci étant robuste aux variations de la plupart des autres
paramètres physiologiques.

Le bilan énergétique de la moule est bien représenté par le modèle qui intègre tous les processus en
liaison avec les gains et pertes d’énergie, ce qui permet la détermination de la quantité d’énergie
disponible pour sa croissance et sa reproduction. Ce modèle physiologique, en plus d’être un
indicateur du taux de croissance est un indicateur de la condition physiologique de l’organisme du fait
de sa sensibilité aux changements environnementaux et de sa précision. La dynamique du modèle
repose sur la prise en compte des flux trophiques: les flux entrants et sortants intégrant la
consommation interne, telle qu’elle est connue par les lois bioénergétiques applicables aux différentes
espèces (lois de filtration et d’assimilation, lois génériques d’allocation d’énergie ingérée).

Aussi, les applications du modèle à d’autres séries de données telles que celles de Gangnery (2003) et
de Borchardt (1985) sur Mytilus edulis, montrent son aspect générique et sa validation sur d’autres
sites d’étude. Cette propriété est un des objectifs de la théorie des budgets énergétiques.

Enfin, en prévision d’un couplage au modèle de bioaccumulation, l’analyse inverse des données
RINBIO, à l’aide du modèle de croissance, permet d’estimer la qualité nutritionnelle du milieu par la
fonction nutritive fnut. Ce type d’évaluation est très intéressant de par son impact sur l’allocation
d’énergie et sert d’index descriptif du site étudié mais renseigne aussi quant à l’entrée nutritive
particulaire. Cette dernière est d’un impact majeur dans les modèles de bioaccumulation intégrant le
partitionnement dissous et particulaire du contaminant étudié.

205
ANNEXE 5.1: Autres formes possibles des équations du modèle de croissance trouvées
dans la bibliographie

Le modèle de croissance utilisé a été écrit sous trois formes différentes par différentes équipes (van
Haren & Kooijman, 1993 sur Mytilus edulis- van der Veer, 2001 sur des poissons plats - Jaap,
comm.pers. pas d’application), augmentant la difficulté de lecture et de compréhension. Afin
d’éclaircir ce concept, les correspondances entre les différentes équations des variables d’état ont été
réalisées.

- Première variable d’état: compartiment réserves E

3 termes différents sont utilisés pour décrire ce compartiment de réserves:
1. Equation de van Haren & Kooijman, 1993: terme e de densité d’énergie.
2. Equation Jaap, comm.pers., 2004: terme E d’énergie du compartiment des réserves.
3. Equation van der Veer et al., 2001: terme Energy_storage de stockage d’énergie.
de
= vV −1 / 3 ( fnut − e)
dt
d [E ] {PAM } ⎛ [E ] ⎞⎟
= ⎜⎜ fnut −
dt V 1/ 3
⎝ [E m ] ⎟⎠
Energy _ storage = assimilation _ rate − utilisation _ rate
Relation Jaap – van Haren:

d [E ] ⎡ {PAM } −1 / 3 ⎤ {PAM } [E ]
=⎢ V fnut ⎥ Em −
dt ⎣ [E m ] ⎦ V 1 / 3 [E m ]

or.v =
{PAM }
[E m ]
d [E ]
= vV −1 / 3 fnut ⋅ [E m ] − vV −1 / 3 [E ]
dt
1 d [E ] [E ] = de
= vV −1 / 3 fnut − vV −1 / 3
[E m ] dt [E m ] dt
donc.e =
[E ]
[E m ]
Relation Jaap – van der Veer:
Energy _ storage = assimilation _ rate − utilisation _ rate
Energy _ storage = {PAM } fnut ⋅ V 2 / 3 − utilisation _ rate
Energy _ storage = e[E m ] ⋅ V = [E ] ⋅ V

206
- Seconde variable d’état: compartiment structure V: 2 équations différentes sont utilisées
pour décrire ce compartiment de structure:
1. Equation de van Haren & Kooijman, 1993: terme V.
2. Equation Jaap, comm.pers., 2004: terme V.

dV evV 2 / 3 − gmV
=
dt e+ g
k {PAM }[E ] 2 / 3
V − [Pm] ⋅ V
dV
=
[Em ]
dt [ ]
k [E ] + E g
Relation Van Haren – Jaap:

On sait que: v =
{PAM }; g = [E g ] ; e = [E ]
[E m ] k [E m ] [E m ]
En remplaçant dans l’équation de van Haren & Kooijman, dV devient:
[E ] {PAM }V 2 / 3 − V [E g ] m
d [E ] [E m ]
V = m
k [E m ]
dt [E ] + [E g ]
[E m ] k [E m ]
k ⋅ {PAM }⋅ [E ] 2 / 3
V − m[E g ]V
d
V =
[Em ]
dt k [E ] + [E g ]

Ainsi, avec: m =
[Pm ]
[E ] la correspondance est confirmée.
g

207
- Taux d’utilisation: C
Deux équations différentes sont utilisées pour décrire ce taux:
1. Equation de van Haren & Kooijman, 1993: terme C. = Equation de Jaap, comm.pers., 2004.
2. Equation van der Veer et al., 2001: terme utilisation.rate.

dV eν ⋅ V 2 / 3 − gmV
=
dt e+ g
k {PAM }⋅ [E ] 2 / 3
⋅ V − [Pm ] ⋅ V
dV
=
[Em ]
dt k [E ] + E g[ ]

Relation van Haren & Kooijman – van der Veer et al.:

eg [E m ]
C=
e+g
(
vV 2 / 3 + mV )
[ ]
[E ] ⋅ E g [E ]
C=
[E m ] k [E m ]
m
⎛ {PAM } 2 / 3 [Pm ] ⎞
⎜ ⋅V + ⋅V ⎟
[ ]
[E ] + E g ⎜⎝ [E m ] Eg ⎟
⎠ [ ]
[E m ] k [E m ]
[E ] [E ]⋅ ⎛⎜ {PAM } ⋅ V 2 / 3 + [Pm ] ⋅ V ⎞⎟
k
g ⎜ [E ]
⎝ m [E g ] ⎟⎠
C=
[E ] +
[E ]
g

k
[E ] [E ]⋅ ⎛⎜ {PAM } ⋅ V 2 / 3 + [Pm ] ⋅ V ⎞⎟
k
g ⎜ [E ]
⎝ m [E g ] ⎟⎠
C=
[E ] +
[E ]
g

k
[E ] [E ]⋅ ⎛⎜ {PAM } ⋅ V 2 / 3 + [Pm] ⋅ V ⎞⎟
k
g ⎜ [E ]
⎝ m [E g ] ⎟⎠
C=
[E ] ⎛⎜ k + [E g ]⎞⎟
k ⎜⎝ [E ] ⎟⎠
[E g ]⋅ ⎜⎜ {PAM
⎛ } ⋅ V −1 / 3 + [Pm] ⎞⎟
⎝ [E m ] [E g ] ⎟⎠
C= = utilisation _ rate(vander.Veer.et.al ,2001)
k
+
Eg [ ]
V [E ] ⋅ V

208
- Troisième variable d’état: compartiment reproductif: R
Deux équations différentes sont utilisées pour décrire ce compartiment:
1. Equation de van Haren & Kooijman, 1993: terme R.
2. Equation van der Veer et al., 2001: terme flow to mat and rep.
dR (1 − k )e
dt
=
e+ g
( )
vgV 2 / 3 + gmV − (1 − k )gmV

En remplaçant chaque terme, l’équation suivante est obtenue:

1 ⎛ 1− k
dR
= ⎜ (1 − k ) ⋅ utilisation _ rate − [Pm ] ⋅ V p ⎞⎟ = 1 ⋅ Flow _ to _ mat _ and _ rep
dt [E m ] ⎝ k ⎠ [E m ]
Le dernier terme correspond à un des deux termes du flux de maintenance.

⎛1− k 1− k ⎞
Flow _ to _ mat _ main = MIN ⋅ ⎜ .[Pm ] ⋅ V p , ⋅ [Pm ] ⋅ V ⎟
⎝ k k ⎠
Les différents termes des variables d’état sont reliés dans le tableau suivant (Tableau 5.20):

Tableau 5.20: Récapitulatif des termes employés pour le modèle de croissance utilisé.

van Haren & Kooijman, 1993 Jaap, 2004 van der Veer et al, 2001
e [E] Energy_storage
e=[E]/[Em] [E].V
e.[Em].V
V V Body_volume
R Flow_to_mat_and_rep
R.[Em]
C c utilisation_rate

C’est en terme de flux d’énergie que le modèle est le plus simple à comprendre (Figure 5.25):

Flux
croissance Soma V

A Réserves C k Flux Maintenance somatique

maintenance
Énergie E Maintenance maturation
1-k
Flux Compartimt Ponte
A Assimilation reproductif Reproductif R
C Utilisation

Figure 5.25: Schéma conceptuel des différents flux d’énergie du modèle de croissance.

Les équations d’allocation du modèle sont les suivantes:

Flux _ croissance = k ⋅ taux _ utilisation − Flux _ ma int enance
Flux _ reproduction = (1 − k ) ⋅ taux _ utilisation − Flux _ ma int enance _ reproductive

209
 CHAPITRE 6

Modélisation de la bioaccumulation des métaux traces chez

la moule, Mytilus galloprovincialis, par le couplage à un
modèle de croissance de budget énergétique dynamique
Chapitre 6: Modélisation de la bioaccumulation des
métaux traces chez la moule, Mytilus galloprovincialis, par
le couplage à un modèle de croissance de budget
énergétique dynamique (DEB)

Les différents modèles de bioaccumulation ont été présentés dans le chapitre 4, intitulé « Quels
outils ? Quelles utilisations ? ». Ainsi, l’étude bibliographique réalisée sur les différents modèles de
bioaccumulation nous a permis de faire une synthèse des différentes approches de modélisation selon
les besoins existants et d’en dégager les structures de base ainsi que les principaux processus à
considérer dans notre étude. Ce chapitre 6 décrit le modèle de bioaccumulation à base énergétique
sélectionné, son adaptation et son application à l’étude.

1 Choix du modèle de bioaccumulation: modèle DEB

1.1 Importance du couplage
Le couplage entre un modèle cinétique d’accumulation et un modèle de croissance permet de répondre
aux propos et objectifs de l’étude de la bioaccumulation des métaux, en y intégrant l’effet de la
croissance et de l’état physiologique de l’organisme bioindicateur ainsi que l’effet des variables
environnementales.
En plus de traiter de l’accumulation des métaux traces à partir de la voie dissoute et particulaire, il
tient compte de la biologie de l’individu (croissance, ponte, alimentation, respiration) et permet de
mieux comprendre et quantifier l’effet des différentes interactions « Environnement Hôte
Contaminant ». En effet, pour fonctionner, le modèle de bioaccumulation requiert la formulation d’un
modèle de croissance (Chapitre 5). Le modèle écophysiologique permet de restituer la croissance
individuelle des filtreurs sur la base d’un bilan d’énergie (Kooijman, 1993; Kooijman, 2000). La
croissance représente la connexion entre l’écophysiologie et la bioaccumulation. Ce type de modèle
permet de pallier les limites des modèles empiriques développés dans le cadre d’étude: extrapolation
possible à d’autres années et reproduction plus fine du processus de croissance liée à la reconstitution
des mécanismes d’allocation d’énergie (Jorgensen, 1988; van Haren et Kooijman, 1990; Landrum et
al., 1992; van Haren et Kooijman, 1993; Wang et Fisher, 1997b; Grant et Bacher, 1998; Nisbet et al.,
2000; Bendell-Young et Arifin, 2004).

210
 1.2 Equation du modèle DEB de bioaccumulation de Koiijman & van Haren, 1990
La capture, aussi bien que l’élimination, est supposée proportionnelle à la surface de l’organisme
isomorphique, donc à W2/3. Ainsi:

= (rda ⋅ c d + rpa ⋅ fnut ⋅ c p − rad ⋅ c a ) ⋅ W 2 / 3

dQ+
dt
avec Q +: quantité de contaminant dans l’organisme entier (mol) ;
ca: concentration en contaminant dans la fraction aqueuse de l’organisme qui est supposée
être le seul compartiment en contact avec l’environnement (mol.cm-3) ;
cd: concentration en contaminant dans l’eau, sous forme dissoute (mol.cm-3) ;
cp: concentration en contaminant dans la nourriture (mol.cm-3) ;
W: surface de l’organisme isomorphique, volume structure (cm3) ;
rda: taux d’entrée du contaminant via l’eau (cm.d-1) ;
rpa: taux d’entrée du contaminant via la nourriture (cm.d-1.g.cm-3) ;
rad: taux d’élimination du contaminant (cm.d-1) ;
fnut: réponse fonctionnelle de nutrition.

Nourriture Eau
Nourriture
A. rpa rda B.
A Soma A Soma
p p
p S p S
a a
n Réserves énergie n Réserves énergie
D D
i g i g
g g
Comp. reproductif Comp. reproductif
rad
Faeces Maintenance Descendance Excrétion

Figure 6.1: Représentation schématique des différents compartiments et flux de l’individu (A.) et
du processus de bioaccumulation (B.) (d’après van Haren & Kooijman, 1994). rda et rpa: taux
d’entrée du contaminant sous forme dissoute et particulaire, rad: taux d’élimination du
contaminant.

A partir de cette équation, en couplant au modèle de croissance (Figure 6.1), l’équation du modèle de
bioaccumulation utilisé par Kooijman et van Haren (1990) est la suivante. Les différentes étapes y
amenant sont clairement décrites dans l’annexe 6.1 au chapitre.

dC ww rda c d + rpa fnut ⋅ c p ⎛ rad

⎜ 1 dV 1 dr ⎞⎟
= − + + ⋅ C ww
dt ( )
α e d s 1 + α e −1 + r ⋅ V 1 / 3 ⎜⎝ α e hV 1 / 3 V dt 1 + α e −1 + r dt ⎟⎠
h = γ + (Pea − 1) ⋅ e + Pea r

211
avec Cww: concentration en contaminant dans l’organisme entier (µg.g-1 p.s.) ;
cd: concentration en contaminant dans l’eau, sous forme dissoute (µg.cm-3):
cp: concentration en contaminant dans la nourriture (µg.cm-3) ;
Pea et γ: coefficients de partition du contaminant entre les différents compartiments (s.d.) ;
ds: masse volumique (densité) des tissus mous (g.cm-3) ;
αe: rapport du volume maximum de réserves sur le volume de structure (s.d.) ;
e: densité de stockage (réserves d’énergie/réserves maximales) (s.d.) ;
V: volume de structure (cm3) ;
r: rapport des gonades et des gamètes sur le volume de structure (s.d.).

1.3 Simplification du modèle de bioaccumulation

Ce modèle est assez complexe, dans le sens où il implique de nombreux paramètres et tient compte de
la répartition du contaminant au sein des différents compartiments de l’organisme (Pea et γ). Cela dit,
le manque de connaissance des coefficients de partition entre les différentes structures nous empêche
de l’utiliser et nous oriente vers une simplification de sa structure avec Pea égal à γ (cf. annexe 6.1 au
chapitre). Ainsi, l’équation précédente devient:
⎛ ⎞
⎜ ⎟
dC ww rda c d + rpa fnut ⋅ c p ⎜ rad 1 dV 1 dr ⎟
= − + + ⋅ C ww
dt d s (1 + α e (1 + r )) ⋅ V 1 / 3 ⎜ ⎛ Pea ⎞ V dt 1 + α e −1 + r dt ⎟
⎜ d s ⎜1 +
⎜ ⎜ ⋅ α e (1 + r )⎟⎟ ⋅ V 1 / 3 ⎟
⎟
⎝ ⎝ γ ⎠ ⎠
dC ww rda c d + rpa fnut ⋅ c p ⎛ rad 1 dV 1 dr ⎞⎟
= − ⎜⎜ + + ⎟ ⋅ C ww
dt d s (1 + α e (1 + r )) ⋅ V 1/ 3
⎝ d s (1 + α e (1 + r )) ⋅ V 1/ 3
V dt 1 + α e
−1
+ r dt ⎠
dC ww (rda cd + rpa fnut ⋅ c p )⋅ V 2/3
rad V ⋅ C ww
2/3
1 dV 1 dr
= − − ⋅ C ww − ⋅ C ww
dt d s (1 + α e (1 + r )) ⋅ V d s (1 + α e (1 + r )) ⋅ V V dt −1
1 + α e + r dt
dC ww (rda c d + rpa fnut ⋅ c p ) ⋅ V
2/3
r V 2 / 3 ⋅ C ww 1 dWw
= − ad − ⋅ C ww
dt Ww Ww Ww dt

Quatre flux sont distingués: le flux d’entrée du contaminant sous forme dissoute, le flux d’entrée du
contaminant sous forme particulaire, le flux d’élimination et le flux de dilution/concentration.

1.4 Constitution du modèle

Basée sur les hypothèses précédentes et sur le couplage avec le modèle de croissance décrit dans le
chapitre 5, une équation détermine l’accumulation de contaminant dans la chair de l’organisme,
dépendant du volume de structure V qui intervient dans les flux d’entrée et de sortie, et du poids de
chair de l’organisme, qui résulte de la somme des trois compartiments décrits. Ces équations sont

212
codées sous MATLAB. Les différentes variables et paramètres sont listés dans le tableau ci-dessous
(Tableau 6.1).

Tableau 6.1: Variables et paramètres utilisés dans le modèle DEB, avec unités et signification.
Symboles Unités Signification
Variables d’état
t jours Temps
Cww µg.g-1 Concentration en contaminant dans la chair de l’organisme
Variables d’entrée issues du
modèle croissance
V cm3 Volume de structure, simulé
Ww g Poids total de chair de l’organisme, observé
Variables environnementales
Cd µg.cm-3 = µg.mL-1 Concentration en contaminant sous forme dissoute, observée
Cp µg.cm-3 = µg.g-1 Concentration en contaminant sous forme particulaire, observée
X µg.L-1 Concentration en phéopigments, observée
Paramètres Iaires
rda cm.jour-1 taux d’entrée du contaminant via l’eau
rpa cm.jour-1.g.cm-3 taux d’entrée du contaminant via les particules
rad cm.jour-1 taux de sortie du contaminant

Paramètre IIaire
fnut ou XK s.d. ou µg.L-1 Fonction nutritionnelle ou coefficient de saturation, simulé

Les processus physiologiques paramétrés sont définis et optimisés dans le chapitre précédent
concernant le modèle de croissance. C’est le modèle considérant la fonction nutritionnelle comme une
variable dépendante de la concentration en phéopigments (stratégie 2) qui est utilisé dans le couplage
croissance - bioaccumulation. En effet, sa formulation est homogène et logique, n’utilisant que 5
paramètres et deux variables forçantes environnementales. Le modèle de croissance apporte ainsi les
valeurs du volume de structure V et de la fonction nutritive fnut, le poids de chair total étant issu des
observations en relation directe avec la concentration en contaminant dans la moule.

213
2 Simulations du modèle DEB sur les suivis de bioaccumulation
2.1 Définition des conditions initiales et des paramètres à estimer
La détermination des paramètres (ou calibration) est effectuée à partir des cinétiques de contamination
et de décontamination. Le suivi est considéré dans son intégralité de 9 mois (6+3) et de 6 mois (3+3)
selon la durée sur le site de contamination, totalisant ainsi quatre suivis. Les valeurs
environnementales sont issues des mesures réalisées sur le terrain: concentration en contaminant dans
le milieu, sous forme dissoute et particulaire. Les valeurs des trois paramètres cinétiques de
bioaccumulation sont estimés par optimisation: le taux d’entrée du contaminant via l’eau (rda), le taux
d’entrée du contaminant via la nourriture (rpa) et le taux de sortie (rad).

Tableau 6.2: Liste des paramètres à estimer pour l’application sur le site d’étude.
Symboles Signification Valeurs Unités
Paramètres Iaires
rda Taux d’entrée du contaminant via l’eau à estimer cm.jour-1
rpa Taux d’entrée du contaminant via les particules à estimer cm.jour-1.g.cm-3
rad Taux de sortie du contaminant à estimer cm.jour-1

Paramètres IIaires
fnut Fonction nutritionnelle issu modèle croissance
XK Coefficient de saturation issu modèle croissance µg.L-1

Chacune des optimisations a été réalisée par une fonction basée sur la méthode du simplex (Matlab)
appliquée à la concentration en métal (M) mesurée dans la chair, minimisant le critère d’ajustement f,
défini par la somme des carrés des écarts pondérés entre les observations et les simulations.

⎛ [M ]simulé − [M ]observé
2
⎞
f = ∑ ⎜⎜ ⎟⎟
⎝ [M ]observé ⎠

Deux situations environnementales sont appliquées pour la bioaccumulation: concentrations en métal

sous forme dissoute et particulaire constante sur les sites, en moyennant la totalité des observations
réalisées, ou concentrations en métal variables par interpolation des valeurs mesurées. C’est le modèle
de croissance (stratégie 2) qui fournit la fonction nutritionnelle variable, dépendant de la concentration
en phéopigments dans le milieu.

2.2 Paramétrisation du modèle de bioaccumulation

Pour chaque métal (Hg, Cd, Pb, Cu et Zn) et pour chacune des deux stratégies de bioaccumulation
(concentrations en métal sous forme dissoute et particulaire constantes ou variables), les trois
paramètres cinétiques, rda rpa et rad ont été estimés par optimisation. Pour chaque métal, la meilleure
stratégie (critère d’ajustement le plus faible) est présentée sous forme de graphes. Les résultats
suivants ont été obtenus pour le Hg (Tableau 6.3 et Figure 6.2):

214
Tableau 6.3: Valeurs des paramètres estimés (rda rpa et rad) et du critère d’ajustement (f) sur les
différents sites et suivis réalisés selon les deux stratégies de bioaccumulation. Cas du Hg.
Métal Stratégie Paramètres estimés Critère Modèle
bioaccumulation unités d’ajustement n°
[Hg] milieu rda rpa rad f
-1 -1 -3 -1
cm.jour cm.jour .g.cm cm.jour
Hg [Hg] constante 509 2,36 10-5 0,0018 2,7439 1
-5
[Hg] variable 548,8 1,04 10 0,0018 3,2304 2

CONTAMINATION DECONTAMINATION
0,7
L6+3
L3+3
0,6 B6+3
B3+3
[Hg] chair (mg / kg ps)

0,5

0,4

0,3

0,2

0,1

0
Oct02 Jan03 Apr03 Jul03
Figure 6.2: Simulation du modèle 1 de bioaccumulation du Hg, considérant la fonction
nutritionnelle variable et les concentrations en Hg dans le milieu constantes. Concentrations en
Hg dans la chair exprimées en mg.kg-1 de poids sec (suivi 6+3 en trait plein et suivi 3+3 en trait
pointillé). Légende: L6+3: Suivi de contamination de 6 mois sur le Lazaret et de
décontamination de 3 mois sur Port-Cros ; L3+3: Suivi de contamination de 3 mois sur le
Lazaret et de décontamination de 3 mois sur Port-Cros ; B6+3: Suivi de contamination de 6 mois
sur Bages et de décontamination de 3 mois sur Port-Cros ; B3+3: Suivi de contamination de 3
mois sur le Bages et de décontamination de 3 mois sur Port-Cros.

215
Les résultats suivants ont été obtenus pour le Cd (Tableau 6.4 et Figure 6.3):

Tableau 6.4: Valeurs des paramètres estimés (rda rpa et rad) et du critère d’ajustement (f) sur les
différents sites et suivis réalisés selon les deux stratégies de bioaccumulation. Cas du Cd.
Métal Stratégie Paramètres estimés Critère Modèle
bioaccumulation unités d’ajustement n°
[Cd] milieu rda rpa rad f
cm.jour-1 cm.jour-1.g.cm-3 cm.jour-1
Cd [Cd] constante 88,5 0,0032 0,0007 3,4888 1
[Cd] variable 11 0,0094 0,0001 3,4281 2

CONTAMINATION DECONTAMINATION
2,5
L6+3
L3+3
B6+3
2 B3+3
[Cd] chair (mg / kg ps)

1,5

0,5

0
Oct02 Jan03 Apr03 Jul03

Figure 6.3: Simulation du modèle 2 de bioaccumulation du Cd, considérant la fonction

nutritionnelle variable et les concentrations en Cd dans le milieu variables. Concentrations en
Cd dans la chair exprimées en mg.kg-1 de poids sec (suivi 6+3 en trait plein et suivi 3+3 en trait
pointillé). Légende: L6+3: Suivi de contamination de 6 mois sur le Lazaret et de
décontamination de 3 mois sur Port-Cros ; L3+3: Suivi de contamination de 3 mois sur le
Lazaret et de décontamination de 3 mois sur Port-Cros ; B6+3: Suivi de contamination de 6 mois
sur Bages et de décontamination de 3 mois sur Port-Cros ; B3+3: Suivi de contamination de 3
mois sur le Bages et de décontamination de 3 mois sur Port-Cros.

216
Les résultats suivants ont été obtenus pour le Pb (Tableau 6.5 et Figure 6.4):

Tableau 6.5: Valeurs des paramètres estimés (rda rpa et rad) et du critère d’ajustement (f) sur les
différents sites et suivis réalisés selon les deux stratégies de bioaccumulation. Cas du Pb.
Métal Stratégie Paramètres estimés Critère Modèle
bioaccumulation unités d’ajustement n°
[Pb] milieu rda rpa rad f
cm.jour-1 cm.jour-1.g.cm-3 cm.jour-1
Pb [Pb] constante 216,4 0,0002 0,0034 9,5566 1
[Pb] variable 144,1 0,0001 0,0019 8,4369 2

CONTAMINATION DECONTAMINATION
9
L6+3
8 L3+3
B6+3
7 B3+3
[Pb] chair (mg / kg ps)

0
Oct02 Jan03 Apr03 Jul03

Figure 6.4: Simulation du modèle 2 de bioaccumulation du Pb, considérant la fonction

nutritionnelle variable et les concentrations en Pb dans le milieu variables. Concentrations en Pb
dans la chair exprimées en mg.kg-1 de poids sec (suivi 6+3 en trait plein et suivi 3+3 en trait
pointillé). Légende: L6+3: Suivi de contamination de 6 mois sur le Lazaret et de
décontamination de 3 mois sur Port-Cros ; L3+3: Suivi de contamination de 3 mois sur le
Lazaret et de décontamination de 3 mois sur Port-Cros ; B6+3: Suivi de contamination de 6 mois
sur Bages et de décontamination de 3 mois sur Port-Cros ; B3+3: Suivi de contamination de 3
mois sur le Bages et de décontamination de 3 mois sur Port-Cros.

217
Les résultats suivants ont été obtenus pour le Cu (Tableau 6.6 et Figure 6.5):

Tableau 6.6: Valeurs des paramètres estimés (rda rpa et rad) et du critère d’ajustement (f) sur les
différents sites et suivis réalisés selon les deux stratégies de bioaccumulation. Cas du Cu.

Métal Stratégie Paramètres estimés Critère Modèle

bioaccumulation unités d’ajustement n°
[Cu] milieu rda rpa rad f
-1 -1 -3 -1
cm.jour cm.jour .g.cm cm.jour
Cu [Cu] constante 0,0342 0,0007 0,0027 9,5594 1
[Cu] variable 0,0464 0,0007 0,0033 7,3181 2

CONTAMINATION DECONTAMINATION
16
L6+3
L3+3
14 B6+3
B3+3
[Cu] chair (mg / kg ps)

12

10

2
Oct02 Jan03 Apr03 Jul03

Figure 6.5: Simulation du modèle 2 de bioaccumulation du Cu, considérant la fonction

nutritionnelle variable et les concentrations en Cu dans le milieu variables. Concentrations en
Cu dans la chair exprimées en mg.kg-1 de poids sec (suivi 6+3 en trait plein et suivi 3+3 en trait
pointillé). Légende: L6+3: Suivi de contamination de 6 mois sur le Lazaret et de
décontamination de 3 mois sur Port-Cros ; L3+3: Suivi de contamination de 3 mois sur le
Lazaret et de décontamination de 3 mois sur Port-Cros ; B6+3: Suivi de contamination de 6 mois
sur Bages et de décontamination de 3 mois sur Port-Cros ; B3+3: Suivi de contamination de 3
mois sur le Bages et de décontamination de 3 mois sur Port-Cros.

218
Les résultats suivants ont été obtenus pour le Zn (Tableau 6.7 et Figure 6.6):

Tableau 6.7: Valeurs des paramètres estimés (rda rpa et rad) et du critère d’ajustement (f) sur les
différents sites et suivis réalisés, modèle par modèle selon les stratégies. Cas du Zn.
Métal Stratégie Paramètres estimés Critère Modèle
bioaccumulation unités d’ajustement n°
[Zn] milieu rda rpa rad f
cm.jour-1 cm.jour-1.g.cm-3 cm.jour-1
Zn [Zn] constante 6,58 10-3 0,0053 1,86 10-5 5,7033 1
-3 -5
[Zn] variable 8,56 10 0,0046 1,76 10 5,8691 2

CONTAMINATION DECONTAMINATION
450
L6+3
400 L3+3
B6+3
B3+3
350
[Zn] chair (mg / kg ps)

300

250

200

150

100

50
Oct02 Jan03 Apr03 Jul03

Figure 6.6: Simulation du modèle 1 de bioaccumulation du Zn, considérant la fonction

nutritionnelle variable et les concentrations dans le milieu constantes. Concentrations en Zn
dans la chair exprimées en mg.kg-1 de poids sec (suivi 6+3 en trait plein et suivi 3+3 en trait
pointillé). Légende: L6+3: Suivi de contamination de 6 mois sur le Lazaret et de
décontamination de 3 mois sur Port-Cros ; L3+3: Suivi de contamination de 3 mois sur le
Lazaret et de décontamination de 3 mois sur Port-Cros ; B6+3: Suivi de contamination de 6 mois
sur Bages et de décontamination de 3 mois sur Port-Cros ; B3+3: Suivi de contamination de 3
mois sur le Bages et de décontamination de 3 mois sur Port-Cros.

219
 3 Analyses de sensibilité et vérification du modèle
Des analyses de sensibilité ont été réalisées sur plusieurs paramètres pour comprendre leur impact sur
les résultats du modèle de bioaccumulation (stratégie 2). Leur valeur a été modifiée de ± 10 % et les
résultats de chaque simulation ont été analysés en utilisant un index de sensibilité (SI) appliqué à la
concentration en métal dans la chair de la moule.
n X t1 − X t0
SI = 1 ∑ .100
n t =1 X t0
où n est le nombre de jours simulés, X0t est le poids total de chair de l’organisme prédit avec la
simulation standard à l’instant t et X1t le poids total de chair prédit avec la nouvelle valeur du
paramètre analysé. La moyenne des deux index de sensibilité, pour un écart de +10 % et de –10 %, est
calculée.
Les paramètres qui sont testés sont ceux qui semblent avoir la plus forte incertitude ou encore ceux qui
ont été estimés par optimisation, de façon à mieux comprendre leur impact et importance dans le
modèle (Figure 6.7). Il s’agit de:
- le taux d’entrée de métal sous forme dissoute (rda) obtenu par optimisation ;
- le taux d’entrée de métal sous forme particulaire (rpa) obtenu par optimisation ;
- le taux d’élimination du métal (rad) obtenu par optimisation ;
- le coefficient de saturation Xk intervenant dans la fonction nutritive, issu du modèle de croissance.
16
[Hg] chair
14 [Cd] chair
[Pb] chair
12 [Cu] chair
[Zn] chair
10
SI (%)

0
rda rpa rad Xk
Figure 6.7: Résultats de l’analyse de sensibilité des paramètres du modèle de bioaccumulation
sur la concentration en métal dans la chair de la moule. rda: taux d’entrée du contaminant via
l’eau (cm.d-1) ; rpa: taux d’entrée du contaminant via la nourriture (cm.d-1.g.cm-3) ; rad: taux
d’élimination du contaminant (cm.d-1) ; Xk: coefficient de saturation de la fonction de nutrition
(µg.L-1).

220
L’analyse de sensibilité des quatre paramètres montrent des disparités claires selon le métal considéré
et nous amène à une simplification par réduction lorsque la valeur du paramètre est proche de zéro
entraînant une action très faible sur la concentration bioaccumulée. Ainsi, le modèle de
bioaccumulation du Cd est très peu sensible au taux rda alors que ceux du Hg, du Pb et du Cu y sont
plus sensibles. Le paramètre rpa et Xk, intervenant dans l’entrée de contaminants sous forme
particulaire, a une importance non négligeable pour le Cd, le Cu et le Zn. C’est le modèle de
bioaccumulation du Cu qui reste le plus sensible, suivi de celui du Pb et du Hg, alors que ceux du Cd
et du Zn le sont moins mais restent dépendant d’un paramètre supplémentaire qu’est le coefficient de
saturation Xk qui intervient dans la fonction nutritive.
Du fait du couplage au modèle de croissance et du forçage important par les concentrations en
contaminants, la sensibilité reste toutefois toujours inférieure à 10 %, accordant une robustesse au
modèle de bioaccumulation.

A présent que le modèle a été testé avec les paramètres de bioaccumulation, les paramètres du modèle
de croissance sont testés de façon à mieux comprendre leur impact et leur importance dans le modèle.
Il s’agit de:
- le coefficient Shape, obtenu par optimisation;
- les conditions initiales du compartiment de réserves [E]0, obtenues par optimisation ;
- le volume à l’état reproductif Vp, obtenu dans la bibliographie ;
- le taux d’ingestion maximum (PXm), obtenu dans la bibliographie ;
- le coût de maintenance volume spécifique Pm, obtenu dans la bibliographie ;
- la densité de stockage maximum [Em], obtenue dans la bibliographie ;
- le coût de la croissance [EG], obtenu dans la bibliographie ;
- la fraction d’allocation de l’énergie k, obtenue dans la bibliographie ;
- la température d’Arrhenius, TA obtenue dans la bibliographie ;
- la perte due à la digestion, « Loss_due_to_digestion », obtenue dans la bibliographie.

De par la robustesse du modèle de croissance et de la faible sensibilité du poids total de chair et du

volume de structure (poids soma) intervenant dans l’équation de bioaccumulation, le modèle est peu
sensible aux paramètres précédents (écart compris entre 0 et 2 %).

221
4 Choix d’un modèle simplifié par métal
4.1 Simplification possible du modèle de bioaccumulation selon le métal considéré
A partir du modèle à 3 paramètres et des résultats de l’analyse de sensibilité, des simplifications sont
réalisées selon le métal, pour regarder si les paramètres faibles sont significativement ou pas différents
de zéro (Tableau 6.8). Il en est ainsi pour le paramètre:
- rpa pour le Hg,
- rad pour le Cd,
- rpa pour le Pb,
- rpa pour le Cu,
- rda et rad pour le Zn.

Ainsi, une nouvelle optimisation des paramètres est réalisée pour chaque stratégie en éliminant les
taux cinétiques pour lesquels le modèle n’est pas sensible.

Tableau 6.8: Valeurs des paramètres estimés (rda rpa et rad) et du critère d’ajustement (f) sur les
différents sites et suivis réalisés, modèle par modèle selon les stratégies choisies pour chaque
métal.
Métal Stratégie Paramètres estimés Critère Modèle
bioaccumulation rda rpa rad d’ajustement n°
[X] milieu f
[Hg] [Hg] constante 520 0 0,0018 2,7594 3
[Hg] variable 556 0 0,0018 3,2346 4

[Cd] [Cd] constante 18,2 0,0092 0 3,4954 3

[Cd] variable 20 0,0087 0 3,4337 4

[Pb] [Pb] constante 179,1 0 0,0031 10,0432 3

[Pb] variable 134,6 0 0,0019 8,5815 4

[Cu] [Cu] constante 0,0178 0 0,002 9,8856 3

[Cu] variable 0,0262 0 0,0025 8,2163 4

[Zn] [Zn] constante 0 0,0053 1,62.10-5 5,7030 3

[Zn] constante 1,85.10-4 0,0052 0 5,7052 4
[Zn] constante 0 0,0052 0 5,7051 5
[Zn] variable 0 0,0046 1,83.10-5 5,8699 6
[Zn] variable 6,2.10-4 0,0047 0 5,8718 7
[Zn] variable 0 0,0047 0 5,872 8

222
4.2 Validation de la simplification: Test Fisher
Le test de stabilité (Draper et Smith, 1998) est porté sur les trois coefficients cinétiques du modèle de
bioaccumulation. La méthode est expliquée dans le chapitre 5 et les résultats présentés ci dessous
(Tableau 6.9 à 6.13).
Tableau 6.9: Valeurs des tests de Fisher: F, Fα et p: permettant ou pas la validation des
simplifications (réduction du nombre de paramètres) réalisées. Cas du Hg.
[Hg] Nombre Nombre Nombre SCE SCE F Fα p Simplification
Modèle observations paramètres paramètres n n+1 au risque 5%
n - n+1 Modèle Modèle
n n+1
1–3 83 3 2 2,7439 2,7594 0,45 4 0,5 Acceptée
2–4 83 3 2 3,2304 3,2346 0,10 4 0,75 Acceptée

Ainsi, concernant le modèle de bioaccumulation du Hg, le paramètre d’entrée via les particules rpa
obtenu par optimisation est considéré significativement proche de zéro. Une simplification de 3 à 2
paramètres peut être acceptée.

Tableau 6.10: Valeurs des tests de Fisher: F, Fα et p: permettant ou pas la validation des
simplifications (réduction du nombre de paramètres) réalisées. Cas du Cd.
[Cd] Nombre Nombre Nombre SCE SCE F Fα p Simplification
Modèle observations paramètres paramètres n n+1 au risque 5%
n - n+1 Modèle Modèle
n n+1
1–3 83 3 2 3,4888 3,4954 0,15 4 0,7 Acceptée
2–4 83 3 2 3,4281 3,4337 0,13 4 0,7 Acceptée

Ainsi, concernant le modèle de bioaccumulation du Cd, le paramètre de sortie rad obtenu par
optimisation peut être considéré significativement proche de zéro. Une simplification de 3 à 2
paramètres peut être acceptée.

Tableau 6.11: Valeurs des tests de Fisher: F, Fα et p: permettant ou pas la validation des
simplifications (réduction du nombre de paramètres) réalisées. Cas du Pb.
[Pb] Nombre Nombre Nombre SCE SCE F Fα p Simplification
Modèle observations paramètres paramètres n n+1 au risque 5%
n - n+1 Modèle Modèle
n n+1
1–3 83 3 2 9,5566 10,043 4,07 4 0,047 Refusée
2–4 83 3 2 8,4369 8,5815 1,37 4 0,24 Acceptée

223
Ainsi, concernant le modèle de bioaccumulation du Pb, le paramètre d’entrée via les particules rpa
obtenu par optimisation ne peut pas être considéré significativement nul, le test étant refusé pour la
stratégie de bioaccumulation considérant les concentrations en Pb constante dans le milieu. Une
simplification de 3 à 2 paramètres est refusée.

Tableau 6.12: Valeurs des tests de Fisher: F, Fα et p: permettant ou pas la validation des
simplifications (réduction du nombre de paramètres) réalisées. Cas du Cu.
[Cu] Nombre Nombre Nombre SCE SCE F Fα p Simplification
Modèle observations paramètres paramètres n n+1 au risque 5%
n - n+1 Modèle Modèle
n n+1
1–3 83 3 2 9,5594 9,8856 2,73 4 0,102 Acceptée
2–4 83 3 2 7,3181 8,2163 9,82 4 0,002 Refusée

Ainsi, concernant le modèle de bioaccumulation du Cu, le paramètre d’entrée via les particules rpa
obtenu par optimisation ne peut pas être considéré significativement nul, le test étant refusé pour la
stratégie de bioaccumulation considérant les concentrations en Cu variable dans le milieu. Une
simplification de 3 à 2 paramètres est refusée.

Tableau 6.13: Valeurs des tests de Fisher: F, Fα et p: permettant ou pas la validation des
simplifications (réduction du nombre de paramètres) réalisées. Cas du Zn.
[Zn] Nombre Nombre Nombre SCE SCE F Fα p Simplification
Modèle observations paramètres paramètres n n+1 au risque 5%
n - n+1 Modèle Modèle
n n+1
1–3 83 3 2 5,7033 5,7034 0,0014 4 0,97 Acceptée
1–4 83 3 2 5,7033 5,7052 0,0267 4 0,87 Acceptée
3–5 83 2 1 5,7034 5,7051 0,0298 4 0,86 Acceptée
4–5 83 2 1 5,7052 5,7051 0,0014 4 0,97 Acceptée
2–6 83 3 2 5,8693 5,8699 0,0082 4 0,93 Acceptée
2–7 83 3 2 5,8693 8,8718 0,0341 4 0,85 Acceptée
6–8 83 2 1 5,8699 5,872 0,0055 4 0,94 Acceptée
7–8 83 2 1 5,8718 5,872 0,0028 4 0,96 Acceptée

Ainsi, concernant le modèle de bioaccumulation du Zn, la différence à zéro du paramètre d’entrée via
le dissous rda et du paramètre de sortie rad obtenus par optimisation ne sont pas considérés
significatives. Une simplification de 3 à 1 seul paramètre peut être acceptée.

224
4.3 Bilan des paramètres retenus par métal
Le tableau 6.14, ci-après, résume les valeurs des 3 paramètres cinétiques (rda rpa et rad) selon les deux
types de stratégie (concentration en métal dans le milieu constante ou variable) et selon la
simplification réalisée et validée par le test de Fisher.

Tableau 6.14: Valeurs des paramètres estimés (rda rpa et rad) et du critère d’ajustement (f) sur les
différents sites et suivis réalisés, modèle par modèle selon les stratégies pour chaque métal.
Métal Stratégie Paramètres estimés Critère Modèle
bioaccumulation rda rpa rad d’ajustement n°
[X] milieu f
[Hg] [Hg] constante 520 0 0,0018 2,7594 3
[Hg] variable 556 0 0,0018 3,2346 4

[Cd] [Cd] constante 18,2 0,0092 0 3,4954 3

[Cd] variable 20 0,0087 0 3,4337 4

[Pb] [Pb] constante 216,4 0,0002 0,0034 9,5566 1

[Pb] variable 134,6 0 0,0019 8,5815 4

[Cu] [Cu] constante 0,0178 0 0,002 9,8856 3

[Cu] variable 0,0464 0,0007 0,0033 7,3181 2

[Zn] [Zn] constante 0 0,0052 0 5,7051 5

[Zn] variable 0 0,0047 0 5,872 8

225
5 Discussions
5.1 Validité, pertinence des estimations et de la stratégie de simulation
Dans cette étude, le modèle réagit de façon logique et reproduit avec un certain réalisme l’évolution
temporelle de la concentration en contaminants dans les tissus de la moule sur des sites aux
caractéristiques trophiques et chimiques différentes. En effet, plus le milieu est contaminé, plus les
moules ont une concentration en métaux traces importante. De par le couplage du modèle de
bioaccumulation au modèle de croissance, trois variables environnementale forçantes gouvernent les
cinétiques de bioaccumulation: la température de l’eau, la concentration en phéopigments et la
concentration en contaminants sous forme dissoute et particulaire. Ces trois variables ont un rôle
primordial interagissant au sein de l’environnement. A ces impacts du milieu se rajoutent l’effet de la
physiologie de la moule: cycle biologique, croissance, amaigrissement, repos sexuel et ponte.
Comme cela est visible sur les différentes cinétiques, les écarts « estimations-observations » varient de
façon importante selon le métal considéré. De ce fait, l’ajustement du modèle est analysé, métal par
métal.

a. Le mercure
En ce qui concerne les cinétiques du Hg, le modèle s’ajuste bien aux données observées sur les trois
sites d’étude aux contaminations différentes. Les écarts « estimations-observations » restent
globalement inférieurs à 10 %. Ainsi, l’importante accumulation est bien simulée sur le site du Lazaret
alors que l’état de stabilité chimique des moules de Bages est respecté. Le modèle traduit bien les
différences entre ces deux sites. Aussi, la cinétique de décontamination sur Port-Cros est visible et
s’ajuste relativement bien aux observations (Figure 6.2). En observant de plus près, il est à noter deux
périodes où de mauvais ajustements persistent: une première période où le modèle sur-évalue la
concentration sur le suivi de 9 mois du Lazaret, en fin de cinétique juste avant la transplantation sur
Port-Cros, et une seconde période où le modèle sous-évalue la concentration sur le suivi de 6 mois du
Lazaret, juste après la ponte.
Ces différences « prédictions - observations » peuvent être dues au fait que les concentrations en Hg
dans l’eau et les particules utilisées pour le modèle sont considérées constantes sur la période d’étude
(stratégie 1). Pourtant, c’est cette stratégie de simulation qui donne les meilleurs résultats pour le Hg
avec un critère d’ajustement de 2,74 au lieu de 3,2 lorsque ces concentrations sont interpolées à partir
des observations. Cela dit, la représentativité des mesures, faites tous les 15 jours, par rapport aux
variations réelles des concentrations au cours de la période d’étude peut être mise en doute.
La cohérence du modèle peut être estimée en faisant la corrélation entre les valeurs observées et les
valeurs prédites (Figure 6.8). Un coefficient de corrélation (R2) de 0,863 est obtenu montrant bien la
précision du modèle pour le Hg. La pente de la droite déterminée par la régression est égale à 0,97 et
nous indique la justesse du modèle.

226
 0,7
[Hg] chair Lazaret (mg/kg)
[Hg] chair Bages (mg/kg)
0,6

0,5 R2=0,86

Valeurs prédites
0,4

0,3

0,2

0,1

0
0 0,1 0,2 0,3 0,4 0,5 0,6 0,7

Valeurs observées
Figure 6.8: Corrélation entre les valeurs observées et les valeurs simulées de concentrations en
Hg dans la chair pour les différents suivis réalisés.

Ainsi, les valeurs observées les plus importantes de la cinétique sont sur-estimées par le modèle,
période correspondant à la fin de la cinétique et au début de la phase de décontamination. En dehors de
ces quelques valeurs, la corrélation « observations-prédictions » est très bonne.

b. Le cadmium
En ce qui concerne les cinétiques du Cd, l’ajustement du modèle aux données observées sur les trois
sites d’étude aux contaminations différentes est plus difficile. Les écarts « estimations-observations »
restent globalement inférieurs à 30 % et sont moins bons que pour le Hg. Les cinétiques
d’accumulation du Cd en terme de concentration subissent de fortes variations au cours du temps
(Figure 6.3). Celles-ci sont reproduites mais restent difficiles à estimer dans leur totalité, en particulier
sur le site contaminé de Bages. Ainsi, sur le suivi de contamination de 6 mois sur Bages, le modèle a
tendance à sous-estimer la cinétique d’accumulation jusqu’à la période de ponte. Il semblerait que la
concentration en contaminant dans le milieu, intégré par le modèle, est insuffisante ou trop faible par
rapport à celle qui est disponible à l’animal. Ces différences « observations-prédictions » peuvent être
dues au fait que les concentrations en Cd dans l’eau et les particules utilisées par le modèle varient
avec le temps, par interpolation des mesures réalisées. C’est cette stratégie de simulation (stratégie 2)
qui donne les meilleurs résultats pour le Cd avec un critère d’ajustement de 3,48 au lieu de 3,42
lorsque ces concentrations sont constantes. Cela dit, la fréquence des mesures de concentrations dans
l’eau n’étant que de 15 jours nous renseigne que partiellement sur l’évolution du comportement du Cd
dans le milieu. Il est probable que, lors de la transplantation des moules sur Bages, la concentration
dans le milieu variait de façon importante. Cette variation, non perceptible sur le milieu avec une

227
fréquence de prélèvement de 15 jours, a tout de même été intégrée par l’organisme par une
accélération de sa cinétique.
En dehors de cette période, le modèle traduit bien les différences entre les sites. La cinétique observée
sur Port-Cros est retrouvée et s’ajuste relativement bien aux observations.
La cohérence du modèle peut être estimée en faisant la corrélation entre les valeurs observées et les
valeurs prédites (Figure 6.9). Un coefficient de corrélation (R2) de 0,76 est obtenu montrant bien la
précision du modèle pour le Cd. La pente de la droite déterminée par la régression est égale à 0,89 et
nous indique la justesse du modèle.
2,4
[Cd] chair Lazaret (mg/kg)
2,2 [Cd] chair Bages (mg/kg)

2
Valeurs prédites

1,8

1,6

1,4

1,2

1 R2=0,76
0,8

0,6

0,4
0,4 0,6 0,8 1 1,2 1,4 1,6 1,8 2 2,2 2,4

Valeurs observées
Figure 6.9: Corrélation entre les valeurs observées et les valeurs simulées de concentrations en
Cd dans la chair pour les différents suivis réalisés.

c. Le plomb
En ce qui concerne les cinétiques du Pb, le modèle s’ajuste relativement bien aux données observées
sur les trois sites d’étude aux contaminations différentes. Les écarts « estimations-observations »
restent globalement inférieurs à 30 % en dehors du suivi de 3 mois sur le Lazaret. Ainsi, l’importante
accumulation est bien simulée sur le suivi de 6 mois sur le Lazaret avec toutefois une légère sous-
estimation en début de cinétique alors que l’état de stabilité chimique des moules de Bages est respecté
(Figure 6.4). Le modèle traduit bien les différences entre ces deux sites. Aussi, la cinétique de
décontamination sur Port-Cros est visible et s’ajuste relativement bien aux observations. Par contre, le
suivi réalisé trois mois sur Bages n’est pas approché par le modèle qui sous-estime complètement cette
cinétique de bioccumulation qui atteint un niveau deux fois inférieur à l’observation alors que les trois
autres suivis sont bien simulés par le modèle. Il est fort probable qu’un facteur échappe au modèle
dans cette situation. Pourtant, c’est la stratégie de simulation qui considère la concentration dans le
milieu variable (stratégie 2) qui est la meilleure avec un critère d’ajustement de 8,43 au lieu de 9,55
lorsque qu’elle reste constante. De nouveau, la fréquence des mesures de concentration dans l’eau

228
n’étant que de 15 jours, nous renseignant que partiellement sur l’évolution du comportement du Pb
dans le milieu.
Un coefficient de corrélation (R2) de 0,73 entre les valeurs prédites et les valeurs observées est obtenu
montrant bien les propriétés du modèle concernant le Pb (Figure 6.10). La pente de la droite
déterminée par la régression est égale à 0,92 et nous indique la justesse du modèle.
9
[Pb] chair Lazaret (mg/kg)
8 [Pb] chair Bages (mg/kg)

7
R2=0,73
Valeurs prédites

0
0 1 2 3 4 5 6 7 8 9
Valeurs observées
Figure 6.10: Corrélation entre les valeurs observées et les valeurs simulées de concentrations en
Pb dans la chair pour les différents suivis réalisés.

d. Le cuivre
En ce qui concerne les cinétiques du Cu, le modèle est difficilement ajustable du fait de variations très
importantes du Cu sur les quatre suivis et aussi de concentrations et des cinétiques peu différentes
selon les suivis. Les écarts « estimations-observations » peuvent être très importants à certains
moments même si globalement le modèle suit la tendance générale des observations avec une période
de contamination sur le Lazaret et sur Bages puis une période de forte décontamination des moules sur
Port-Cros (Figure 6.5). Ainsi, l’importante accumulation est bien simulée sur le site du Lazaret alors
que celle de Bages est complètement sous-estimée dans un premier temps. C’est la stratégie de
simulation qui considère la concentration dans le milieu variable (stratégie 2) qui est la meilleure avec
un critère d’ajustement de 7,31 au lieu de 9,55 lorsque qu’elle reste constante.
Un coefficient de corrélation (R2) de 0,28 entre les valeurs prédites et les valeurs observées est obtenu
montrant bien la difficulté de précision du modèle sur ces observations de Cu très variables
temporellement (Figure 6.11). Cette valeur très faible de corrélation montre bien que le modèle ne
tient pas compte d’un système régulant du cuivre existant chez les mollusques marins.

229
 16
[Cu] chair Lazaret (mg/kg)
14 [Cu] chair Bages (mg/kg)

12

Valeurs prédites
R2=0,28
10

2
2 4 6 8 10 12 14 16
Valeurs observées
Figure 6.11: Corrélation entre les valeurs observées et les valeurs simulées de concentrations en
Cu dans la chair pour les différents suivis réalisés.

e. Le zinc
En ce qui concerne les cinétiques du Zn, le modèle s’ajuste moyennement bien aux données observées
sur les trois sites d’étude aux contaminations différentes. Les écarts « estimations-observations »
peuvent être importants. Ainsi, l’importante accumulation est bien reproduite sur le site du Lazaret
alors que l’état de stabilité chimique des moules de Bages est respecté. Le modèle traduit bien les
différences entre ces deux sites. Sur Port-Cros où la concentration en Zn continue d’augmenter, le
modèle voit son application réduite, avec une très forte sous-estimation en fin de suivi (Figure 6.6).
Les variations observées sont très importantes et difficilement approchable par le modèle. Pourtant,
c’est la stratégie de simulation qui considère la concentration dans le milieu variable qui est la
meilleure avec un critère d’ajustement de 5,7 au lieu de 5,86 lorsque qu’elle reste constante.
450
[Zn] chair Lazaret (mg/kg)
400 [Zn] chair Bages (mg/kg) R2=0,44

350
Valeurs prédites

300

250

200

150

100

50
50 100 150 200 250 300 350 400 450
Valeurs observées
Figure 6.12: Corrélation entre les valeurs observées et les valeurs simulées de concentrations en
Zn dans la chair pour les différents suivis réalisés.

230
Un coefficient de corrélation (R2) de 0,44 entre les valeurs prédites et les valeurs observées est obtenu
montrant bien la précision limitée du modèle au sujet du Zn (Figure 6.12). La pente de la droite
déterminée par la régression est égale à 0,85 et nous indique la justesse réduite du modèle. Cette valeur
très faible de corrélation montre bien que le modèle ne tient pas compte d’un système régulant du zinc
existant chez les mollusques marins.

En dehors de la validité et de la justesse du modèle de bioaccumulation, ces résultats nous amènent à

nous questionner quant à la pertinence des estimations réalisées et de la stratégie de suivi et des
mesures. En premier lieu, la fréquence des observations de la concentration en contaminants dans la
chair est intéressante et permet un bon suivi des cinétiques d’accumulation et de décontamination.
Bien entendu, pour le Cu et le Zn, une fréquence plus importante pourrait apporter d’avantages
d’explications et un meilleur ajustement du modèle, car les variations observées tous les 15 jours sont
très importantes et brutales. De plus, ils nous permettent pas d’approcher et de comprendre l’action
d’un mécanisme de régulation de ces deux métaux nécessaires à l’organisme.
La période choisie de l’étude est objective, du fait qu’elle englobe une bonne partie du cycle annuel, à
savoir la croissance, la phase reproductive mais aussi la période de repos sexuel et d’amaigrissement et
du fait qu’elle corresponde aux périodes d’étude réalisées dans le cadre des réseaux de surveillance. Le
choix des sites est très intéressant, de par leurs différences extrêmes tant en terme de contamination
que de conditions trophiques, et par conséquent d’état physiologique des moules bioindicatrices.
L’idéal aurait été de travailler sur un troisième site intermédiaire pour apporter un ajustement et une
validation supplémentaire au modèle.
Un autre point critique est la non considération de la variabilité des mesures. En effet, les
concentrations en métaux dans la chair sont issues d’un pool d’individus variant entre 15 et 25 selon
leur poids. De ce fait, la concentration mesurée est le résultat d’un ensemble variable mais aucune
information n’est disponible quant à cette variabilité individuelle non mesurée qui pourrait augmenter
la précision du modèle.
Enfin, l’intégration du comportement des contaminants dans le milieu n’est réalisée que partiellement
dans le modèle. En effet, une fréquence de 15 jours des mesures de concentrations dans l’eau et les
particules est trop faible pour nous permettre de s’en servir comme variable forçante de la
concentration dans l’organisme bioindicateur. L’évolution temporelle de ces concentrations dans
l’environnement est décrite globalement mais ne suffit pas à expliquer toutes les variations du
contaminant dans l’organisme. La représentativité de ces variables chimiques est de ce fait limitée à un
intervalle de temps trop important.

231
 5.2 Analyse du modèle sur le long terme
Dans cette étude, le modèle de bioaccumulation a été appliqué à trois sites aux caractéristiques
trophiques et environnementales différentes: la baie du Lazaret site oligotrophe contaminé en Hg, Pb
et Zn, l’étang de Bages site mésotrophe contaminé en Cd et Cu et l’île de Port-Cros site oligotrophe
peu contaminé par les métaux. Les performances de bioaccumulation simulées sont bien en adéquation
avec les observations du milieu. Ainsi, les différences de contamination des trois sites sont bien
interprétées par le modèle qui intègre les concentrations en métaux sous forme dissoute et particulaire.
Les simulations du Cu et du Zn, montrent clairement la non considération par le modèle d’une
fonction auto-régulatrice de la moule face à ces métaux traces essentiels, ce qui explique les variations
importantes de concentrations dans la chair. Le modèle permet de bien définir les caractéristiques
chimiques du modèle et l’impact du cycle biologique et de l’état physiologique sur le processus de
bioaccumulation.
La simulation du modèle couplé croissance - bioaccumulation sur le long terme a été réalisée sur le
site de Bages et du Lazaret pour la contamination et sur le site de Port-Cros pour la décontamination,
en considérant les concentrations en contaminants constantes dans le milieu (moyenne des
observations). La concentration initiale dans la chair est celle observée à t0 avant la transplantation sur
le Lazaret et Bages pour la simulation de la contamination et celle observée avant la seconde
transplantation sur Port-Cros pour la simulation de la décontamination. Ceci permet dans un premier
temps d’observer la stabilité du modèle puis de voir le temps nécessaire d’atteinte du plateau
d’équilibre mais aussi le temps de décontamination total de l’organisme en site propre. Cette
simulation a été faite pour les cinq métaux (Figure 6.13 à 6.17). Elle permet aussi de tester la
cohérence du modèle sur du long terme.

0,7
a - Contamination b - Décontamination
Lazaret
0,6
Bages
[Hg] chair (mg/kg)

[Hg] chair (mg/kg)

0,5
0,5
0,4
0,4 Lazaret
Bages 0,3
0,3

0,2 0,2

0,1 0,1

0 0
Jan02 Jan04 Jan06 Jan08 Jan10 Jan12 Jan02 Jan04 Jan06 Jan08 Jan10 Jan12

Figure 6.13: Simulation sur le long terme (10 ans) de la contamination par le Hg pour deux
niveaux de pollution (Lazaret et Bages) (a) et simulation de la décontamination de ces deux
suivis sur Port-Cros (b).

232
 25 a - Contamination 10 b - Décontamination
Lazaret Lazaret
9
Bages Bages
[Cd] chair (mg/kg)

20 8

[Cd] chair (mg/kg)

7

15 6

10 4

5 2

0 0
Jan02 Jan04 Jan06 Jan08 Jan10 Jan12 Jan02 Jan04 Jan06 Jan08 Jan10 Jan12

Figure 6.14: Simulation sur le long terme (10 ans) de la contamination par le Cd pour deux
niveaux de pollution (Lazaret et Bages) (a) et simulation de la décontamination sur Port-Cros(b).

10
a - Contamination 7
b - Décontamination
9 Lazaret
6 Bages
[Pb] chair (mg/kg)

8
[Pb] chair (mg/kg)

7 5

6
4
5 Lazaret
Bages 3
4

3 2
2
1
1

0 0
Jan02 Jan04 Jan06 Jan08 Jan10 Jan12 Jan02 Jan04 Jan06 Jan08 Jan10 Jan12
Figure 6.15: Simulation sur le long terme (10 ans) de la contamination par le Pb pour deux
niveaux de pollution (Lazaret et Bages) (a) et simulation de la décontamination sur Port-Cros(b).
a - Contamination b - Décontamination
20 11
Lazaret Lazaret
10
18 Bages Bages
9
[Cu] chair (mg/kg)

16
[Cu] chair (mg/kg)

8
14
7
12
6
10
5
8
4
6 3
4 2

2 1
Jan02 Jan04 Jan06 Jan08 Jan10 Jan12 Jan02 Jan04 Jan06 Jan08 Jan10 Jan12
Figure 6.16: Simulation sur le long terme (10 ans) de la contamination par le Cu pour deux
niveaux de pollution (Lazaret et Bages) (a) et simulation de la décontamination sur Port-Cros(b).

233
 1100
a - Contamination 550
b - Décontamination
Lazaret Lazaret
1000
Bages 500 Bages
900

[Zn] chair (mg/kg)

450
[Zn] chair (mg/kg)

800
400
700
350
600
300
500
250
400

300 200

200 150

100 100
Jan02 Jan04 Jan06 Jan08 Jan10 Jan12 Jan02 Jan04 Jan06 Jan08 Jan10 Jan12
Figure 6.17: Simulation sur le long terme (10 ans) de la contamination par le Zn pour deux
niveaux de pollution (Lazaret et Bages) (a) et simulation de la décontamination sur Port-Cros(b).

Ainsi, la simulation à long terme permet de montrer la cohérence du modèle pour le Hg, le Pb et le Cu
avec l’atteinte d’un équilibre alors que les résultats sont très discutables pour le Cd et le Zn. En effet,
la cinétique d’accumulation ne s’arrête jamais et suit finalement une augmentation constante
dépendant essentiellement du cycle pondéral de l’organisme et non de la cinétique spécifique au
contaminant. Ceci met donc en doute les résultats de l’optimisation des trois paramètres cinétiques
pour la contamination par le Cd et le Zn. Le meilleur ajustement du modèle sur les suivis réalisés de 9
mois ne correspond pas à une réalité et logique transférable sur du long terme. En effet, la
paramétrisation du modèle, se faisant par une optimisation sur les cinétiques, a attribué des valeurs aux
taux. La valeur très faible du taux d’élimination pour le Cd et le Zn permettait de bien s’accorder avec
les mesures terrain, mais en simulant sur du long terme, empêche tout processus d’atteinte d’équilibre
en site contaminé ou encore de décontamination en site peu contaminé. Les limites du modèle sont
atteintes ici pour le Cd et le Zn.
Au contraire, pour le Hg, le Pb et le Cu, les cinétiques « accumulation-décontamination » sont bien
retrouvées avec l’atteinte d’un équilibre chimique perturbée par l’évolution temporelle du poids de
l’organisme qui crée un effet dilution-concentration sur le cycle annuel. Elles montrent aussi la
rapidité de la contamination par rapport à la décontamination. Ainsi, le tableau 6.15 récapitule les
temps nécessaires à l’atteinte d’un pseudo-équilibre chimique sur les sites contaminés, à savoir le
Lazaret pour le Hg et le Pb et sur Bages pour le Cu.
Tableau 6.15: Temps nécessaire à l’atteinte d’un équilibre chimique lors de période de
contamination et de décontamination.
Temps atteinte équilibre
Métal Contamination Décontamination
Hg 224 jours 408 jours
Cd ? ?
Pb 225 jours 371 jours
Cu 74 jours 349 jours
Zn ? ?

234
5.3 Bilan des flux et comparaison bibliographique des paramètres cinétiques
Après avoir vérifié les propriétés mathématiques du modèle, le bilan de flux des quatre forçages peut
être dressé pour le modèle complet non simplifié (3 paramètres) sur chaque site et pour chaque métal:
flux d’entrée sous forme dissoute, flux d’entrée sous forme particulaire, flux de sortie et flux de
dilution/concentration. Le modèle utilisé permet de décrire l’importance du cheminement dissous et
particulaire sur la quantité de métal accumulé. L’impact de chaque flux sur la concentration en métal
dans la chair a été estimé en pourcentage et donne les résultats suivants (Figure 6.18 à 6.22) permettant
de partitionner la concentration dans la chair. Ainsi, le pourcentage obtenu correspond à la
participation du flux sur le suivi complet (contamination – décontamination).

a. Le mercure
Pour le Hg (Figure 6.18), la prépondérance de l’entrée sous forme dissoute (25 % du total des flux) par
rapport au particulaire (proche de 0 %) est bien montrée sur cette représentation, avec une entrée
(18%) sur Bages, largement compensée par une forte perte via l’élimination (12 %) couplée à un effet
dilution du à la croissance (22 %). Le bilan des flux est positif sur le Lazaret, site contaminé en Hg et
quasi-nul sur l’étang de Bages pour la phase de contamination.
LAZARET BAGES
Contamination - Décontamination Contamination - Décontamination
30
Impact de chaque flux sur [Hg](%)

20

10

-10
Flux dissous
Flux pa rticulair e
-20 Flux concentration
Flux dilu tion
Flux excrétion
-30
Figure 6.18: Répartition des flux de concentration pour le Hg sur les suivis réalisés: flux dissous,
flux particulaire, flux concentration, flux dilution et flux d’excrétion.
La décontamination des moules issues du Lazaret se fait essentiellement par le flux d’élimination
(18%), le flux de dilution égalant le flux de concentration alors que le flux d’entrée devient très faible
(5%). Le bilan de flux du modèle vient confirmer la possibilité de simplification basée sur la
suppression de l’entrée particulaire testée statistiquement. Toutefois, il est prudent de conserver cette
entrée particulaire lors d’application en site contaminé et riche trophiquement. Les résultats obtenus
dans différentes études menées sur les cinétiques de bioaccumulation Hg sont présentés dans le tableau
6.16 montrant la contribution des différentes espèces du mercure dans le processus de
bioaccumulation.

235
 Tableau 6.16: Récapitulatif des paramètres obtenus concernant le Hg dans les études de bioaccumulation.

Espèce Modèle ou expérience ku: Taux EA: Efficacité IR: Taux ke: Taux de g: Taux de Coefficient FBC Références
L coquille, poids chair, entrée sous assimilation du ingestion sortie sortie par partition
Cp, Cd forme particulaire g.g-1.jour-1 jour-1 croissance dans l’eau
dissoute % (DW) jour-1 Cp/Cd
L.g-1.jour-1 L.kg-1
(DW)
Bivalves dC m 5 72 % (methyl) 0,25 Eau – Nourriture 0,002 4-7.105 2.105 (Thomann et
marins dont = k u C d + EA ⋅ IR ⋅ C p − (k e + g ) ⋅ C m 4% (Riisgard et 0,0003 – 0,0003 (méthyl) al., 1995)
dt
Mytilus edulis Tailles variées: Mussel Watch Database (inorganique) Hansen, 1990) Sédiment 1.103
0,0693 (inorganic)
(méthyl) 2,1.105
(total)
Moules zébrées Laboratoire, L=18-22 mm, DW=16,6 mg 1,84 - 4,75 4-40 % 0,05 ± 0,005 (Roditi et
Fisher, 1999)
Moules zébrées dC m 2,3 ± 0,2 3,6 ± 1,3 % 0,35 0,05 ± 0,005 0,0019 3,6.105 1-17.104 (Roditi et al.,
= k u C d + EA ⋅ IR ⋅ C p − (k e + g ) ⋅ C m ± 0,0002 2000)
dt
L=18-22 mm
Huîtres Laboratoire, [Hg (II)]eau=0,008-3,43 µg.L-1 2,064 31 ± 1,9 % 0,45 (Blackmore
[CH3Hg] eau =0,034-17,15 µg.L-1 3,445 90,6 ± 3,1 % et Wang,
L=25-30 mm 2004)
Moules, Mytilus Modèle simplifié de bioaccumulation, Min -Max: non déterminé IRmax,10°C = Min -Max: Min -Max: 7,9-22,4.105 1-2.105 Cette étude
galloprovincialis L= 50-70 mm 1,37-3,7 (rpa= 0 0,37 0,0036-0,013 -0,1574
Cd=0,3-2 ng.L-1, Cp=0,07-1,6 mg.kg-1 (rda= 520 cm.g.jour-1.cm-3) variable avec (rad = 0,0018 +0,068
cm.jour-1) poids, DEB cm.jour-1)
model

236
Cette propriété de spéciation du Hg n’est pas prise en compte dans le modèle, celui-ci étant basé sur la
concentration dissoute totale. Le méthyl-mercure (CH3HgII) est connu pour avoir une plus importante
mobilité, biodisponibilité et toxicité que le mercure inorganique (Hg II) pour les animaux aquatiques.
La bioamplification du méthyl-mercure dans les réseaux trophiques est clairement documentée (Mason
et al., 1995; Mason et al., 1996). La quantification de l’impact de ces deux espèces métalliques
n’ayant pas été réalisée en laboratoire, des flux globaux sont simulés par le modèle qui attribue une
importance plus grande à la voie dissoute qu’à la voie particulaire. Mais cette optimisation ne peut être
entendue comme une conclusion quant au partitionnement et l’impact des flux sur la quantité assimilée
par l’organisme. D’ailleurs, la non considération de la voie particulaire (rpa=0) nous empêche de
déduire l’efficacité d’assimilation (EA) qui en est issue.
Dans le modèle de bioaccumulation, le coefficient d’entrée global (ku) varie entre 1,37 et 3,7

-1 -1 rdaV 2 / 3
L.g .jour avec le volume de structure et le poids de chair de la moule (relation: ). Cette
Ww
valeur reste proche de celle obtenue par des mesures en laboratoire.
De la même façon, le taux de sortie du Hg, ke, (entre 0,0036 et 0,013 jour-1), relié allométriquement au
rad V 2 / 3
volume de structure et au poids de chair (relation: ) est légèrement inférieur aux valeurs
Ww
obtenues par Roditi & Fisher (1999) (0,5 jour-1) où l’efficacité d’assimilation varie entre 4 et 40 %.
La valeur du taux de dilution par la croissance, trouvée dans la bibliographie, est toujours positive et
ne change jamais avec le volume, ceci impliquant que l’effet inverse de concentration n’est pas traité.
Dans cette étude, le taux de dilution/concentration du à la croissance/amaigrissement
1 dWw
(relation: ⋅ ) varie entre -0,1574 et +0,068 jour-1, soit une valeur maximale 30 fois plus
Ww dt
importante que celle utilisée de façon constante dans les deux modèles de Thomann et al. (1995) et de
Roditi et al. (2000).
Enfin, la valeur du coefficient de partition (Kd) des mesures en laboratoire équivaut à la valeur
inférieure de l’intervalle observé dans notre étude, où le maximum est trois fois supérieur au
minimum.

b. Le cadmium
En ce qui concerne le Cd (Figure 6.19), l’importance de la voie particulaire (25 % du total des flux) est
mise en évidence sur le site de Bages fortement contaminé, couplée toutefois à une entrée sous forme
dissoute (5 %) et à un effet concentration du aux périodes d’amaigrissement (11 %). Au contraire, les
moules du Lazaret subissent des entrées très faibles via l’eau et les particules mais sont par contre
soumises à un amaigrissement important expliquant les concentrations fortes dans leur chair, le taux
de sortie étant nul. Lors de la transplantation sur Port-Cros, la décontamination observée est très lente,
de par l’action de l’amaigrissement important des organismes.

237
La paramétrisation du modèle a négligé complètement la sortie de Cd et a ajusté en contre-partie le
modèle grâce au facteur concentration/dilution entraîné par les variations de poids. C’est pour cette
raison que la simplification à deux paramètres cinétiques, supprimant la voie d’élimination a été
proposée et testée statistiquement.
LAZARET BAGES
Contamination - Décontamination Contamination - Décontamination
50

40
Impact de chaque flux sur [Cd] (%)

30

20

10

-10

-20
Flux dissous
-30 Flux pa rticulair e
Flux concentration
-40
Flux dilu tion
Flux excrétion
-50

Figure 6.19: Répartition des flux de concentration pour le Cd sur les suivis réalisés: flux dissous,
flux particulaire, flux concentration, flux dilution et flux d’excrétion.
Le modèle montre que la capture du Cd de l’environnement dépend conjointement de la concentration
sous forme dissoute et sous forme particulaire présente dans la nourriture. Aussi, les facteurs
physiologiques de l’organisme ont une influence importante. La capture est aussi considérablement
influencée par la quantité de nourriture disponible, en particulier sur Bages où la fonction nutritive est
élevée.
Les résultats obtenus dans différentes études menées sur les cinétiques de bioaccumulation du Cd sont
présentés dans le tableau 6.17. Les plus comparables à notre étude sont celles du modèle de
bioaccumulation de van Haren et al. (1994) qui a été appliqué sur deux types de données: en
laboratoire d’après les travaux de Borchardt (1983 et 1985) et d’Adema (1981) et sur le terrain d’après
une étude de la cinétique du Cd sur un estuaire des Pays-Bas (Western Scheldt estuary) (van Haren et
al., 1990; Zwolsman et van Eck, 1993). Dans la première situation, les paramètres cinétiques (rda rpa et
rad) ont pour valeur 12,15 cm.jour-1, 1,16.10-3 cm.g.jour-1.cm-3 et 0,0112 cm.jour-1 alors que dans le
second cas, ils sont de 213 cm.jour-1, 1,4.10-3 cm.gpom.jour-1.cm-3 et 0,0964 cm.jour-1. Un facteur 10
entre ces deux applications amène à des contributions différentes de l’entrée de Cd par la nourriture.
Ainsi, le ratio du taux de capture par la nourriture sur le taux de capture via l’eau varie de 0,002 à
0,005 (Adema, 1981; Borchardt, 1983) et 0,0015 (Riisgard et al., 1987) en laboratoire et de 0,27 à
1,74 sur le terrain (van Haren et al., 1990; Zwolsman et van Eck, 1993). Bien entendu, cette entrée
particulaire est aussi corrélée à la nourriture disponible limitée en laboratoire (fnut = 0,11 / 0,076 /
0,051 / 0,034 / 0,023 / 0,015) et à la plus faible quantité de Cd d’exposition.

238
 Tableau 6.17: Récapitulatif des paramètres obtenus concernant le Cd dans les études de bioaccumulation.
Espèce Modèle ou expérience ku: Taux entrée EA: Efficacité assimilation du IR: Taux ke: Taux de g: Taux de Coefficient FBC Références
L coquille, poids chair, sous forme dissoute particulaire ingestion sortie sortie par partition
Cp, Cd L.g-1.jour-1 (DW) % g.g-1.jour-1 jour-1 croissance Cp/Cd
(DW) jour-1 L.kg-1
Mytilus edulis Laboratoire, Période étude: 70 jours, 10 à 18 % 28 à 63 % 0,7 à 1,6 % 4-13,6. 105 Eau: 4-5.104 (Borchardt, 1985)
L=17-18 mm Nourr: 20-50
Cd=1-3,4 µg.L-1, Cp=1,36 mg.kg-1
Mytilus edulis Modèle décrit: rda= rpa = IRmax =0,6 rad= (van Haren et al.,
Données Borchardt (1985) 12,15 cm.jour-1 0,00116 0,011 cm.jour-1 1994)
Données Adema (1981) rda=213 cm.jour-1 0,0014 cm.g.jour-1.cm-3 0,0964 cm.jour-1
Bivalves 5 69 % 0,25 Eau - Particules 0,002 1-3.104 2.104 (Thomann et al.,
= ku Cd + EA ⋅ IR ⋅ C p − (ke + g ) ⋅ Cm
dCm
marins dont dt 0,0003 - 0,0054 1995)
Mytilus edulis Tailles variées: Mussel Watch Sédiment
Database, 1986-1988 0,0003
Mytilus Laboratoire, Eau - Particules (Fisher et al., 1996)
galloprovincialis L = 60 mm, DW =35 g 22 % 81 % 0,0116 - 0,0444
Laboratoire: 32 % 95 % 0,0152 – 0,0008
Terrain:
Mytilus edulis Laboratoire, L=30-35 mm 0,346–0,384 0,1-0,3 (%) 0,014 ± 0,007 5.103 (Wang et al., 1996)
Mytilus edulis Laboratoire, cinétique de 72 h 23 – 30 % (concentration en 4,84 – 5,62 (Wang et Fisher,
L= 30-35 mm diatomées) 1996b)
Mytilus edulis Laboratoire, L=30-35 mm 0,365 11-40 % 0,27 0,011 – 0,014 (Wang et Fisher,
1997a)
Mytilus edulis 1,47-1,84 (15 mm) 28,7 % 1,44 (15mm) 0,0345 (15 mm) 0-0,12 (Wang et Fisher,
= ku Cd + EA ⋅ IR ⋅ C p − (ke + g ) ⋅ Cm
dCm
dt 0,47-0,7 (25 mm) 18,4 % 0,94 (25mm) 0,0324 (25 mm) 1997b)
L= 15-25-50 mm, 0,27-0,3 (50 mm) 35,2 % 0,37 (50mm) 0,0167 (50 mm)
DW=0,05-0,15-1 g
Mytilus edulis Laboratoire, L=30-35 mm 0,365 11 – 40 % 0,27 Eau – Particules 5.103 (Wang et Fisher,
0,011 – 0,014 1998a; Wang et
Fisher, 1999)
Moules zébrées Laboratoire, L=18-22 mm, 2,3 – 3,22 19 – 72 % Eau - Particules (Roditi et Fisher,
DW=16,6mg 0,011 - 0,013 1999)
Moules zébrées 1,98 ± 0,16 22,7 ± 3,7 % 0,35 Eau - Particules 0,0019 0,8-2,8.105 15-64.104 (Roditi et al., 2000)
= ku Cd + EA ⋅ IR ⋅ C p − (ke + g ) ⋅ Cm
dCm
dt 0,011 - 0,011 ± 0,0002
L=18-22 mm
Huîtres Laboratoire, L=25-30 mm 0,343 30,2 ± 1,7 % 0,45 (Blackmore et
Wang, 2004)
Mytilus Modèle de bioaccumulation, Min -Max: Min -Max: 0,5-21 % IRmax,10°C = 0 Min -Max: 0,9-2.104 5-15.104 Cette étude
galloprovincialis L= 50-70 mm 0,039-0,146 (pour un IR de 0,27) 0,37 (rad = 0 -0,1574
Cd=6-36 ng.L-1, Cp=0,08-0,7 mg.kg-1 (rda= 20 cm.jour-1) (rpa= 0,087cm.g.jour-1.cm-3) DEB model cm.jour-1) +0,068

239
Notre modèle, avant d’être simplifié, donne comme valeurs aux trois paramètres: 11 cm.jour-1, 9,4.10-3
cm.gphéopigments.jour-1.cm-3 et 0,0001 cm.jour-1. Ainsi, le taux d’entrée sous forme dissoute devient plus
ou moins semblable à celui obtenu sur les données en laboratoire, alors que le taux d’entrée
particulaire est 10 fois plus important. A cela s’ajoutent des fonctions nutritives presque 10 fois plus
fortes sur Bages que celles observées en laboratoire et des concentrations dans le milieu très
importantes. La conséquence en est une très forte contribution de l’entrée particulaire (25 %) du total
sur le suivi complet.
Sous les conditions expérimentales reproduites par Borchardt, seulement entre 0,016 et 0,042 % de la
quantité de Cd accumulé est issue de la nourriture. En utilisant une relation linéaire entre la
concentration en Cd dans l’eau et dans la chair, des calculs montrent que sous conditions naturelles, la
contribution de la nourriture est de 0,2 à 0,5 % dépendant de sa biodisponibilité (George et Coombs,
1977; Poulsen et al., 1982). Ce montant est négligeable et beaucoup plus bas que l’estimation de 10 %
réalisée par d’autres équipes (Jansen et Scholtz, 1979; Jansen et al., 2002) qui ont basé leur calcul sur
le fait que 70 % du Cd de la solution algale était associé au Dunatiella marina. Dans l’étude de
Borchardt où Isochrisis galbana est utilisée, seulement 0,8 % du Cd en était lié. Ceci entraîne une très
faible participation de la voie particulaire.

En comparaison aux mesures réalisés en laboratoire, le paramètre cinétique ku issu de notre étude
(0,039-0,146 L.g-1.jour-1) reste toutefois bien inférieur. L’efficacité d’assimilation du particulaire (EA)
de notre modèle (0,5-21 %) reste aussi dans la partie inférieure de l’intervalle très large des
observations (0,1-95 %), l’entrée particulaire dépendant aussi de la fonction nutritive et de la
concentration en Cd mesurée dans les particules. Le coefficient de partition dissous-particulaire des
mesures en laboratoire est souvent dix fois plus élevé que celui reporté dans notre étude.
Par contre, l’évaluation des courbes et du paramètre d’élimination (ke) reste un problème difficile. Le
Cd accumulé est stocké dans les différents tissus. Il peut aller d’un organe à l’autre selon les
différentes affinités. En même temps, une partie est relâchée alors qu’une autre est transférée sur des
pièges fixes. ke issu du modèle de bioaccumulation est complètement sous-estimé, la simplification
nous amenant à le négliger.
Enfin, le taux du à la croissance varie du négatif (effet dilution) au positif (effet concentration) et met
en évidence la forte corrélation observée entre la concentration dans la chair et les variations de poids
de la moule. Ainsi, inversement à l’effet de dilution peut avoir lieu un effet de concentration négligé
par les autres études.

c. Le plomb
Pour le Pb, la répartition des différents flux donnent les résultats suivants sur les sites étudiés (Figure
6.20). Le profil ressemble très fortement à celui du Hg, ce qui est normal de par la similitude de leurs
cinétiques et performances de bioaccumulation, mais aussi du fait que ce soit le même site contaminé,

240
à savoir le Lazaret. L’entrée sous forme dissoute prépondère (22 % du total des flux) par rapport à
l’entrée sous forme particulaire nulle quelque soit le site. La simplification proposée, éliminant cette
entrée, peut-être acceptée plus globalement, du fait de sa valeur nulle même sur Bages, contrairement
au Hg où une entrée de 0,2 % était observée malgré la très faible contamination du site. La pénétration
du plomb dans les cellules est le résultat principalement du transport sous forme dissoute Pb2+ comme
cela a déjà été montré (Coombs et George, 1978; Wang et Fisher, 1997a) et est proportionnelle à la
concentration en plomb dans le milieu (Schulz-Baldes, 1974; Schulz-Baldes, 1977; Borgmann et al.,
1993; Riget et al., 1997; Boisson et al., 1998).
LAZARET BAGES
Contamination - Décontamination Contamination - Décontamination
30
Impact de chaque flux sur [Pb] (%)

20

10

-10

Flux dissous
Flux pa rticulair e
-20
Flux concentration
Flux dilu tion
Flux excrétion
-30

Figure 6.20: Répartition des flux de concentration pour le Pb sur les suivis réalisés: flux dissous,
flux particulaire, flux concentration, flux dilution et flux d’excrétion.

La décontamination des moules du Lazaret est clairement due à l’élimination (15 %), le facteur de
dilution égalant le facteur de concentration. Les cinétiques sont bien approchées par le modèle, les
métallothionéines n’ayant pas de rôle dans la séquestration et la détoxication du plomb (Cossa et al.,
1993), simplifiant la simulation. Les résultats obtenus dans différentes études menées sur les
cinétiques de bioaccumulation du Pb sont présentés dans le tableau 6.18.
Ainsi, le ku du modèle, entre 0,28 et 1, est comparable à celui de Thomann et al. (1995) (ku =1), celui
de Schulz-Baldes (1974) (ku =33-36) étant obtenu en conditions extrêmes de contamination. Par
contre, avec un rpa nul, l’efficacité d’assimilation particulaire est négligée. Enfin, le taux de sortie est
en accord avec les observations en laboratoire alors que comme pour les autre métaux, le taux du à la
croissance varie du négatif (effet dilution) au positif (effet concentration).

241
 Tableau 6.18: Récapitulatif des paramètres obtenus concernant le Pb dans les études de bioaccumulation.
Espèce Modèle ou expérience ku: Taux entrée EA: Efficacité IR: Taux ke: Taux de g: Taux Coefficient FBC Références
L coquille, poids chair, sous forme dissoute assimilation du ingestion sortie de sortie partition
Cp, Cd L.g-1.jour-1 (DW) particulaire g.g-1.jour-1 jour-1 par Cp/Cd
L.kg-1
% (DW) croissance
jour-1
Mytilus edulis Laboratoire, L=19-21 mm, DW=29-31 mg 4-8.104 3,5.104 (Schulz-
[Pb] dans l’eau= Cd=0,05 mg.L-1 33,4 63 % 0,001 Baldes, 1974)
0,1 mg.L-1 33
0,2 mg.L-1 36,3
Cp=400-800 mg.kg-1
Bivalves dCm
= ku Cd + EA ⋅ IR ⋅ C p − (ke + g ) ⋅ Cm
1 10 % 0,25 Eau - Particules 0,002 6-10.105 1.104 (Thomann et
marins dont dt 0,013 - 0,013 al., 1995)
Mytilus edulis Tailles variées: Mussel Watch Database,
1986-1988
Mytilus Laboratoire, L = 60 mm, DW = 35 g Eau - Particules (Fisher et al.,
galloprovincialis Laboratoire: 60 % 61 % 0,0196 - 0,0281 1996)
Terrain: 56 % 64 % 0,0142 - 0,0251
Mytilus Modèle simplifié de bioaccumulation, Min -Max: 0,2843-1,05 non déterminée IRmax,10°C = Min -Max: Min -Max: 1-7.105 7-30.104 Cette étude
galloprovincialis L= 50-70 mm (rda= 134,6 cm.jour-1) (rpa= 0 0,37 0,0037-0,0139 - 0,1574
Cd=15-111 ng.L-1, Cp=2-20 mg.kg-1 cm.g.jour-1.cm-3) variable avec (rad = 0,0019 + 0,068
poids, DEB cm.jour-1)
model
Tableau 6.19: Récapitulatif des paramètres obtenus concernant le Cu dans les études de bioaccumulation.
Espèce Modèle ou expérience ku: Taux entrée sous EA: Efficacité IR: Taux ke: Taux de g: Taux de Coefficient FBC Références
L coquille, poids chair, forme dissoute assimilation du ingestion sortie sortie par partition
Cp, Cd L.g-1.jour-1 (DW) particulaire g.g-1.jour-1 jour-1 croissance Cp/Cd
% (DW) jour-1 L.kg-1
Bivalves dCm
= ku Cd + EA ⋅ IR ⋅ C p − (ke + g ) ⋅ Cm
5 70 % 0,25 Eau - Particules 0,002 3-8.104 2.104 (Thomann
marins dont dt 0,001 - 0,001 et al.,
Mytilus edulis Tailles variées: Mussel Watch Database, 1995)
1986-1988
Mytilus Modèle simplifié de bioaccumulation, Min -Max: 91,5-338,5 non déterminée IRmax,10°C = Min -Max: Min -Max: 3-8.104 1-2.104 Cette étude
galloprovincialis L= 50-70 mm (rda=0,0178 cm.jour-1) (rpa= 0 0,37 0,0126-0,024 - 0,1574
Cd=0,1-1 µg.L-1, Cp=4-45 mg.kg-1 cm.g.jour-1.cm-3) variable avec (rad = 0,002 + 0,068
poids, DEB cm.jour-1)
model

242
 d. Le cuivre
En ce qui concerne le Cu et le Zn, le bilan de flux est à prendre avec précautions, de par la plus grande
difficulté d’ajuster le modèle aux observations. Toutefois, celui du Cu (Figure 6.21) ressemble très
fortement à celui du Pb avec l’entrée dissoute prépondérante (entre 22 et 28 % du total des flux) et
l’importance de l’élimination (22 %).
LAZARET BAGES
Contamination - Décontamination Contamination - Décontamination
40

30
Impact de chaque flux sur [Cu] (%)

20

10

-10

-20 Flux dissous

Flux pa rticulair e

-30 Flux concentration

Flux dilu tion
Flux excrétion
-40

Figure 6.21: Répartition des flux de concentration pour le Cu sur les suivis réalisés: flux dissous,
flux particulaire, flux concentration, flux dilution et flux d’excrétion.

La caractéristique de ce bilan pour le Cu est la forte élimination (18 %) par rapport aux autres flux lors
de la transplantation des moules du Lazaret sur Port-Cros, amenant la potentialité d’une régulation par
l’organisme. En effet, ici, ce sont les taux cinétiques d’entrée dissoute et de sortie qui prépondèrent,
par leur action, sur l’effet concentration/dilution du aux variations de poids. Une seule valeur des
paramètres cinétiques de bioaccumulation du Cu a été trouvée dans la bibliographie (Tableau 6.19).
Par contre, l’entrée de cuivre préférentiellement sous forme ionique (Cu2+) a été démontrée (Sunda et
Huntsman, 1998).
Ainsi, le ku du modèle est beaucoup plus important que celui de Thomann et al. (1995). Par contre,
l’efficacité d’assimilation particulaire est négligée. Enfin, le taux de sortie est supérieur à celui observé
en laboratoire et comme pour les autre métaux, le taux du à la croissance varie du négatif (effet
dilution) au positif (effet concentration).

243
 e. Le zinc
Enfin, pour le Zn (Figure 6.22), les flux prépondérants sont ceux liés aux variations de poids de
l’organisme. En effet, les cinétiques sont très fortement perturbées et l’ajustement se fait en parallèle
aux variations de poids. Ceci met l’accent sur le caractère régulé de ce métal et la nécessite d’intégrer
une fonction supplémentaire d’autorégulation.

LAZARET BAGES
Contamination - Décontamination Contamination - Décontamination
50

40
Impact de chaque flux sur [Zn] (%)

30

20

10

-10

-20
Flux dissous
-30 Flux pa rticulair e
Flux concentration
-40
Flux dilu tion
Flux excrétion
-50

Figure 6.22: Répartition des flux de concentration pour le Zn sur les suivis réalisés: flux dissous,
flux particulaire, flux concentration, flux dilution et flux d’excrétion.

Les résultats obtenus dans différentes études menées sur les cinétiques de bioaccumulation du Zn sont
présentés dans le tableau 6.20. De la même façon que pour le Cd, le modèle se base essentiellement
sur l’impact des variations pondérales sur la concentration dans les tissus. De ce fait, les flux dissous
et particulaire interviennent de façon mineure dans les cinétiques simulées, rendant délicat la
compréhension du partitionnement des flux métalliques originaires du milieu environnant.
Ainsi, le ku du modèle (0,5-1,3 L.g-1.jour-1) rentre bien dans l’intervalle des différentes observations
(0,7-5 L.g-1.jour-1) tout en restant dans la partie inférieure. L’efficacité d’assimilation particulaire (0,5-
15 %) correspond au minimum observé par certaines études en laboratoire, même si Fisher et al
(1996) ont mis en évidence une importante différence entre l’EAparticulaire mesurée en laboratoire (54 %)
et sur le terrain (15 %). Enfin, le taux de sortie n’est pas traité par le modèle et comme pour les autres
métaux, le taux du à la croissance varie du négatif (effet dilution) au positif (effet concentration).

244
 Tableau 6.20: Récapitulatif des paramètres obtenus concernant le Zn dans les études de bioaccumulation.
Espèce Modèle ou expérience ku: Taux entrée sous EA: Efficacité IR: Taux ke: Taux de g: Taux de Coefficient FBC Références
L coquille, poids chair, forme dissoute assimilation du ingestion sortie sortie par partition
Cp, Cd L.g-1.jour-1 (DW) particulaire g.g-1.jour-1 jour-1 croissance Cp/Cd
% (DW) jour-1 L.kg-1
Bivalves dCm
= ku Cd + EA ⋅ IR ⋅ C p − (ke + g ) ⋅ Cm
5 70 % 0,25 Eau - Particules 0,002 1-8.104 2.104 (Thomann et
marins dont dt 0,001 - 0,001 al., 1995)
Mytilus edulis Tailles variées: Mussel Watch
Database, 1986-1988
Mytilus Laboratoire, L = 60 mm, DW = 35 g Eau - Particules (Fisher et al.,
galloprovincialis Laboratoire: EAeau = 52 % EAparticule = 54 % 0,0005 - 0,0655 1996)
Terrain: EAeau = 19 % EAparticule = 15 % 0,0169 - 0,0133
Mytilus edulis Laboratoire, L=30-35 mm 0,963 - 1,131 1,5 ± 0,9 % 2.104 (Wang et al.,
1996)
Mytilus edulis Laboratoire, cinétique de 72 h 34 - 49 % 4,1 - 5,6 (Wang et
L=30-35 mm (concentration en Fisher,
diatomées) 1996b)
Mytilus edulis Laboratoire, L=30-35 mm, 1,044 EA = 16 - 48 % 0,015 - 0,02 (Wang et
Fisher,
1997a)
Mytilus edulis dCm
= ku Cd + EA ⋅ IR ⋅ C p − (ke + g ) ⋅ Cm
4,44-4,64 (15 mm) 80,8 % 1,44 (15 mm) 0,0123 (15 mm) 0-0,12 (Wang et
dt 1,27-1,68 (25 mm) 46,7 % 0,94 (25 mm) 0,0141 (25 mm) Fisher,
L= 15-25-50 mm, DW=0,05-0,15-1 g 0,72-0,86 (50 mm) 96 % 0,37 (50 mm) 0,0141 (50 mm) 1997b)
Mytilus edulis Laboratoire, L=30-35 mm 1,044 16 - 48 % 0,27 Eau - Particules 2.104 (Wang et
0,015 - 0,02 Fisher,
1998a)
(Wang et
Fisher, 1999)
Huîtres Laboratoire, L=25-30 mm 0,745 52,9 ± 2,8 % 0,45 (Blackmore
et Wang,
2004)
Mytilus Modèle simplifié de Min -Max: 0,5–1,3 0,5-15 % IRmax,10°C = Min -Max: 0 Min -Max: 3-12.104 2,4-2,6.105 Cette étude
galloprovincialis bioaccumulation, (rda= 1,85.10 cm.jour-1)
-4
(pour un IR de 0,27) 0,37 (rad = 0 cm.jour-1) - 0,1574
L= 50-70 mm (rpa= 0,0052 variable avec + 0,068
Cd=0,2-2 µg.L-1, Cp=28-80 mg.kg-1 cm.g.jour-1.cm-3) poids, DEB
model

245
6 Prédiction des concentrations métalliques dans le milieu par l’analyse inverse des
données RINBIO
6.1 Principe de l’analyse inverse
De la même façon que le modèle de croissance a été inversé pour en déduire la fonction nutritive
(fnut), renseignant quant aux caractéristiques trophiques du milieu, une des utilisations du modèle de
bioaccumulation est l’analyse inverse des données acquises dans le cadre du réseau RINBIO
(concentration en métaux dans la chair) pour en obtenir les concentrations en métaux dans l’eau. Il y a
donc deux inconnues, la concentration en métal sous forme dissoute (Cd) et la concentration en métal
sous forme particulaire (Cp).
Le flux d’élimination et le flux de dilution/concentration dû à la croissance étant connus et
indépendants de la concentration dans le milieu environnant, c’est le flux entrant qui va permettre de
les estimer.

Flux _ entrant =
[r da ]
⋅ C d + rpa ⋅ fnut ⋅ C p ⋅ V 2 / 3
W
Le principe de l’analyse inverse est d’optimiser la valeur du flux entrant additionnant l’entrée dissoute
et particulaire et faisant intervenir les deux concentrations environnementales.
Connaissant le volume de structure (V) et le poids sec total de chair (W), il suffit d’estimer la quantité
X, faisant intervenir les deux concentrations recherchées (Cd dissous et Cp particulaire), les deux
paramètres cinétiques entrant connus (rda et rpa) et la fonction nutritive connue (fnut):
X = rda ⋅ C d + rpa ⋅ fnut ⋅ C p
Une fois cette valeur de X connue, il reste à connaître la part de l’entrée par voie dissoute (rda.Cd) et de
l’entrée par voie particulaire (rpa.fnut.Cp) de façon à obtenir les deux concentrations respectives (Cd en
ng.L-1 et Cp en mg.kg-1). A partir de là, la concentration totale dans le milieu (en ng.L-1) peut être
calculée, la fonction nutritive étant reliée à la concentration en particules dans le milieu. Différents
scénarios peuvent alors être réalisés quant au partitionnement dissous / particulaire. En effet, cette
valeur de la répartition est spécifique au métal et peut être variable spatio-temporellement.

6.2 Répartition dissous/particulaire sur les sites de l’étude réalisée et prédiction

Avant de tester l’analyse inverse, le modèle de bioaccumulation, mis en place pour les trois sites du
Lazaret, de Bages et de Port-Cros, permet de calculer la valeur de X issue des paramètres cinétiques et
des concentrations en métal mesurées. Aussi, les fractions dissoute (rda.Cd) et particulaire (rpa.fnut.Cp) de
X sont obtenues sur les cinétiques observées et simulées sur chacun des trois sites pour chaque métal.
Une fois la gamme de répartition de la fraction dissoute/particulaire sur la quantité X cernée sur ces
trois sites appartenant au réseau RINBIO, l’analyse inverse de l’ensemble des concentrations dans la
chair acquises dans le cadre du réseau de surveillance est réalisée pour obtenir une gamme potentielle
de concentrations en contaminant dans l’eau, sous forme dissoute et/ou particulaire, sur les stations
suivantes (Tableau 6.21).

246
 Tableau 6.21: Noms des stations RINBIO étudiés et numéros de sites attribués.
Station ns Station ns Station = Etang (Etg) ns
Banyuls (01A) 2 Bandol-Sanary (21B) 27 Etg Leucate (04B) 78
Port Vendres (01B) 3 Siciè (21C) 28 Etg Lapalme (05A) 79
Argelès (02A) 4 St Mandrier (22A) 29 Etg Bages Sud (06C) 80
Canet plages (02B) 5 Toulon gde rade (22B) 30 Etg Bages Nord (06C 81
Barcares (02C) 6 Toulon petite rade (22C) 31 Etg Ayrolle (06A) 82
Fleury (07B) 8 Giens (23A) 32 Etg Thau Sud (09A) 83
Valras Ouest (07D) 9 Hyères Ouest (23B) 33 Etg Thau Nord (09B) 84
Valras (07D) 10 Hyères Est (23B) 34 Etg de Vic (11A) 85
Agde (07C) 11 Port-Cros (23C) 35 Etg Prevost (11B) 86
Marseillan (08A) 12 Lavandou (24A) 36 Etg Ingrill (11C) 87
Sète (08B) 13 Cavalaire (24B) 37 Etg Méjean (12A) 88
Frontignan (10A) 14 Pampelone (25A) 38 Etg Ponant (13A) 89
Palavas (10C) 15 St Tropez (26A) 39 Etg Berre (17A) 90
Grau du Roi (10B) 16 Fréjus Ouest (27A) 40
Saintes Maries (15A) 17 Fréjus Est (27B) 41
Emb. Rhône (15B) 18 Cannes Ouest (28A) 42
Carteau (16C) 19 Cannes Est (28B) 43
Ponteau (16B) 20 Antibes (29A) 44
Carry (18A) 21 Emb du Var (29D) 45
Marseille Nord (19A) 22 Apt Nice (29B) 46
Marseille Sud (19B) 23 Nice (29C) 47
Cortiou (20A) 24 Beaulieu (30B) 48
Cassis (20B) 25 Menton (30A) 49
La Ciotat (21A) 26

a. Le mercure
A partir des cinétiques de contamination/décontamination réalisées, la valeur de X et les fractions
dissoute et particulaire sont calculées pour le mercure, sur les trois sites d’études (Lazaret, Bages et
Port-Cros) et notées dans le tableau 6.22 suivant.

Tableau 6.22: Concentrations moyennes (Min/Max) en mercure mesurées, sous forme dissoute,
particulaire et totale, sur les trois sites d’étude (Lazaret, Bages et Port-Cros), et fraction
dissoute, particulaire du paramètre X déduit des concentrations mesurées. Paramètres
cinétiques: rda = 520 cm.jour-1 , rpa = 0 cm.jour-1.g.cm-3.
Site étude [Hg] dissous [Hg] particulaire [Hg] total Fraction dissoute de X Fraction particulaire de X
-1 -1 -1
(ng.L ) (mg.kg ) (ng.L ) (%) (%)
Lazaret 1,98 (0,48/2,96) 1,57 (0,052/3,82) 6,43 100 % 0%
Bages 0,45 (0,32/0,86) 1,01(0,0017/3,15) 13,9 100 % 0%
Port-Cros 0,34 (0,19/0,48) 0,0737 (0,001/0,39) 0,46 100 % 0%

L’hypothèse consiste à dire que s’il y a participation d’un flux particulaire, celui-ci est plus
proportionnel au flux dissous que fonction du flux particulaire calculable sur la base d’une
biodisponibilité totale du particulaire. Du fait de cette simplification, la concentration en Hg sous
forme dissoute dans l’eau est directement obtenue par l’analyse inverse des concentrations mesurées
dans le cadre du réseau RINBIO. Les résultats sont présentés dans la figure suivante (Figure 6.23).

247
 [Hg dissous] calculée (ng/L)

0,5
1,5
2,5
3,5
4,5

0
1
2
3
4
Banyuls (01A)
Port-Vendres (01B)
Argeles (02A)
Canet plages (02B)
Barcares (02C)
Fleury (07B)
Valras Ouest (07D)
Valras Est (07D)
Agde (07C)
Marseillan (08A)
Sète (08B)
Frontignan (10A)
Palavas (10C)
Grau du roi (10B)
Stes Maries (15A)
Emb Rhône (15B)
Carteau (16C)
Ponteau (16B)
Carry (18A)
Marseille Nord (19A)
Marseille Sud (19B)
Cortiou (20A)
Cassis (20B)
La Ciotat (21A)
Bandol-Sanary (21B)
Sicie (21C)
St Mandrier (22A)
Toulon Gd rade (22B)
Toulon Pte rade (22C)
Giens (23A)
Hyères Ouest (23B)
Hyères Est (23B)

Stations
Port-Cros (23C)
Lavandou (24A)
Cavalaire (24B)
Pampelone (25A)
St Tropez (26A)
Frejus Ouest (27A)
Fréjus Est (27B)
Cannes Ouest (28A)
Cannes Est (28B)
Antibes (29A)
Emb du Var (29D)
Apt Nice (29B)
Nice (29C)
Beaulieu (30B)
Menton (30A)
Etg Leucate (04B)
Etg Lapalme (05A)
Figure 6.23: Concentrations calculées en Hg dissous par l’analyse inverse des données RINBIO.

Etg Bages Sud (06C)

Etg Bages Nord (06C)
Etg Ayrolle (06A)
Etg Thau Sud (09A)
Etg Thau Nord (09B)
Etg de Vic (11A)
Etg Prevost(11B)
Etg Ingrill (11C)
Etg Mejean (12A)
Etg Ponant (13A)
Etg Berre (17A)
248
 b. Le cadmium
A partir des cinétiques de contamination et de décontamination réalisées, la valeur de X et les fractions
dissoute et particulaire sont calculées pour le cadmium sur les trois sites d’études (Lazaret, Bages et
Port-Cros) et notées dans le tableau 6.23 suivant.

Tableau 6.23: Concentrations moyennes (Min/Max) en cadmium mesurées, sous forme dissoute,
particulaire et totale, sur les trois sites d’étude (Lazaret, Bages et Port-Cros), et fraction dissoute
et particulaire du paramètre X déduit des concentrations mesurées. Paramètres cinétiques: rda =
20 cm.jour-1 , rpa = 0,087 cm.jour-1.g.cm-3.
Site étude [Cd] dissous [Cd] particulaire [Cd] total Fraction dissoute de X Fraction particulaire de X
-1 -1 -1
(ng.L ) (mg.kg ) (ng.L ) (%) (%)
Lazaret 8,75 (5/14) 0,084 (0,03/0,28) 9,01 88 % (fnut: 0,11) 22 %
Bages 35,77 (6/55) 0,66 (0,27/1,29) 44,6 12-40 % (fnut: 0,18 - 0,89) 60-88 %
Port-Cros 6,43 (6/7) 0,098 (0,05/0,23) 6,6 85 % (fnut: 0,02) 15 %

Comme cela est visible dans ce tableau, les fractions dissoute et particulaire de X sont très variables
selon les conditions trophiques du milieu. En particulier sur Bages, lorsque les conditions trophiques
augmentent, la fraction dissoute diminue de 40 % à 12 % alors que sur le Lazaret et sur Port-Cros, la
fraction dissoute prime et gravite autour de 85-88 %. Différents scénarios doivent être envisagés lors
de l’analyse inverse des données RINBIO afin d’en déduire une gamme potentielle de concentrations
en contaminant dans le milieu.
Une première analyse inverse des données RINBIO a été réalisée sur les trois sites connus (Lazaret,
Bages et Port-Cros), en testant 4 scénarios différents: 90, 75, 50 et 25 % de X attribué à la fraction
dissoute. Les résultats suivants sont obtenus et présentés dans le tableau 6.24

Tableau 6.24: Concentrations en cadmium obtenues sous forme dissoute et particulaire, sur trois
stations RINBIO (Lazaret, Bages et Port-Cros) par l’analyse inverse: 3 scénarios de fraction
dissoute 90%,75%, 50% et 25%.
Fraction 90 % 75 % 50 % 25 %
dissoute
Site étude [Cd] [Cd] [Cd] [Cd] [Cd] [Cd] [Cd] [Cd]
dissous particulaire dissous particulaire dissous particulaire dissous particulaire
-1 -1 -1 -1 -1 -1 -1
(ng.L ) (mg.kg ) (ng.L ) (mg.kg ) (ng.L ) (mg.kg ) (ng.L ) (mg.kg-1)
Lazaret 10,8 0,029 9 0,073 6 0,145 3 0,22
Bages 58 0,33 48 0,66 32 1,2 16 2
Port-Cros 11,7 0,047 9,7 0,12 6,5 0,23 3,25 0,35

249
 L’étude de ces 4 scénarios de répartition est très intéressante et permet de voir la sensibilité des
concentrations en contaminant obtenues par l’analyse inverse. Celui donnant les concentrations les
plus proches de celles mesurées dans notre étude est surligné pour chaque site et varie entre 50 et 75 %
.
De ce fait, la figure 6.24 présente les résultats de l’analyse inverse de l’ensemble des données RINBIO
en utilisant cette gamme de répartition (entre 50 et 75 %) de façon à avoir un intervalle de la
concentration dissoute (min: 50 %, max: 75 %) et un intervalle de la concentration particulaire (min:
75 %, max: 50%).

c. Le plomb
A partir des cinétiques de contamination et de décontamination réalisées, la valeur de X et les fractions
dissoute et particulaire sont calculées pour le plomb sur les trois sites d’études (Lazaret, Bages et Port-
Cros) et notées dans le tableau 6.25 suivant.

Tableau 6.25: Concentrations moyennes (Min/Max) en plomb mesurées, sous forme dissoute,
particulaire et totale, sur les trois sites d’étude (Lazaret, Bages et Port-Cros), et fraction dissoute
et particulaire du paramètre X déduit des concentrations mesurées. Paramètres cinétiques: rda =
134,6 cm.jour-1 , rpa = 0 cm.jour-1.g.cm-3.
Site étude [Pb] dissous [Pb] particulaire [Pb] total Fraction dissoute de X Fraction particulaire de X
-1 -1 -1
(ng.L ) (mg.kg ) (ng.L ) (%) (%)
Lazaret 111,4 (19/190) 19,43 (2,32/65,3) 166,6 100 % 0%
Bages 17,54 (8/50) 11,38 (4,1/20,5) 169,46 100 % 0%
Port-Cros 15,44 (0,1/26) 2 18,86 100 % 0%

Comme pour le Hg, l’hypothèse consiste à dire que s’il y a participation d’un flux particulaire, celui-ci
est plus proportionnel au flux dissous que fonction du flux particulaire calculable sur la base d’une
biodisponibilité totale du particulaire. Du fait de la simplification du modèle, la concentration en Pb
sous forme dissoute dans l’eau est directement calculable par l’analyse inverse des concentrations
mesurées dans la chair dans le cadre du réseau RINBIO. De plus, la concentration totale étant peu
représentative de la contamination effective du milieu et de l’organisme, c’est la concentration
dissoute qui est présentée pour la comparaison à l’échelle spatiale (Figure 6.25).

250
 [Cd particulaire] calculée (mg/kg) [Cd dissous] calculée (ng/L)

0
0,5
1
1,5
2
2,5
0
20
40
60
80
100
120

Banyuls (01A) Banyuls (01A)

Port-Vendres (01B) Port-Vendres (01B)
Argeles (02A) Argeles (02A)
Canet plages (02B) Canet plages (02B)
Barcares (02C) Barcares (02C)
Fleury (07B) Fleury (07B)
Valras Ouest (07D) Valras Ouest (07D)
Valras Est (07D) Valras Est (07D)
Agde (07C) Agde (07C)
Marseillan (08A) Marseillan (08A)
[Cd dissous] (ng/L)

Sète (08B) Sète (08B)

Frontignan (10A) Frontignan (10A)

[Cd particulaire] (mg/kg)

Palavas (10C) Palavas (10C)
Grau du roi (10B) Grau du roi (10B)
Stes Maries (15A) Stes Maries (15A)
Emb Rhône (15B) Emb Rhône (15B)
Carteau (16C) Carteau (16C)
Ponteau (16B) Ponteau (16B)
Carry (18A) Carry (18A)
Marseille Nord (19A) Marseille Nord (19A)
Marseille Sud (19B) Marseille Sud (19B)
Cortiou (20A) Cortiou (20A)
Cassis (20B) Cassis (20B)
La Ciotat (21A) La Ciotat (21A)
Bandol-Sanary (21B) Bandol-Sanary (21B)
Sicie (21C) Sicie (21C)
St Mandrier (22A) St Mandrier (22A)
Toulon Gd rade (22B) Toulon Gd rade (22B)
Toulon Pte rade (22C) Toulon Pte rade (22C)
Giens (23A) Giens (23A)
Hyères Ouest (23B) Hyères Ouest (23B)
Hyères Est (23B)
Stations

Hyères Est (23B)

Stations
Port-Cros (23C) Port-Cros (23C)
Lavandou (24A) Lavandou (24A)
Cavalaire (24B) Cavalaire (24B)
Pampelone (25A) Pampelone (25A)
St Tropez (26A) St Tropez (26A)
Frejus Ouest (27A) Frejus Ouest (27A)
Fréjus Est (27B) Fréjus Est (27B)
Cannes Ouest (28A) Cannes Ouest (28A)
Cannes Est (28B) Cannes Est (28B)
Antibes (29A) Antibes (29A)
Emb du Var (29D) Emb du Var (29D)
Apt Nice (29B) Apt Nice (29B)
Nice (29C) Nice (29C)
Beaulieu (30B) Beaulieu (30B)
Menton (30A) Menton (30A)
Etg Leucate (04B) Etg Leucate (04B)
Etg Lapalme (05A) Etg Lapalme (05A)
Etg Bages Sud (06C) Etg Bages Sud (06C)
Etg Bages Nord (06C) Etg Bages Nord (06C)
Etg Ayrolle (06A)
Figure 6.24: Concentrations calculées en Cd dissous et particulaire par l’analyse inverse des données RINBIO.

Etg Ayrolle (06A)

Etg Thau Sud (09A) Etg Thau Sud (09A)
Etg Thau Nord (09B) Etg Thau Nord (09B)
Etg de Vic (11A) Etg de Vic (11A)
Etg Prevost(11B) Etg Prevost(11B)
Etg Ingrill (11C) Etg Ingrill (11C)
Etg Mejean (12A) Etg Mejean (12A)
Etg Ponant (13A) Etg Ponant (13A)
Etg Berre (17A) Etg Berre (17A)
251
 [Pb dissous] calculée (ng/L)

0
20
40
60
80
100
120
140
160

Banyuls (01A)
Port-Vendres (01B)
Argeles (02A)
Canet plages (02B)
Barcares (02C)
Fleury (07B)
Valras Ouest (07D)
Valras Est (07D)
Agde (07C)
Marseillan (08A)
Sète (08B)
Frontignan (10A)
Palavas (10C)
Grau du roi (10B)
Stes Maries (15A)
Emb Rhône (15B)
Carteau (16C)
Ponteau (16B)
Carry (18A)
Marseille Nord (19A)
Marseille Sud (19B)
Cortiou (20A)
Cassis (20B)
La Ciotat (21A)
Bandol-Sanary (21B)
Sicie (21C)
St Mandrier (22A)
Toulon Gd rade (22B)
Toulon Pte rade (22C)
Giens (23A)
Hyères Ouest (23B)
Hyères Est (23B)

Stations
Port-Cros (23C)
Lavandou (24A)
Cavalaire (24B)
Pampelone (25A)
St Tropez (26A)
Frejus Ouest (27A)
Fréjus Est (27B)
Cannes Ouest (28A)
Cannes Est (28B)
Antibes (29A)
Emb du Var (29D)
Apt Nice (29B)
Nice (29C)
Beaulieu (30B)
Menton (30A)
Figure 6.25: Concentrations calculées en Pb dissous par l’analyse inverse des données RINBIO.

Etg Leucate (04B)

Etg Lapalme (05A)
Etg Bages Sud (06C)
Etg Bages Nord (06C)
Etg Ayrolle (06A)
Etg Thau Sud (09A)
Etg Thau Nord (09B)
Etg de Vic (11A)
Etg Prevost(11B)
Etg Ingrill (11C)
Etg Mejean (12A)
252

Etg Ponant (13A)

Etg Berre (17A)
 d. Le cuivre
A partir des cinétiques de contamination et de décontamination réalisées, la valeur de X et les fractions
dissoute et particulaire sont calculées pour le cuivre sur les trois sites d’études (Lazaret, Bages et Port-
Cros) et notées dans le tableau 6.26 suivant.

Tableau 6.26: Concentrations moyennes (Min/Max) en cuivre mesurées, sous forme dissoute,
particulaire et totale, sur les trois sites d’étude (Lazaret, Bages et Port-Cros), et fraction dissoute
et particulaire du paramètre X déduit des concentrations mesurées. Paramètres cinétiques: rda =
0,0178 cm.jour-1 , rpa = 0 cm.jour-1.g.cm-3.

Site étude [Cu] dissous [Cu] particulaire [Cu] total Fraction dissoute de X Fraction particulaire de X
-1 -1 -1
(µg.L ) (mg.kg ) (µg.L ) (%) (%)
Lazaret 0,58 (0,2/1,66) 43,1 (10,1/97) 0,7 100 % 0%
Bages 0,98 (0,13/1,52) 37,04 (14/73) 1,48 100 % 0%
Port-Cros 0,113 (0,1/1,24) 4,18 (2/17,3) 0,12 100 % 0%

L’hypothèse consiste à dire que s’il y a participation d’un flux particulaire, celui-ci est plus
proportionnel au flux dissous que fonction du flux particulaire calculable sur la base d’une
biodisponibilité totale du particulaire.
Du fait de la simplification du modèle ne considérant pas la participation du flux particulaire, la
concentration en Cu sous forme dissoute dans l’eau est directement calculable par l’analyse inverse
des concentrations mesurées dans la chair dans le cadre du réseau RINBIO. De plus, la concentration
totale étant peu représentative de la contamination effective du milieu et de l’organisme, c’est la
concentration dissoute qui est présentée pour la comparaison à l’échelle spatiale (Figure 6.26).

253
 [Cu dissous] calculée (µg/L)

0
0,2
0,4
0,6
0,8
1
1,2
1,4
1,6
1,8

Banyuls (01A)
Port-Vendres (01B)
Argeles (02A)
Canet plages (02B)
Barcares (02C)
Fleury (07B)
Valras Ouest (07D)
Valras Est (07D)
Agde (07C)
Marseillan (08A)
Sète (08B)
Frontignan (10A)
Palavas (10C)
Grau du roi (10B)
Stes Maries (15A)
Emb Rhône (15B)
Carteau (16C)
Ponteau (16B)
Carry (18A)
Marseille Nord (19A)
Marseille Sud (19B)
Cortiou (20A)
Cassis (20B)
La Ciotat (21A)
Bandol-Sanary (21B)
Sicie (21C)
St Mandrier (22A)
Toulon Gd rade (22B)
Toulon Pte rade (22C)
Giens (23A)
Hyères Ouest (23B)

Stations
Hyères Est (23B)
Port-Cros (23C)
Lavandou (24A)
Cavalaire (24B)
Pampelone (25A)
St Tropez (26A)
Frejus Ouest (27A)
Fréjus Est (27B)
Cannes Ouest (28A)
Cannes Est (28B)
Antibes (29A)
Emb du Var (29D)
Apt Nice (29B)
Nice (29C)
Beaulieu (30B)
Menton (30A)
Figure 6.26: Concentrations calculées en Cu dissous par l’analyse inverse des données RINBIO.

Etg Leucate (04B)

Etg Lapalme (05A)
Etg Bages Sud (06C)
Etg Bages Nord (06C)
Etg Ayrolle (06A)
Etg Thau Sud (09A)
Etg Thau Nord (09B)
Etg de Vic (11A)
Etg Prevost(11B)
Etg Ingrill (11C)
Etg Mejean (12A)
254

Etg Ponant (13A)

Etg Berre (17A)
 e. Le zinc
A partir des cinétiques de contamination et de décontamination réalisées, la valeur de X et les fractions
dissoute et particulaire sont calculées pour le zinc sur les trois sites d’études (Lazaret, Bages et Port-
Cros) et notées dans le tableau 6.27 suivant.

Tableau 6.27: Concentrations moyennes (Min/Max) en zinc mesurées, sous forme dissoute,
particulaire et totale, sur les trois sites d’étude (Lazaret, Bages et Port-Cros), et fraction dissoute
et particulaire du paramètre X déduit des concentrations mesurées. Paramètres cinétiques: rda =
1,85.10-4cm.jour-1 , rpa = 0,0052 cm.jour-1.g.cm-3.
Site étude [Zn] dissous [Zn] particulaire [Zn] total Fraction dissoute de X Fraction particulaire de X
-1 -1 -1
(µg.L ) (mg.kg ) (µg.L ) (%) (%)
Lazaret 2,08 (0,72/7,3) 80,8 (28/283) 2,3 0,7 % (fnut: 0,11) 99,3 %
Bages 0,64 (0,25/2,) 66,4 (28/152) 1,5 0,04-0,2 % 99,8-99,96 %
selon (fnut: 0,18 - 0,9)
Port-Cros 0,23 (0,15/0,3) 28 (28/28) 0,27 0,06 % (fnut: 0,02) 99,94 %

Comme cela est visible dans ce tableau, la répartition de X est peu variable selon les conditions
trophiques du milieu. Différents scénarios sur une gamme étroite peuvent être envisagés lors de
l’analyse inverse des données RINBIO afin d’en déduire une gamme potentielle de concentrations en
contaminant dans le milieu: 0,05%, 0,1% et 0,5% de X attribué à la fraction dissoute (Tableau 6.28).

Tableau 6.28: Concentrations en Zn obtenues sous forme dissoute et particulaire, sur trois
stations RINBIO (Lazaret, Bages et Port-Cros) par l’analyse inverse avec 3 scénarios de
fraction particulaire: 0,05%, 0,1% 0,5%.
Fraction 0,05 % 0,1 % 0,5 %
dissoute
Site étude [Zn] dissous [Zn] [Zn] total [Zn] dissous [Zn] [Zn] total [Zn] dissous [Zn] particulaire [Zn] total
-1 -1 -1
(µg.L ) particulaire -1
(µg.L ) (µg.L ) particulaire (µg.L ) -1
(µg.L ) (mg/kg) (µg.L-1)
(mg/kg) (mg/kg)
Lazaret 0,16 124,12 0,337 0,33 124 0,5 1,65 123 1,82
Bages 0,21 130,4 0,33 0,42 130,3 0,54 2,13 130,2 2,25
Port-Cros 0,11 135,4 0,24 0,23 135,3 0,35 1,18 134,8 1,3

L’étude de ces 3 scénarios est très intéressante et permet de voir la sensibilité de l’analyse inverse sur
les concentrations en Zn dissous. Le scénario donnant les concentrations les plus proches de celles
mesurées dans notre étude est surligné pour chaque site et varie entre 0,1 et 0,5 %. La valeur de la
concentration particulaire est quant à elle très stable quelque soit le scénario utilisé. La concentration

255
obtenue sur Bages indique une contamination plus forte que sur le Lazaret, ceci allant en direction de
l’observation RINBIO dans la chair des moules (Lazaret 178 mg.kg-1 chair, Bages 220 mg.kg-1 chair).

La figure 6.27 présente les résultats de l’analyse inverse de l’ensemble des données RINBIO en
utilisant cette gamme de répartition de façon à avoir un intervalle (min: 0,1%, max: 0,5%) de la
concentration dissoute. La concentration particulaire étant très peu sensible aux différents scénarios de
répartition, seule une courbe moyenne est en évidence.

256
 [Zn particulaire] calculée (mg/kg) [Zn dissous] calculée (µg/L)

0
0,5
1
1,5
2
2,5
3
3,5

0
50
100
150
200
250
Banyuls (01A) Banyuls (01A)
Port-Vendres (01B) Port-Vendres (01B)
Argeles (02A) Argeles (02A)
Canet plages (02B) Canet plages (02B)
Barcares (02C) Barcares (02C)
Fleury (07B) Port la nouvelle (07A)
Valras Ouest (07D) Fleury (07B)
Valras Est (07D) Valras Ouest (07D)
Agde (07C) Valras Est (07D)
[Zn dissous] (µg/L)

Marseillan (08A) Agde (07C)

Sète (08B) Marseillan (08A)

[Zn particulaire] (mg/kg)

Frontignan (10A) Sète (08B)
Palavas (10C) Frontignan (10A)
Grau du roi (10B) Palavas (10C)
Stes Maries (15A) Grau du roi (10B)
Emb Rhône (15B) Stes Maries (15A)
Carteau (16C) Emb Rhône (15B)
Ponteau (16B) Carteau (16C)
Carry (18A) Ponteau (16B)
Marseille Nord (19A) Carry (18A)
Marseille Sud (19B) Marseille Nord (19A)
Cortiou (20A) Marseille Sud (19B)
Cassis (20B) Cortiou (20A)
La Ciotat (21A) Cassis (20B)
Bandol-Sanary (21B) La Ciotat (21A)
Sicie (21C) Bandol-Sanary (21B)
St Mandrier (22A) Sicie (21C)
Toulon Gd rade (22B) St Mandrier (22A)
Toulon Pte rade (22C) Toulon Gd rade (22B)
Giens (23A) Toulon Pte rade (22C)
Hyères Ouest (23B) Giens (23A)
Hyères Est (23B) Hyères Ouest (23B)

Stations
Stations

Port-Cros (23C) Hyères Est (23B)

Lavandou (24A) Port-Cros (23C)
Cavalaire (24B) Lavandou (24A)
Pampelone (25A) Cavalaire (24B)
St Tropez (26A) Pampelone (25A)
Frejus Ouest (27A) St Tropez (26A)
Fréjus Est (27B) Frejus Ouest (27A)
Cannes Ouest (28A) Fréjus Est (27B)
Cannes Est (28B) Cannes Ouest (28A)
Antibes (29A) Cannes Est (28B)
Emb du Var (29D) Antibes (29A)
Apt Nice (29B) Emb du Var (29D)
Nice (29C) Apt Nice (29B)
Beaulieu (30B) Nice (29C)
Menton (30A) Beaulieu (30B)
Etg Leucate (04B) Menton (30A)
Etg Lapalme (05A) Etg Leucate (04B)
Etg Bages Sud (06C) Etg Lapalme (05A)
Etg Bages Nord (06C) Etg Bages Sud (06C)
Figure 6.27: Concentrations calculées en Zn dissous et particulaire par l’analyse inverse des données RINBIO.

Etg Ayrolle (06A) Etg Bages Nord (06C)

Etg Thau Sud (09A) Etg Ayrolle (06A)
Etg Thau Nord (09B) Etg Thau Sud (09A)
Etg de Vic (11A) Etg Thau Nord (09B)
Etg Prevost(11B) Etg de Vic (11A)
Etg Ingrill (11C) Etg Prevost(11B)
Etg Mejean (12A) Etg Ingrill (11C)
Etg Ponant (13A) Etg Mejean (12A)
Etg Ponant (13A)
257

Etg Berre (17A)

6.3 Comparaison des deux méthodes: modèle empirique de RINBIO, modèle de bioaccumulation
A l’échelle du réseau RINBIO, les procédures et la méthodologie de traitement des données se font par
un ajustement des concentrations mesurées dans la chair à un individu standard, de façon à les
comparer entre elles, indépendamment de l’hétérogénéité physiologique propre aux conditions
physico-chimiques et trophiques des sites de stabulation (Andral et al., 2004). Ainsi, pour pondérer la
contamination mesurée entre secteurs trophiques différents, un modèle de correction du signal obtenu
est utilisé, faisant intervenir l’indice de condition (rapport du poids sec sur le poids de coquille),
indicateur de l’état physiologique par sa corrélation avec la concentration en contaminant (Cossa et
Sanjuan, 2002; Andral et al., 2004). Cette méthode empirique par corrélations est intéressante mais ne
permet pas d’en expliquer les processus physiologiques de bioaccumulation.

Parallèlement à cette méthode, le modèle de bioaccumulation des métaux traces chez la moule,
développé dans cette étude, quantifie des interactions biogéochimiques en équations mathématiques et
met en relation ces équations par des programmes informatiques. Il permet de formaliser les
connaissances, aide à comprendre le processus de bioaccumulation en testant des théories
mécanistiques et établit l’importance relative des différents processus impliqués. Le compromis entre
la complexité et le réalisme du modèle est central pour tout exercice de modélisation.
Ce modèle mécanistique a été conçu pour quantifier les changements de conditions physiologiques et
environnementales de l’organisme et repose sur le couplage d’un modèle cinétique de bioaccumulation
à un modèle de budget énergétique dynamique (DEB). Ce dernier établit, de façon précise, la
dynamique du budget énergétique de la moule déterminant l’état vital de l’organisme tels que la
croissance, le développement et la reproduction. Le terme dynamique fait référence au contraste avec
les modèles statiques utilisés fréquemment, où les caractéristiques de l’individu ne changent pas
explicitement dans le temps.
De plus, par une analyse inverse, ce modèle de bioaccumulation permet de déduire les concentrations
en contaminants présents dans l’eau, sans nécessiter un ajustement à un potentiel individu standard. La
comparaison des sites d’étude se fait donc directement.

Une comparaison des valeurs obtenues par les deux méthodes s’avère intéressante en faisant la
corrélation: concentration ajustée en contaminant dans la chair (méthode d’ajustement RINBIO) en
fonction de la concentration en contaminant calculée dans l’eau (analyse inverse). Les résultats sont
présentés dans les figures suivantes pour chaque métal: Hg (Figure 6.28), Cd (Figure 6.29 et 6.30), Pb
(Figure 6.31), Cu (Figure 6.32) et Zn (Figure 6.33 et 6.34).

258
 0,40
y = 0,1021x
2
R = 0,9376
0,35

0,30
[Hg chair] ajustée (mg/kg)

0,25

0,20

0,15

0,10

0,05

0,00
0 0,5 1 1,5 2 2,5 3 3,5 4

[Hg dissous] calculée (ng/L)

Figure 6.28: Comparaison des résultats des deux méthodes pour le Hg: méthode ajustement
empirique et modèle bioaccumulation.
7,00

6,00

y = 0,1062x
2
R = 0,9859
5,00
[Cd chair] ajustée (mg/kg)

4,00

3,00

2,00

1,00

0,00
0 10 20 30 40 50 60

[Cd dissous] calculée (ng/L)

Figure 6.29: Comparaison des résultats des deux méthodes pour le Cd: méthode ajustement
empirique et modèle bioaccumulation (Cd dissous, stratégie 75%).

259
 7,00

6,00
y = 6,6264x
2
R = 0,4037

5,00
[Cd chair] ajustée (ng/L)

4,00

3,00

2,00

1,00

0,00
0,00 0,10 0,20 0,30 0,40 0,50 0,60 0,70 0,80 0,90

[Cd particulaire calculée] (mg/kg)

Figure 6.30: Comparaison des résultats des deux méthodes pour le Cd: méthode ajustement
empirique et modèle bioaccumulation (Cd particulaire, stratégie 75%).

6,00

5,00

y = 0,038x
2
R = 0,9694
[Pb chair] ajustée (mg/kg)

4,00

3,00

2,00

1,00

0,00
0 20 40 60 80 100 120 140

[Pb dissous] calculée (ng/L)

Figure 6.31: Comparaison des résultats des deux méthodes pour le Pb: méthode ajustement
empirique et modèle bioaccumulation.

260
 10,00

9,00

8,00
[Cu chair] ajustée (mg/kg)

7,00
y = 5,6956x
2
R = 0,3718
6,00

5,00

4,00

3,00

2,00
0,4 0,5 0,6 0,7 0,8 0,9 1 1,1 1,2 1,3 1,4

[Cu dissous] calculée (µg/L)

Figure 6.32: Comparaison des résultats des deux méthodes pour le Cu: méthode ajustement
empirique et modèle bioaccumulation.

220,00

y = 93,489x
2
R = 0,3347
200,00
[Zn chair] ajustée (mg/kg)

180,00

160,00

140,00

120,00

100,00
1 1,2 1,4 1,6 1,8 2 2,2

[Zn dissous calculée] (µg/L)

Figure 6.33: Comparaison des résultats des deux méthodes pour le Zn: méthode ajustement
empirique et modèle bioaccumulation (Zn dissous, stratégie 0,05%).

261
 250,00

y = 93,489x
2
R = 0,3347

200,00
[Zn chair] ajustée (mg/kg)

150,00

100,00

50,00

0,00
1 1,2 1,4 1,6 1,8 2 2,2

[Zn particulaire] calculée (mg/kg)

Figure 6.34: Comparaison des résultats des deux méthodes pour le Zn: méthode ajustement
empirique et modèle bioaccumulation (Zn particulaire, stratégie 0,05%).

De très bonnes corrélations significatives entre la concentration en contaminant dans la chair ajustée et
la concentration en contaminant dissous dans l’eau calculée par l’analyse inverse ont été obtenues: Hg
(R2=0,93), Cd (R2=0,98), Pb (R2=0,97), Cu (R2=0,37) et Zn (R2=0,33). Aussi, les corrélations avec la
concentration en contaminant particulaire ont été réalisées, la corrélation étant plus délicate du fait des
variations spatiales importantes de la quantité de particules: Cd (R2=0,4) et Zn (R2=0,33).

L’analyse inverse, intégrant des processus physiologiques plus complexes que l’indice de condition
seul, affine la comparaison des sites à l’échelle spatiale du RINBIO, en terme de concentration en
contaminant dissous dans l’eau (Hg, Cd, Pb, Cu et Zn) et particulaire (Cd et Zn). Ainsi, il est
observable, pour chaque métal, que le modèle d’analyse inverse différencie certains sites où la
concentration ajustée était identique et attribue une concentration égale pour des sites où la
concentration ajustée variait.

262
7 Conclusion générale
Le modèle de bioaccumulation, issu du couplage d’un modèle cinétique de contamination à un modèle
dynamique de budget énergétique, reproduit avec réalisme l’évolution temporelle de la concentration
en mercure, cadmium et plomb dans la chair de moule, sur des sites aux caractéristiques trophiques et
chimiques différentes. Pour le cuivre et le zinc, la reproduction des cinétiques observées est plus
difficile de par des variations très importantes de leurs concentrations et une régulation de l’organisme
indicateur.
La température, la concentration en phéopigments dans l’eau et les concentrations en contaminants,
sous forme dissoute et particulaire, dans le milieu sont utilisées comme variables forçantes, entraînant
des performances de bioaccumulation selon les sites étudiés. A ces impacts environnementaux se
rajoutent l’effet de la physiologie de la moule: cycle biologique, croissance, amaigrissement, repos
sexuel et ponte.

La forte sensibilité du modèle aux paramètres cinétiques (rda, rpa et rad) montrent bien leur action, plus
ou moins importante selon le métal et la voie préférentielle attribuée: dissous pour le Hg, le Pb et le Cu
et particulaire pour le Cd et le Zn. La voie de sortie du contaminant (rad) est, quant à elle, bien
considérée sauf pour le Cd et le Zn où la simplification du modèle amène à l’élimination de son action
non significative.
De ce fait, la simulation du modèle couplé de bioaccumulation sur le long terme sur les sites d’étude
amène à l’atteinte d’un plateau de saturation, représentant un pseudo-équilibre propre au site, sauf
pour le Cd et le Zn où la perte de contaminant est négligée, les variations annuelles dépendant
uniquement du cycle physiologique de l’organisme. De ce fait, la validation de ce modèle Cd et Zn sur
du long terme ne peut pas être attribuée.

Le bilan des flux vient confirmer la répartition de chaque part de l’équation du modèle: flux d’entrée
du contaminant par la voie dissoute, flux d’entrée du contaminant par la voie particulaire, flux de
sortie, flux de dilution de la concentration accumulée provoqué par la croissance de la moule et flux de
concentration du à son amaigrissement. La comparaison des paramètres obtenus avec les valeurs
trouvées dans la bibliographie est intéressante, de par les différentes approches réalisées
(laboratoire/terrain, durée d’étude, taille des organismes, FBC, concentrations dans le milieu
environnant), la considération ou non des variations physiologiques (facteur de dilution, taux constant,
facteur de concentration, relations allométriques) ou encore de par les difficultés de reproductivité des
conditions environnementales en laboratoire (répartition du contaminant dissous/particulaire, nutrition
des organismes).

263
Ainsi, le modèle couplé de bioaccumulation permet de comprendre la signification de la concentration
mesurée à l’instant t, par l’intégration des cinétiques d’accumulation et de décontamination, et le suivi
de la physiologie de l’organisme et des caractéristiques environnementales du milieu. A défaut de
quantifier de façon objective les principales voies de contamination et de décontamination, il donne
une approche possible des interactions « Environnement-Hôte-Contaminant », basée sur les
observations réalisées. Il intègre mathématiquement l’effet des variations biologiques (condition
physiologique et étapes du cycle biologique de l’organisme bioindicateur, nutrition, croissance,
amaigrissement, reproduction), l’effet des variations chimiques du milieu (nature et importance de la
contamination du milieu, variation du partitionnement dissous/particulaire, impact de la spéciation et
de la biodisponibilité) et l’effet des variations environnementales (température, conditions trophiques)
qui interviennent dans le processus de contamination et de décontamination.

Enfin, l’application du modèle par l’analyse inverse de données issues des réseaux de surveillance, tels
que RINBIO, montre, au delà de la compréhension des processus physiologiques de bioaccumulation,
l’intérêt d’un tel outil opérationnel. En effet, le modèle relie, par une méthode explicative, les
concentrations dans l’organisme vivant à celles du milieu environnant. De plus, il permet de
comprendre et d’évaluer la contamination chimique effective des sites quelles que soient les
conditions trophiques rencontrées en Méditerranée française, en s’affranchissant des différences
physiologiques dues au trophisme. La vision intégrée et globale du processus de bioaccumulation,
avec ses variations spatiales et temporelles, est donc approchée, donnant des indications parlantes de la
contamination côtière.

264
 ANNEXE DU CHAPITRE 6: Détail des équations du modèle de bioaccumulation

Comme cela a été décrit dans les concepts des modèles DEB (chapitre 4 et 5), les tissus de l’organisme
sont divisés en 4 compartiments: la fraction aqueuse du volume αa, la fraction non aqueuse du
compartiment de structure αw, la fraction non aqueuse des réserves d’énergie destinées à la croissance
αe et la fraction non aqueuse des réserves d’énergie destinées à la reproduction αr. Ainsi, le poids total
de l’organisme (Ww) est obtenu par la formule suivante:
Ww = d s ⋅ (Va + Vw + Ve + Vr )
Or,
Vw = α wW
Ve = α e eW
Vr = α e rW
Va = (1 − α w )W + α e (1 − e ) ⋅ W

Donc,
Ww = d s ((1 − α w )W + α e (1 − e )W + α w .W + α e eW + α e rW )

= d s (1 + α e (1 + r ))W
avec Ww : poids total humide de chair (g) ;
W : poids du compartiment de structure = poids du soma (cm3) ;
ds : masse volumique (densité spécifique) des tissus mous proche de 1 g.cm-3 ;
αw : fraction non aqueuse du compartiment de structure (s.d.) ;
αe : rapport du volume maximum de réserves sur le volume de structure (s.d.) ;
e : densité de stockage ([E]/[Em] , réserves d’énergie/réserves maximales) (s.d.) ;
r : fraction des réserves d’énergie consacré à l’investissement reproductif (s.d.).
A partir de cette distribution de masse, le nombre total (Q+) de moles du contaminant au sein de
l’organisme est:

Q + = Q a + Q w + Qe + Q r = V a c a + V w c w + V e c e + V r c r
⎛ ⎞
⎜ ⎟
⎜ cw ce cr ⎟
= ⎜ (1 − α w ) + (1 − e )α e + α w + α e e + α e r ⎟ ⋅ W ⋅ ca
ca ca ca
⎜ ⎟
⎜ ⎟
⎝ ⎠
⎛ −1 α ⎞
= α e ⎜⎜ α e + 1 + w (Pwa − 1) + (Pea − 1)e + Pea − r ⎟⎟ ⋅ W ⋅ c a
⎝ αe ⎠

= α e hW ⋅ c a
h = γ + e ⋅ (Pea − 1) + Pea r
αw
γ = 1 + α e − 1 + (Pwa − 1)
αe
265
La capture, aussi bien que l’élimination, est supposée proportionnelle à la surface de l’organisme
isomorphique, donc à W2/3. Ainsi:

= (rda ⋅ c d + rpa ⋅ fnut ⋅ c p − rad ⋅ c a ) ⋅ W 2 / 3

dQ+
dt
avec Q +: quantité de contaminant dans l’organisme entier (mol) ;
ca: concentration en contaminant dans la fraction aqueuse de l’organisme qui est supposée
être le seul compartiment en contact avec l’environnement (mol.cm-3) ;
cd: concentration en contaminant dans l’eau, sous forme dissoute (mol.cm-3) ;
cp: concentration en contaminant dans la nourriture (mol.cm-3) ;
W: volume structure (cm3) ;
rda: taux d’entrée du contaminant via l’eau (cm.jour-1) ;
rpa: taux d’entrée du contaminant via la nourriture (cm.jour-1.g.cm-3) ;
rad: taux d’élimination du contaminant (cm.jour-1) ;
fnut: réponse fonctionnelle de nutrition.

Q+ = α e hW ⋅ c a
dQ+ dc ⎛ dh dW ⎞
= α e hW ⋅ a + α e ⋅ ⎜ W + h ⎟ ⋅ ca
dt dt ⎝ dt dt ⎠
dQ+ ⎛ dh dW ⎞
−αe ⋅⎜ W + h ⎟ ⋅ ca
dc a
=
dt ⎝ dt dt ⎠
dt α e .h.W
En remplaçant:
⎛ dh dW ⎞
dc a
=
[ ]
rda c d + rpa fnut ⋅ c p − rad ⋅ c a ⋅ W 2 / 3 ⎜ W dt + h dt ⎟
−⎜ ⎟ ⋅ ca
dt α eh ⋅W ⎜ hW ⎟
⎜ ⎟
⎝ ⎠
rda c d + rpa fnut ⋅ c p ⎛ rad 1 dh 1 dW ⎞
= − ⎜⎜ + + ⎟ ⋅ ca
α eh ⋅W 1/ 3
⎝ α eh ⋅W
1/ 3
h dt W dt ⎟⎠

Cependant, cette équation définit la dynamique du contaminant en quantité dans l’animal et non
l’évolution temporelle de la concentration en contaminant dans l’animal.

266
 Q+ α e hW ⋅ c a ca h
C ww = = =
Ww d s (1 + α e .(1 + r )) ⋅ Ww d s 1 + α e −1 + r ( )
⎛ dc a
⎜h + ca
dh ⎞ −1
(
⎟ ⋅ d s 1 + α e + r − hc a
dr
)
=⎝
dC ww dt dt ⎠ dt
dt ds 1+ αe + r
−1
[ ( 2
)]
dc a dh dr
h ca hc a
dt dt dt
=
(
ds 1+ αe + r
−1
) + d (1 + α
s e
−1
+r ) − [d (1 + α
s e
−1
+r )]
2

Or:

( −1
d 1 + α e + r ⋅ C ww
ca = s
)
h
dc dh dr
h a ca
dC ww dt dt dt
= + − ⋅ C ww
dt ( −1 −1
) −1
ds 1+ αe + r ds 1+ αe + r 1+ αe + r ( )
dC ww rda c d + rpa fnut ⋅ c p ⎛ rad 1 dV 1 dr ⎞⎟
= − ⎜ + + ⋅ C ww
dt ( )
α e d s 1 + α e + r ⋅ V 1 / 3 ⎜⎝ α e hV
−1 1 / 3
V dt 1 + α e + r dt ⎟⎠
−1

h = γ + (Pea − 1)e + Pea r

avec Cww: concentration en contaminant dans l’organisme entier (µg.g-1 p.s.) ;

cd: concentration en contaminant dans l’eau, sous forme dissoute (µg.cm-3):
cp: concentration en contaminant dans la nourriture (µg.cm-3) ;
rda: taux d’entrée du contaminant via l’eau (cm.jour-1) ;
rpa: taux d’entrée du contaminant via la nourriture (cm.jour-1.g.cm-3) ;
rad: taux d’excrétion du contaminant (cm.jour-1) ;
Pea et γ: coefficients de partition du contaminant entre les différents compartiments (s.d.) ;
fnut: réponse fonctionnelle de nutrition ;
ds : masse volumique (densité spécifique) des tissus mous (g.cm-3) ;
αe: rapport du volume maximum de réserves sur le volume de structure (s.d.) ;
e: densité de stockage (réserves d’énergie/réserves maximales) (s.d.) ;
V: volume de structure (cm3) ;
r: rapport des gonades et des gamètes sur le volume de structure (s.d.).

267
Nourriture
A. Nourriture Eau
rpa rda B.
A Soma A Soma
p p
p S p S
a a
n Réserves énergie n Réserves énergie
D D
i g i g
g g
Comp. reproductif Comp. reproductif
rad
Faeces Maintenance Descendance Excrétion
Figure 6.35: Représentation schématique des différents compartiments et flux de l’individu (A.)
et du processus de bioaccumulation (B.) (d’après van Haren & Kooijman, 1994). rda et rpa: taux
d’entrée du contaminant sous forme dissoute et particulaire, rad: taux d’élimination du
contaminant.

Ce modèle est assez complexe, dans le sens où il implique de nombreux paramètres et tient compte de
la répartition du contaminant au sein des différents compartiments de l’organisme (Pea et γ). Cela dit,
le manque de connaissance des coefficients de partition entre les différentes structures nous empêche
de l’utiliser et nous oriente en une simplification de sa structure avec Pea égal à γ. Ainsi, l’équation
précédente devient:

⎛ ⎞
⎜ ⎟
dC ww rda c d + rpa fnut ⋅ c p ⎜ rad 1 dV 1 dr ⎟
= − + + ⋅ C ww
dt d s (1 + α e (1 + r )) ⋅ V 1 / 3 ⎜ ⎛ Pea ⎞ V dt 1 + α e −1 + r dt ⎟
⎜ d s ⎜1 +
⎜ ⎜ ⋅ α e (1 + r )⎟⎟ ⋅ V 1 / 3 ⎟
⎟
⎝ ⎝ γ ⎠ ⎠
dC ww rda c d + rpa fnut ⋅ c p ⎛ rad 1 dV 1 dr ⎞⎟
= − ⎜⎜ + + ⎟ ⋅ C ww
dt d s (1 + α e (1 + r )) ⋅ V 1/ 3
⎝ d s (1 + α e (1 + r )) ⋅ V 1/ 3
V dt 1 + α e
−1
+ r dt ⎠
dC ww (rda cd + rpa fnut ⋅ c p )⋅ V 2/3
rad V ⋅ C ww
2/3
1 dV 1 dr
= − − ⋅ C ww − ⋅ C ww
dt d s (1 + α e (1 + r )) ⋅ V d s (1 + α e (1 + r )) ⋅ V V dt −1
1 + α e + r dt
dC ww (rda c d + rpa fnut ⋅ c p ) ⋅ V
2/3
r V 2 / 3 ⋅ C ww 1 dWw
= − ad − ⋅ C ww
dt Ww Ww Ww dt

Quatre flux sont distingués: le flux d’entrée du contaminant sous forme dissoute, le flux d’entrée du
contaminant sous forme particulaire, le flux d’excrétion et le flux de dilution/concentration.

268
SYNTHESE ET PERSPECTIVES

270
 SYNTHESE ET PERSPECTIVES

L’objet de ce travail était de réaliser un modèle de bioaccumulation de métaux traces (Hg, Cd, Pb, Cu
et Zn) chez la moule, Mytilus galloprovincialis, en milieu méditerranéen. Deux grandes parties ont été
distinguées pour réaliser cette étude: l’approche empirique et modélisatrice.

Par une première étude bibliographique du processus de bioaccumulation, complétée de nos mesures,
les interactions « Environnement-Métaux-Moule» ont été clairement mises en évidence, révélant
les différents compartiments à prendre en compte par la suite pour la stratégie expérimentale et
modélisatrice. Ainsi, les grandes caractéristiques biologiques et chimiques ont été décrites, la
bioaccumulation étant le résultat des processus par lesquels le contaminant entre dans l’organisme, et
par lesquels il est excrété et stocké. De ce fait, pénétration, stockage dans les organes cibles et
élimination sont sous la dépendance de la nature du contaminant, des facteurs abiotiques du milieu et
des caractéristiques physiologiques et biochimiques de l’organisme.
Les données physico-chimiques nous ont permis de cerner précisément les caractéristiques
environnementales des trois sites d’étude (Lazaret, Bages et Port-Cros) et surtout leurs évolutions
temporelles, primordiales de par leurs forçages tant au niveau de la physiologie de l’organisme que des
transferts métalliques.
Ensuite, l’analyse des variations spatio-temporelles de la croissance, en lien avec les paramètres
environnementaux, nous a permis d’estimer les besoins des moules, pour assurer leur croissance et
leur survie: importance de la quantité nutritive du milieu, cycle de vie annuel, relations allométriques
et conditions physiologiques.
Enfin, l’observation et l’interprétation des cinétiques de contamination et de décontamination nous ont
permis de comprendre les performances spécifiques à la nature du métal.
Les cinétiques de contamination du mercure et du plomb se ressemblent fortement, les différentes
étapes se succèdent de la même façon: accumulation asymptotique, atteinte d’un plateau d’équilibre,
augmentation brutale et plateau d’équilibre. Les cinétiques de décontamination sont lentes, celle du Pb
étant la plus rapide des deux.
Dans une moindre mesure, les cinétiques de contamination du cadmium se rapprochent fortement de
celles du Hg et du Pb, à l’exception près que l’atteinte du pseudo-équilibre est plus longue et fortement
perturbée par les variations physiologiques, en particulier par la ponte. Ainsi, en travaillant en terme
de quantité par individu, l’allure de la cinétique redevient beaucoup plus typique avec l’atteinte d’un
plateau. La décontamination n’est pas visible en terme de concentration, l’organisme perdant du poids
par amaigrissement, le cadmium est concentré dans les tissus.
La différence d’allure des cinétiques du Hg et du Pb par rapport à celles du Cd met bien en évidence
des performances de bioaccumulation propre à chaque métal mais surtout spécifique au site de

269
contamination. Cette particularité est bien entendu le résultat des variables environnementales forçant
de manière très claire la physiologie et le cycle biologique de l’organisme indicateur.
Les cinétiques de contamination du cuivre et du zinc subissent des variations importantes au cours du
temps. Alors que pour le premier, elles sont quasi-identiques pour tous les suivis, des fluctuations
importantes sont notées pour le zinc. La décontamination est brutale et importante pour le Cu alors que
celle du Zn est négligeable lors de la transplantation sur Port-Cros. Ces deux métaux, contrairement au
Hg, au Cd et au Pb, sont essentiels au déroulement des processus biologiques. De par leur rôle
indispensable, ils présentent des performances de bioaccumulation spécifiques.

L’approche de la contamination des systèmes naturels se heurte en permanence à la complexité des

mécanismes mis en jeu, due à la diversité des modalités et des caractéristiques de la contamination et
des facteurs écologiques, abiotiques et biotiques, à leurs interactions et à leurs variations quasi-
permanentes, dans l’espace et dans le temps. Les cinétiques observées résultent de ces différents
forçages, à plus ou moins court-terme, qui interviennent de façon plus ou moins importante et exercent
des effets synergiques et antagonistes selon la contamination. Trois types de forçages ont été
distingués: le forçage propre à la contamination chimique du milieu (importance de la contamination,
cinétique d’accumulation et décontamination), le forçage physiologique de l’organisme (effet de la
croissance, de l’amaigrissement, de la reproduction et de la condition physiologique) et le forçage
chimique propre au contaminant et à son évolution temporelle, tous étant dépendant du forçage
physico-chimique caractéristique à l’environnement (température, quantité et qualité nutritive).

A partir de la description des organismes et des systèmes, résultat des expérimentations sur le terrain, a
commencé la seconde approche de l’étude qui est la formulation du modèle. En effet, dès que le
mécanisme de bioaccumulation est approché, les échelles d’espace et de temps associés aux processus
sont tellement diverses que la modélisation s’avère être un outil complémentaire indispensable. Ainsi,
les connaissances et observations peuvent être formalisées et quantifiées par des équations
mathématiques symboliques, le dilemme étant de trouver un compromis entre la complexité et le
réalisme du modèle. Une seconde étude bibliographique a été réalisée sur les modèles de
bioaccumulation pour synthétiser les différentes approches de modélisation, dégager les structures de
base ainsi que les principaux processus considérés et définir les questions auxquelles ils permettent de
répondre.

Compte tenu du propos et des objectifs de l’étude mais aussi des observations réalisées, le modèle de
bioaccumulation choisi suit le concept d’un modèle cinétique à base énergétique, innovant de par le
couplage d’un modèle de croissance à un modèle simple d’accumulation.
- Le modèle de croissance, à budget énergétique dynamique, reproduit avec réalisme l’évolution
temporelle du poids de chair total et de la longueur de coquille de la moule, Mytilus galloprovincialis,

270
sur des sites aux caractéristiques trophiques et environnementales différentes. La température et la
concentration en phéopigments dans l’eau sont utilisées comme variables forçantes, entraînant des
performances de croissance selon les sites étudiés. Le modèle simule clairement le cycle biologique
énergétique et l’adaptation de l’allocation énergétique de la moule aux conditions nutritives du milieu.
La stabilité et la cohérence du modèle ont été mises en évidence, le poids de chair total étant issu de la
somme des trois compartiments: soma, réserves et compartiment reproductif.
Le bilan énergétique de la moule est bien représenté par le modèle qui intègre tous les processus en
liaison avec les gains et pertes d’énergie, ce qui permet la détermination de la quantité d’énergie
disponible pour sa croissance et sa reproduction. Ce modèle physiologique, en plus d’être un
indicateur du taux de croissance est un indicateur de la condition physiologique de l’organisme du fait
de sa sensibilité aux changements environnementaux et de sa précision. La dynamique du modèle
repose sur la prise en compte des flux trophiques: les flux entrants et sortants intégrant la
consommation interne, telle qu’elle est connue par les lois bioénergétiques applicables aux différentes
espèces (lois de filtration et d’assimilation, lois génériques d’allocation d’énergie ingérée).
Aussi, les applications du modèle à d’autres séries de données telles que celles de Gangnery (2003) et
de Borchardt (1985) sur Mytilus edulis, montrent son aspect générique et sa validation sur d’autres
sites d’étude. Cette propriété est un des objectifs de la théorie des budgets énergétiques.
Enfin, en prévision d’un couplage au modèle de bioaccumulation, l’analyse inverse des données
RINBIO à l’aide du modèle de croissance permet d’estimer la qualité nutritionnelle du milieu par la
fonction nutritive fnut. Ce type d’évaluation est très intéressant de par son impact sur l’allocation
d’énergie et sert d’index descriptif du site étudié mais il renseigne aussi quant à l’entrée nutritive
particulaire. Cette dernière est d’un impact majeur dans les modèles de bioaccumulation intégrant le
partitionnement dissous et particulaire du contaminant étudié.
C’est suite à la validation de ce modèle de croissance qu’a été réalisé le couplage à la
bioaccumulation, en se servant des cinétiques d’accumulation et de décontamination.
- Le modèle de bioaccumulation à base énergétique, permet de comprendre la signification de la
concentration mesurée à l’instant t, par l’intégration des cinétiques d’accumulation et de
décontamination, et le suivi de la physiologie de l’organisme et des caractéristiques environnementales
du milieu. A défaut de quantifier de façon objective les principales voies de contamination et de
décontamination, il donne une approche possible de l’interaction « Environnement-Hôte-
Contaminant », basée sur les observations réalisées. Il intègre mathématiquement la variabilité du
milieu et la diversité des processus mis en jeu. Ainsi l’effet des variations biologiques (condition
physiologique et étapes du cycle biologique de l’organisme bioindicateur, nutrition, croissance,
amaigrissement, reproduction), des variations chimiques du milieu (nature et importance de la
contamination du milieu, variation du partitionnement dissous/particulaire, impact de la spéciation et
de la biodisponibilité) et des variations environnementales (température, conditions trophiques)
interviennent dans cet outil de recherche qui rassemble l’état de connaissances. Par le couplage

271
croissance-bioaccumulation, la contribution de la physiologie de l’organisme détermine des variables
d’état tels que le soma, les réserves et le compartiment reproductif. Leurs variations dans le temps
influencent les cinétiques de capture, de stockage et d’élimination des métaux au sein de l’organisme.
Pour le Hg et le Pb, le modèle de bioaccumulation simule bien les cinétiques observées, en traduisant
les différences nettes de contamination entre la baie du Lazaret, l’étang de Bages et l’île de Port-Cros.
La cohérence et la justesse du modèle ont été mises en évidence. La simulation sur le long terme
permet de décrire l’atteinte d’un équilibre en 224/225 jours (Hg et Pb respectivement) suite à la
transplantation sur le Lazaret et en 408/371 jours pour retrouver un niveau faible en décontamination
sur Port-Cros. La paramétrisation des trois taux cinétiques (rda, rpa et rad) réalisée par optimisation nous
amène à un modèle qui s’ajuste bien aux cinétiques mais qui considère peu l’effet de l’entrée du métal
sous forme particulaire. Cette caractéristique est aussi due au fait que le site de contamination utilisé, à
savoir le Lazaret, est un milieu oligotrophe et parallèlement le site peu contaminé (Bages) est riche en
particules. Pour élargir la validation du modèle, il aurait été intéressant de travailler aussi sur un site
contaminé, riches en particules, de façon à mieux comprendre la biodisponibilité du Hg et du Pb sous
forme particulaire.
Pour le Cd, le modèle de bioaccumulation simule relativement bien les cinétiques de contamination et
de décontamination. Cela dit, la simulation sur le long terme révèle sa fragilité et ses limites
d’application. En effet, le choix des valeurs des paramètres cinétiques a été fait par optimisation, le
meilleur modèle étant celui qui s’ajuste le mieux aux observations. Il attribue ainsi beaucoup
d’importance à l’entrée particulaire, propice à la contamination métallique importante sur Bages et
riche trophiquement, alors que le Lazaret est peu contaminé et oligotrophe. Parallèlement à cette
entrée, la décontamination de l’organisme est complètement sous-estimée. De ce fait, le modèle ne
peut être validé sur du long terme. La décontamination par l’excrétion étant nulle, la concentration
dans la chair ne fait qu’augmenter avec le temps, selon le cycle physiologique de l’organisme. Alors
que pour le Hg et le Pb, le modèle reste réaliste sur du long terme avec l’atteinte d’un équilibre
dépendant de la concentration dissoute dans le milieu ; pour le Cd, son utilisation est limitée sur du
court terme et doit être améliorée en y intégrant d’autres suivis sur des sites aux caractéristiques
trophiques différentes. Des cinétiques réalisées sur des sites intermédiaires, tant en terme de
contamination que de quantité nutritive sont nécessaires pour confirmer, améliorer ou réfuter les
résultats acquis par cet ajustement en terme de bilan de flux et d’impact dissous/particulaire.
Pour le Cu, le modèle simule la tendance générale des observations, sans pour autant s’y ajuster très
précisément. En effet, les écarts « estimations-observations » peuvent être très importants à certains
moments malgré l’intégration des variations de Cu mesurées dans l’eau. L’organisme semble en
permanence réagir aux augmentations et diminutions du Cu du milieu, par une fonction régulatrice,
rendant difficile la justesse du modèle seulement basé sur la physiologie et les transferts cinétiques.
Une plus grande fréquence des mesures de concentrations dans le milieu aurait permis d’intégrer de
façon plus soutenue la variabilité et représentativité de ce forçage environnemental et de mieux cerner

272
le mécanisme de réponse de l’organisme intégrateur, régulant sa concentration en éléments
nécessaires. La simulation sur le long terme permet l’atteinte d’un plateau de contamination de 74
jours sur le Lazaret et sur Bages et d’un plateau de décontamination de 349 jours sur Port-Cros.
Malgré une première décontamination très rapide et importante, la cinétique se fait en deux étapes
avec une décontamination beaucoup plus lente. Ce mécanisme montre clairement un système de
régulation qui expulse le surplus de cuivre d’une seule traite, la seconde phase étant quant à elle le
résultat d’une décontamination par les fèces.
Cela dit, la faiblesse de ce modèle réside dans son ajustement sur des sites aux contaminations peu
contrastées en Cu, les concentrations dans l’eau du Lazaret étant peu différentes de celles de Bages.
De ce fait, l’amplitude des variations est faible et une validation sur un site très contaminé semble
nécessaire.
Enfin, pour le Zn, le modèle de bioaccumulation s’ajuste moyennement bien aux données observées. Il
traduit bien les différences de contamination entre les deux sites mais son ajustement sur la cinétique
reste toutefois limité, de par des variations très importantes au cours du temps. La paramétrisation par
optimisation amène à des valeurs de taux cinétiques faibles, sauf pour le particulaire qui semble être la
voie d’entrée privilégiée. Cependant, c’est essentiellement sur l’effet dilution/concentration par la
croissance/amaigrissement que le bilan de flux se fait. Enfin, la simulation sur le long terme montre la
difficulté d’étendre ce modèle à une autre échelle que celle de l’étude, le taux d’élimination étant très
faible.

Ces considérations étant faites, il est clair que la stratégie d’expérimentation a été fondée sur l’étude de
la bioaccumulation du Hg, du Cd et du Pb chez la moule. De façon simultanée, le sujet a été étendu au
Cu et Zn afin d’appliquer la structure du modèle de bioaccumulation à d’autres métaux.
Bien entendu, des précautions doivent être prises quant aux résultats du modèle, de par son
optimisation sur trois sites particuliers, qui même s’ils se veulent représentatifs des milieux
méditerranéens, restent toutefois spécifiques, tant en terme de contamination que de richesse
trophique. D’autres suivis de contamination/décontamination seraient un atout supplémentaire à la
validation de la répartition des flux d’entrée et de sortie. De cette façon, la paramétrisation du modèle
et sa simplification seraient justifiés de façon plus globale. Actuellement, des suivis de contamination
sont en cours d’acquisition, dans le cadre du GDR Corse (Groupement de Recherche) et de l’Interreg-
MONIQUA (Monitorage de la qualité des eaux littorales). Par un protocole très similaire à celui de
l’étude, ils constituent une base de données utilisables. En effet, deux sites supplémentaires au Lazaret
sont étudiés en Corse: la baie de Calvi comme site de référence et le site de Canari contaminé en Cr et
Ni (Mine d’amiante) et à un moindre degré en Cd, dû à la nature du socle. D’un point de vue
environnemental, ces sites restent oligotrophiques. Ainsi, le site de Canari correspond bien à notre
demande de validation sur un site contaminé par le Cd et pauvre trophiquement.

273
Le modèle constitue un outil pertinent dans la validation et l’optimisation de l’utilisation des moules
comme bioindicateurs quantitatifs, en reproduisant aussi fidèlement que possible l’importance relative
des différents processus et leurs variations spatio-temporelles.

Enfin, l’application du modèle par l’analyse inverse de données issues des réseaux de surveillance, tels
que RINBIO, montre, au delà de la compréhension des processus physiologiques, l’intérêt d’un tel
outil opérationnel. En effet, le modèle relie, par une méthode explicative, les concentrations dans
l’organisme vivant à celles du milieu environnant. De plus, il permet de comprendre et d’évaluer la
contamination chimique effective des sites quelles que soient les conditions trophiques rencontrées
dans le golfe du Lion, en s’affranchissant des différences physiologiques dues au trophisme. La vision
intégrée et globale du processus de bioaccumulation, avec ses variations spatiales et temporelles, est
donc approché, donnant des indications parlantes de la contamination côtière. Suffisamment validé, il
devient un outil opérationnel permettant de tester des modifications de ses entrées pour en prévoir les
conséquences sur le fonctionnement du système. Son application et utilisation à la surveillance doivent
être envisagées, en améliorant son potentiel de prédiction des concentrations en métaux dans le milieu.
Pour cela, des expérimentations terrain d’ajustement sur un panel plus large de sites doivent être
réalisées. La structure du modèle généralisable à d’autres métaux et la possibilité de l’utiliser en
d’autres circonstances en font sa richesse.

Au delà de ses applications opérationnelles, de nombreuses améliorations peuvent être apportées, la

structure de base du modèle restant commune à de nombreuses autres études. En effet, le concept du
modèle, basé sur la théorie des modèles dynamiques de budget énergétique, est que sa structure ne doit
pas être spécifique à l’espèce et qu’il pèse les différents critères avec respect du réalisme et de la
simplicité. L’impressionnante biodiversité est intégrée par la différence de valeurs des paramètres. De
ce fait, l’objectif est qu’il aide à connecter les différents niveaux d’organisation: de la molécule à
l’écosystème. Les modèles DEB constituent une base pour développer des modèles physiologiques
structurés (Metz et Dikmann, 1986; Tuljapurkar et Caswell, 1997) dont le but est de lier la physiologie
de l’individu au niveau de la population par exemple. Ils sont aussi utilisés pour l’application en
toxicologie (Norstrom et al., 1976; Kooijman et van Haren, 1990; Landrum et al., 1992; van Haren et
al., 1994; Kooijman et Bedaux, 1996) et en biotechnologie (Nisbet et al., 2000; Péry et al., 2002).

Dans un but d’élargir son domaine d’application à un réseau trophique, le modèle peut être multiplier
pour différents échelons d’une chaîne, afin de décrire le processus de bioamplification. S’agissant de
composés présumés toxiques comme les PCB, la bioaccumulation conditionne les effets à long terme
sur les organismes de rang trophique supérieur. Les quantités de PCB stockées dans les graisses
peuvent, dans les situations où les organismes ont recours à ces réserves d’énergie, atteindre des
concentrations susceptibles de perturber des fonctions vitales. Cela correspond au travail de thèse

274
commencé à l’IFREMER par Xavier Bodiguel et encadré par Véronique Loizeau, où de la même
façon que pour la moule, un modèle de croissance DEB va être couplé à un modèle d’accumulation
des PCB chez le merlu.

A plus grande échelle, le couplage du modèle de bioaccumulation à base énergétique à un modèle

hydrodynamique peut être envisagé tel que le développent les équipes de Sète, sur l’étang de Bages
par exemple, dans le cadre du PNEC Lagunes (Programme National sur l’Environnement Côtier).
Cela permettrait de modéliser, sur des bases multidisciplinaires, les processus physiques et biologiques
qui contrôlent la productivité et l’état sanitaire des écosystèmes pour améliorer la compréhension, les
capacités de diagnostic et de prédiction en matière de phénomènes environnementaux majeurs ou
d’aménagements.

A des fins d’intégration des résultats issus de la recherche fondamentale, le modèle cinétique
d’accumulation peut être utilisé dans l’optique de travailler à l’échelle de l’organe par exemple, afin de
mieux gérer le stockage et l’excrétion des métaux traces chez la moule. Ainsi, au lieu de suivre la
concentration dans l’organisme entier, la compartimentation de cette concentration dans les différents
organes (organotropisme) pourrait être réalisée, en particulier pour le cadmium, particulièrement
concerné par son piégeage dans les métallothionéines. De ce fait, les études concernant le potentiel de
la métallothionéine comme biomarqueur d’exposition et les recherches de contaminant dans les
différents compartiments sont d’un intérêt important et pourraient à terme être intégrées au modèle. De
la même façon, la compréhension et la simulation de la régulation de certains métaux (Cu et Zn)
semblent primordiales à l’amélioration de l’outil de prédiction.

Un autre aspect qui semble intéressant d’intégrer est l’effet même du contaminant sur la physiologie
de l’organisme. Dans notre étude, cette propriété néfaste des métaux n’est pas considérée précisément,
si ce n’est dans la valeur globale des paramètres ou peut-être, sans le traiter directement, dans la
simulation de la physiologie de l’organisme. Par définition, l’écotoxicologie étudie les processus de
transfert et de bioaccumulation des substances polluantes au sein des écosystèmes, et les effets
qu’elles induisent. Dans ce cadre, dans le domaine marin, deux approches complémentaires sont mises
en œuvre pour évaluer et surveiller la qualité de l’environnement. La première approche, qui était en
partie celle de cette thèse, s’intéresse aux processus de bioaccumulation des substances chimiques
dans les organismes: transfert par l’eau, les sédiments ou transfert trophique, étude des cinétiques
d’accumulation et d’excrétion, organotropisme, localisation subcellulaire des polluants, etc. La
seconde approche, toxicologique, consiste à étudier les effets létaux, puis sublétaux, des altéragènes.
Cette approche « traditionnelle » reste indispensable ; elle est complétée, à l’heure actuelle, par une
approche plus fine consistant à utiliser des biomarqueurs d’exposition afin d’évaluer l’effet biologique
des polluants chimiques sur les organismes marins. L’effet de la réponse biologique provoquée par le
métal pourrait être substantiellement ajouté pour paramétrer le modèle de croissance (taux d’ingestion
et de filtration) puis de bioaccumulation (taux de capture du contaminant via la nourriture, les

275
particules ou le sédiment). Il est crucial d’intégrer ce genre de résultats dans le modèle et de coupler
les tests en laboratoires aux données terrain. C’est ce que font les modèles nommés DEBtox (Norstrom
et al., 1976; Kooijman et van Haren, 1990; Landrum et al., 1992; van Haren et al., 1994; Kooijman et
Bedaux, 1996; Péry et al., 2002).

Enfin, le dernier point qui me semble nécessaire d’être éclairé et intégré au modèle de
bioaccumulation est celui de la variabilité de la biodisponibilité des métaux. Lors de cette thèse, des
capteurs passifs (Diffusive Gradient in Thin Films) ont été utilisés et nous ont renseigné sur la fraction
totale dissoute d’ions libres, biodisponibles. Leur utilisation trop dispersée, ne nous a pas permis d’en
déduire un comportement spatio-temporel. Le couplage du modèle de bioaccumulation à un modèle
général de biodisponibilité (modèle de l’ion libre, modèle de complexation) serait une approche fort
intéressante, autant pour explorer les réactions de complexation du contaminant que pour comprendre
et décrire leurs effets sur la bioaccumulation.

276
REFERENCES BIBLIOGRAPHIQUES
 REFERENCES BIBLIOGRAPHIQUES

Abdelrhman, M. A., B. J. Bergen et W. G. Nelson (1998). "Modeling of PCB concentrations in water

and biota (Mytilus edulis) in New Bedford Harbor, Massachusetts." Estuaries 21: 435-448.

Adami, G., P. Barbieri, M. Fabiani, S. Piselli, S. Predonzani et E. Reisenhofer (2002). "Levels of

cadmium and zinc in hepatopancreas of reared Mytilus galloprovincialis from the Gulf of Trieste
(Italy)." Chemosphere 48: 671-677.

Adema, D. M. M. (1981). Accumulatie en eliminatie van enkelen metalen door de moddel Mytilus
edulis, volgens laboratorium onderzoek (in duthc), Report MT-TNO, MD-N&E 81/3: 1-32.

Albentosa, M., A. P. Camacho et R. Beiras (1996). "The effect of food concentration on the scope for
growth and growth performance of Ruditapes decussatus (L.) seed reared in an open-flow system."
Aquac. Nutr. 2: 213-220.

Alfaro-De la Torre, M. C., P.-Y. Beaulieu et A. Tessier (2000). "In situ measurement of trace metals in
lakewater using the dialysis and DGT techniques." Analytica Chimica Acta 418: 53-68.

Allison, N., M. B. Jones et G. E. Millward (1995). The uptake of trace and minor metals from
suspended particulate matter by the blue mussel, Mytilus edulis. Proceedings of the 30th European
Marine Biological Symposium, Southampton, UK.

Allison, N., G. E. Millward et M. B. Jones (1998). "Particle processing by Mytilus edulis: effects on
bioavailability of metals." J. Exp mar. Biol. Ecol 222: 149-162.

Amiard, J. C., C. Amiard-Triquet, B. Berthet et C. Metayer (1987). "Comparative study of the patterns
of bioaccumulation of essential (Cu, Zn) and non essential (Cd, Pb) trace metals in various estuarine
and coastal organisms." J. Exp. Mar. Biol. Ecol 106(1): 73-89.

Amiard, J. C., C. Amiard-Triquet, C. Berthet et C. Metayer (1986). "Contribution to the ecotoxical

study of cadmium lead, copper and zinc in the mussel M. edulis I: Field study." Mar. Biol 90: 425-431.

Amiard-Triquet, C., C. Amiard-Triquet et C. Metayer (1982). "Distribution de quelques métaux (Cd,

Pb, Cu, Zn) chez les organismes vivants de l'estuaire de la Loire et des zones côtières adjacentes."
Bull. Soc. Sc. Nat. Ouest de la France 4: 153-168.

Amiard-Triquet, C. et F. Caurant (1994). "Les formes physicochimiques de stockage des métaux chez
les organismes marins." Analusis Magazine 22(1): 24-26.

Amiard-Triquet, C., D. Guiral et D. Claisse (1999). Biomonitoring of the marine environment quality:
experience of the French National Observation Network (RNO) and the development of biomarkers.
Recent progress in marine chemistry and ecotoxicology, Symposium of the Oceanographic Institute.

Amiard-Triquet, C., A. Y. Jeantet et B. Berthet (1993). "Metal transfer in marine food chains:
bioaccumulation and toxicity." Acta. Biologica Hungarica 44(4): 387-409.

Anandraj, A., D. J. Marshall, A. Gregory et T. P. McClurg (2002). "Metal accumulation, filtration and
O2 uptake rates in the mussel Perna perna (Mollusca: Bivalvia) exposed to Hg2+, Cu2+ and Zn2+."
Comp. Biochem. Physiol Part C: Toxicology & Pharmacology 132(3): 355-363.
Andral, B. et J. Y. Stanisiere (1999). Réseaux Intégrateurs Biologiques. RINBIO. Evaluation de la
qualité des eaux basée sur l'utilisation de stations artificielles de moules en Méditerranée: résultats de
la campagne 1998., Ifremer. DEL/TL/99-038.

Andral, B., J. Y. Stanisiere, D. Cossa, A. Abarnou, D. Claisse, M. Joanny, C. Lebec, J. P. Angeli, Y.

Henocque et L. A. Romana (1997). Réseau Intégrateurs Biologiques. RINBIO: étude de la
contamination chimique du milieu littoral méditerranéen. Rapport de contrat dans le cadre de la
Convention n°95095 pour l'Agence de l'Eau RMC, Ifremer Toulon.

Andral, B., J. Y. Stanisiere et S. Mercier (2001). Réseau Intégrateurs Biologiques. RINBIO.

Evaluation de la contamination chimique des eaux basée sur l'utilisation de stations artificielles de
moules en Méditerranée: résultats de la campagne 2000., Ifremer. R.INT.DEL/TL/01-03.

Andral, B., J. Y. Stanisiere, D. Sauzade, E. Damier, H. Thebault, F. Galgani et P. Boissery (2004).

"Monitoring chemical contamination levels in the Mediterranean based on the use of mussel caging."
Mar. Pollut. Bull. 49: 704-712.

Angelidis, M. O. et V. A. Catsiki (2002). Metal bioavailability and bioaccumulation in the marine

environement: methodological questions, CIESM Workshop Monograph, Monaco: 128p.

Arai, T., M. Maeda, H. Yamakawa, A. Kamatani et N. Miyazaki (2002). "Growth effect on the uptake
and elimination of trace metals in the abalones Haliotis." Fisheries Science 68: 1094-1098.

Arifin, Z. et L. I. Bendell-Young (2000). "Influence of a selective feeding behaviour by the blue

mussel Mytilus trossulus on the assimilation of 109Cd from environmentally relevant seston matrices."
Mar. Ecol. Prog. Ser 192: 181-193.

ATSDR (1990). "Toxicological profiles for copper. Agency for toxic substances and disease registry,
atlanta, GA: US department of Health and Human Services, Public Health Services.
http://www.atsdr.cdc.gov/toxpro2.html."

Augier, H., R. Desmerger, M. Egea, E. Imbert, W. K. Park, G. Ramonda et M. Santimone (1994).

"Study of heavy metal contamination in harbour-industrial zone of the gulf of Fos-sur-Mer
(Mediterranean, France), using biological indicators (mussels and sea urchins)." Mar. Life 4(2): 59-67.

Barillé, A.-L. (1996). Contribution à l'étude des potentialités conchylicoles du Pertuis Breton. Thèse es
sciences. Univ. Aix-Marseille II: 312.

Bayne, B. L. (1976). Marine mussels. Their ecology and physiology. Cambridge (U.K), Cambridge
University Press. 506p.

Bayne, B. L. (1993). Feeding physiology of bivalves time dependance and compensation for changes
in food bioavailabilty. Bivalve Filter Feeders in Estuarine and Marine Ecosystem Processes. R. F.
Dame. Berlin Heidelberg, Springer Verlag: 1-24.

Bayne, B. L. et A. J. S. Hawkins, Eds. (1990). Filter feeding in bivalve molluscs. Animal nutrition and
transport processes: 1. Nutrition in wild and domestic animals. Comparative Physiology, Karger,
basel.

Bayne, B. L., A. J. S. Hawkins, E. Navarro et J. I. P. Iglesias (1989). "Effects of seston concentration

on feeding digestion and growth in the mussel Mytilus edulis." Mar. Ecol. Prog. Ser 55(1): 47-54.

Bayne, B. L., J. I. P. Iglesias, A. J. S. Hawkins, E. Navarro, M. Heral et J. M. Deslous-Paoli (1993).

"Feeding behaviour of the mussel, Mytilus edulis: responses to variations in quantity and organic
content of the seston." J. Mar. Biol. Ass. UK 73: 813-829.

278
Bayne, B. L., M. N. Moore, J. Widdows, D. R. Livingstone et P. Salked (1979). "Measurements of the
responses of individuals to environmental stress and pollution: studies with bivalve molluscs." Phil.
Trans. R. Soc. Lond. 286(Ser B 286): 563-581.

Bayne, B. L. et R. C. Newell (1983). Physiological energetics of marine molluscs. The mollusca 4.

Physiology, part 1. A. S. M. Saleuddin et K. M. Wilbur. New York, Academic Press: 407-515.

Bayne, B. L. et C. M. Worral (1980). "Growth and production of mussels Mytilus edulis from two
populations." Mar. Ecol. Prog. Ser 3: 317-328.

Beadman, H. A., R. I. VWillows et M. J. Kaiser (2002). "Potential applications of mussel modelling."

Helgoland Marine Research 56(1): 76-85.

Beck, M. B. (1987). "Water quality modeling: a review of the analysis of uncertainty." Water. Res. 23:
1393-1442.

Behrens, W. J. et J. W. Duedall (1981). "The behaviour of heavy metals in transplanted hard clams,
Mercenaria mercenaria." J. Cons. Int. Explor. Mer 39: 223-230.

Bei, F., V. A. Catsiki et E. Stroggyloudi (1998). Seasonal and spatial variations of Cu, Cr, Ni and Pb
concentrations in Mytilus galloprovincialis of Saranikos Gulf, Greece. Rapports de la Comission
Internationale pour l'Exploitation Scientifique de la Mer Méditerranée 35 (2).

Bendell-Young, L. I. et Z. Arifin (2004). "Application of a kinetic model to demonstrate how selective

feeding could alter the amount of cadmium accumulated by the blue mussel (Mytilus trossulus)." J.
Exp. Mar. Biol. Ecol 298(1): 21-33.

Besada, V., J. Fumega et A. Vaamonde (2002). "Temporal trends of Cd, Cu, Hg, Pb and Zn in mussel
(Mytilus galloprovincialis) from the Spanish North-Atlantic coast 1991-1999." The Science of the
Total Environment 288: 239-253.

Bjork, M. et M. Gilek (1997). "Bioaccumulation kinetics of PCB 31, 49 and 153 in the blue mussel,
Mytilus edulis, as a function of algal food concentration." Aquatic Toxicology. 38: 101-123.

Blackmore, G. et W.-X. Wang (2004). "The transfer of cadmium, mercury, methylmercury and zinc in
an intertidal rocky shore food chain." J. Exp. Mar. Biol. Ecol.

Blust, R., E. Kockelbergh et M. Bailleul (1992). "Effect of salinity on the uptake of cadmium by the
brine shrimp Artemia franciscana." Mar. Ecol. Prog. Ser 84: 245.

Boalch, R., S. Chan et D. Taylor (1981). "Seasonal variation in the trace metal content of Mytilus
edulis." Mar. Pollut. Bull. 12: 276-280.

Boening, D. W. (1999). "An evaluation of bivalves as biomonitors of heavy metal pollution in marine
waters." Environ. Monitoring and Assessment 55: 459-470.

Boisson, F., O. Cotret et S. W. Fowler (1998). "Bioaccumulation and retention of lead in the mussel
Mytilus galloprovincialis following uptake from seawater." The Science of the Total Environment
222: 55-61.

Boisson, F., O. Cotret, J. L. Teyssié, M. El-Baradeï et S. W. Fowler (2003). "Relative importance of

dissolved and food pathways for lead contamination in shrimp." Mar. Pollut. Bull. 46(12): 1549-1557.

279
Borchardt, T. (1983). "Influence of food quantity on the kinetics of cadmium uptake and loss via food
and seawater in Mytilus edulis." Mar. Biol 76: 67-76.

Borchardt, T. (1985). "Relationship between carbon and cadmium uptake in Mytilus edulis." Mar. Biol
85: 233-244.

Borgmann, U., W. P. Norwood et B. C. Clarke (1993). "Accumulation, regulation and toxicity of

copper, zinc, lead and mercury in Hyalella azteca." Hydrobiologia 259: 79-89.

Boudou, A. (1982). Recherches en écotoxicologie expérimentale sur les processus de bioaccumulation

et de transfert des dérivés du mercure. Thèse de doctorat d'Etat, Université de Bordeaux 1: 297.

Boudou, A., M. Delnomdedieu, D. Georgescauld, F. Ribeyre et E. Saouter (1991). "Fundamental roles

of biological barriers in mercury accumulation and transfer in freshwater ecosystems." Water Soil
Pollut 56: 807-821.

Boudou, A., J. P. Desmazes et D. Georgescauld (1982). "Fluorescence quenching study of mercury

compounds and liposome interactions: effect of charged lipid and pH." Ecotox. Environment. Safety 6:
379-387.

Boudou, A., D. Georgescauld et J. P. Desmazes (1983). Ecotoxicological role of the membrane

barriers in transport and bioaccumulation of mercury compounds. Aquatic Toxicology. J. O. Nriagu.
New York, J. Wileyland Sons.: 118-136.

Bouquegneaux, J. H. et F. Noël-Lambot (1978). Les métallothionéines: structure, fonction et incidence

dans les milieux marins pollués par les métaux lourds. Journées du GABIM, La Rochelle, 16-17 nov
1978.

Bourg, A. (1979). "Spéciation chimique des métaux traces dans les systèmes aquatiques." J. Franc.
Hydrologie 10 (3): 159-164.

Boutron, C. F. et C. C. Patterson (1983). "The occurrence of lead in Antarctic recent snow firns
depostited over the last two centuries and prehistoric ice." Geochim. Cosmochim. Acta. 47: 1355-
1368.

Bowen, H. J. M. (1966). "Trace elements in biochemistry." Academic Press, Londres: 241.

Boyden, C. R. (1974). "Trace element content and body size in molluscs." Nature, Lond. 251: 311-
314.

Boyden, C. R. (1977). "Effect of size upon metal content of shellfish." J. Mar. Biol. Ass. UK 57: 675-
714.

Brix, H. et J. E. Lyngby (1984). The influence of size upon the concentration of heavy metals in the
common mussel (Mytilus edulis). Proceedings of Symposium on Heavy metals in Water Organisms.
Balatonfured, 2-8 sept 1984, Symp. Biol. Hung. 29.

Buat-Menard, P., M. Arnold, D. Baron, H. Bernard et R. Chesselet (1980). "Particulate trace metal
chemistry in the open ocean and the Western Mediterranean: a comparative study." Ves. Journées
Etud. Pollutions, Cagliari, CIESM: 1005-1039.

Buestel, D. (1997). Croissance et conditions des moules Mytilus galloprovincialis dans quelques sites
caractéristiques de Méditerranée., Atelier RINBIO. Ifremer, DEL/DRV.

280
Butler, P. A., L. Andren, G. J. Bonde, A. Jernelov et D. J. Reisch (1971). Monitoring organisms. FAO
Conference on marine pollution and its effects on living ressources and fishing. Rome, FAO fisheries
report 99, Suppl. 1: 101-112.

Cain, D. J. et S. N. Luoma (1986). "Effect of seasonnaly changing tissue weight on trace metal
concentration in the bivalve Macoma bathica in San Francisco bay." Mar. Ecol. Prog. Ser 28: 209-217.

Campbell, D. E. et C. R. Newell (1998). "MUSMOD, a production model for bottom culture of the
blue mussel, Mytilus edulis L." J. Exp. Mar. Biol. Ecol 219(1-2): 171-203.

Campbell, P. G. C. (1995). Interactions between trace metals and organisms: critique of the free-ion
activity model. Metal speciation and bioavailability in aquatic systems. A. Tessier et D. R. Turner, J.
Wiley & Sons, Chichester, UK: 45-97.

Campbell, P. G. C. et P. M. Stokes (1985). "Acidification and toxicity of metals to aquatic biota." Can.
J. Fish. Aquat. Sci. 42: 2034.

Campbell, P. G. C., M. R. Twiss et K. J. Wilkinson (1997). "Accumulation of natural organic matter

on the surfaces of living cells-implications for the interaction of toxic solutes with aquatic biota." Can.
J. Fish. Aquat. Sci. 54: 2543-2554.

Carballal, M. J., A. Villalba et C. Lopez (1998). "Seasonal variation and effects of age, food
availability, size, gonadal development and parasitism on the hemogram of Mytilus galloprovincialis."
Journal of Invertebrate Pathology 72(3): 304-312.

Cardoso, J. F. M. F., J. van der Meer et H. W. van der Veer (2001). Interspecies comparison of energy
flow in some North Atlantic bivalve species by means of dynamic energy budget. C. International
Council for the Exploitation of the Sea, J 43, Living Resources.

Carpene, E. et S. G. George (1981). "Absorption of cadmium by gills of Mytilus edulis." Molecular

Physiology 1: 23-34.

Cartier, S., J. Pellerin-Massicotte, M. Fournier, E. Tamigneaux, L. Girault et N. Lemaire (2004). "Use

of an index based on the blue mussel (Mytilus edulis and Mytilus trossulus) digestive gland weight to
assess the nutritional quality of mussel farm sites." Aquaculture 241: 633-654.

Catsiki, V. A. et A. Arnoux (1987). "Study of the variations of content of Hg, Cu, Zn and Pb in three
species of mollusks from the Berre Lagoon (France)." Mar. Environ. Res 21(3): 175-187.

Chan, H. M. (1999). "Temporal and spatial fluctuations in trace metal concentrations in transplanted
mussels in Hong Kong." Mar. Pollut. Bull. 20(2): 82-86.

Cherian, M. G. et R. A. Goyer (1978). "Metallothioneins and their role in the metabolism and toxicity
of metals." Life. Sci. 23: 1-10.

Chiffoleau, J. F., D. Auger, B. Boutier, E. Rozuel et I. Truquet (2003). Dosage de certains métaux
dans les sédiments et la matière en suspension par absorption atomique. Méthodes d'analyses en milieu
marin. Editions Ifremer, Plouzané, France: 44.

Chiffoleau, J. F., D. Auger et E. Chartier (2002). Dosage de certains métaux dissous dans l'eau de mer
par absorption atomique aprés extraction liquide-liquide. Méthodes d'analyses en milieu marin.
Editions Ifremer, Plouzané, France: 39.

281
Chiffoleau, J. F., D. Auger, E. Chartier, P. Michel, I. Truquet, A. Ficht, J. L. Gonzalez et L. A.
Romana (2001). "Spatiotemporal changes in Cadmium contamination in the Seine estuary (France)."
Estuaries 24(6B): 1029-1040.

Chiffoleau, J. F., H. Augier, E. Chartier et A. Grouhel (2002). Dosage de certains métaux traces (Ag,
Cd, Cu, Cr, Ni, Pb, V, Zn) dans les organismes marins par absorption atomique. Méthodes d'analyse
en milieu marin. Editions Ifremer, Plouzané, France: 36.

Chiffoleau, J. F., D. Claisse, D. Cossa, A. Ficht, G. Gonzalez, T. Guyot, P. Michel, P. Miramand, C.

Oger et F. Petit (2001). La contamination métallique, Programme scientifique Seine-Aval: 39.

Chong, K. et W.-X. Wang (2001). "Comparative studies on the biokinetics of Cd, Cr and Zn in the
green mussel Perna viridis and the Manila clam Ruditapes philippinarum." Environ. Pollut 115(1):
107-121.

Claisse, D. (1989). "Chemicals concentration of french coast : the result of ten year mussel watch."
Mar. Pollut. Bull. 20: 523-528.

Claisse, D., B. Boutier et A. Aranda (1990). La contamination de l'étang de Bages-Sigean par le

cadmium, Rapport IFREMER DRO-90-07-MR, Centre de Nantes.

Claisse, D., D. Cossa, J. Bretaudeau-Sanjuan, G. Touchard et B. Bombled (2001). "Methylmercury in

molluscs along the French coast." Mar. Pollut. Bull. 42(4): 329-332.

Claisse, D., M. Joanny et J. M. Quintin (1992). "The French marine pollution monitoring network
(RNO)." Analusis (Masson, Paris) 20(6): 19-22.

Coimbra, J. et S. Carraca (1990). "Accumulation of Fe, Zn, Cu and Cd during the different stages of
reproductive cycle in Mytilus edulis." Comp. Biochem. Physiol 95C: 265-270.

Comité-de-Bassin (1995). Schéma Directeur d'Aménagement et de Gestion des Eaux du Bassin

Rhône-Méditerranée-Corse. L. Agence de l'eau RMC Ed.

Connoly, J. P. (1991). "Application of a food chain model to PCB contamination of the lobster and
winter flounder food chains in New Bedford harbor." Environ. Sci. Technol. 25: 760-770.

Coombs, T. L. et S. G. George (1978). Mechanisms of immobilisation and detoxification of metals in

marine organisms. Physiology and behaviour of marine organisms. D. S. McLusky et A. J. Berry.
Oxford, Pergamon Press: 179-187.

Cossa, D. (1980). Utilisation de la moule bleue comme indicateur du niveau de pollution par les
métaux lourds et les hydrocarbures dans l'estuaire et le golfe du St Laurent, Rapport INRS
Oceanologie (Université du Quebec). NSI-43600/00: 74.

Cossa, D. (1987). Les éléments traces dans l'eau de mer: leurs niveaux de concentration et leurs
mesures. Nantes (France), Rapport Ifremer DERO 87-04-MR: 11.

Cossa, D. (1989). "Cadmium in Mytilus spp.: Worldwide Survey and Relationship between seawater
and Mussel Content." Mar. Environ. Res 26: 265-284.

Cossa, D. (1989). "A review of the use of Mytilus spp as quantitative indicators of cadmium and
mercury contamination in coastal waters." Oceanologica acta 12(4).

Cossa, D., A. Abarnou, B. Andral, S. Bougrier, D. Buestel, D. Claisse, P. J. Hatt et J. Y. Stanisiere

(1998). De l'usage de la méthode des transplants de moule pour le suivi de la contamination chimique

282
le long des cotes méditerranéennes françaises. Compte rendu et recommandations de l'atelier RINBIO,
Rapport DEL/PC, RA708, Ifremer: 76.

Cossa, D., B. Averty, J. Bretaudeau-Sanjuan et A. S. Sénard (2003). Spéciation du mercure dissous

dans les eaux marines. Dosage du mercure total, gazeux, réactif, mono et diméthylmercure. Méthodes
d'analyses en milieu marin. Editions Ifremer, Plouzané, France: 27.

Cossa, D., E. Bourget et J. Piuze (1979). "Sexual maturation as a source of variation in the relationship
between cadmium concentration and body weight of Mytilus edulis." Mar. Pollut. Bull. 10: 174-176.

Cossa, D., E. Bourget, D. Pouliot, J. Piuze et J. P. Chanut (1980). "Geographical and seasonal
variations in the relationship between trace metal content and body weight in Mytilus edulis." Mar.
Biol 58: 7-14.

Cossa, D., M. Coquery, K. Naklé et D. Claisse (2002). Dosage du mercure total et du

monométhylmercure dans les organismes et séciments marins. Méthodes d'analyses en milieu marin.
Editions Ifremer, Plouzané, France: 26.

Cossa, D., F. Elbaz-Poulichet, M. Gnassia-Barelli et M. Romeo (1993). Le plomb en milieu marin.

Biogéochimie et écotoxicologie, Editions Ifremer, Plouzané, France. 3: 75.

Cossa, D. et A. Ficht (1999). La dynamique du mercure, Programme scientifique Seine-Aval, Editions

Ifremer, Plouzané, France: 26.

Cossa, D. et P. Lassus (1989). Le cadmium en milieu marin. Biogéochimie et écotoxicologie, Editions

Ifremer, Plouzané, France. 16: 111.

Cossa, D. et J.-G. Rondeau (1985). "Seasonal, geographical and size-induced variability in mercury
content of Mytilus edulis in an estuarine environment: a re-assessment of mercury pollution level in
the estuary and gulf of St Laurent." Mar. Biol 88: 43-49.

Cossa, D. et J. Sanjuan (2002). Bioaccumulation du Hg chez Mytilus galloprovincialis. Analyse de la

covariance entre le facteur de concentration et l'indice de condition selon les caractéristiques physico-
chimiques et trophiques des milieux, Ifremer, DEL/PC, Nantes.

Cossa, D., Y. Thibaud, M. Romeo et M. Gnassia-Barelli (1990). Le mercure en milieu marin.

Biogéochimie et écotoxicologie. Rapports scientifiques et techniques, Editions Ifremer, Plouzané,
France. 19: 130.

Couillard, Y., P. G. C. Campbell, M. Pellizato et J. C. Auclair (1995). "Field transplantation of a

freshwater bivalve, Pyganodon grandis, across a metal contamination gradient. II. Metallothionein
response to metal exposre, evidence for cytotoxicity, and links to effects at higher levels of biological
organization." Can. J. Fish. Aquat. Sci. 52: 703-715.

Couillard, Y., P. G. C. Campbell et A. Tessier (1993). "Response of metallothionein concentrtaions in

a freshwater bivalve (Anodonta grandis) along an environmental cadmium gradient." Limnol.
Oceanogr. 38: 299-313.

Couillard, Y., P. G. C. Campbell, A. Tessier, J. Pellerin-Massicotte et J. C. Auclair (1995). "Field

transplantation of a freshwater bivalve, Pyganodon grandis, across a metal contamination gradient. I.
Temporal changes of metallothionen and metal (Cd, Cu, Zn) concentrations in soft tissues." Can. J.
Fish. Aquat. Sci. 52: 690-702.

283
Crescenti, N., S. Martella et G. Martino (1983). "Relationship between body size and biological
concentration of heavy metals Cd and Pb in a population of Mytilus galloprovincialis L. from the lake
of Faro (Messina)." Mem. Biol. Mar. Oceanogr. 13(3): 229-236.

Cunningham, P. A. (1979). "The use of bivalve molluscs in heavy metal pollution research." Mar.
Pollut Functionnal Responses.

Dameron, C. et P. D. Howe (1998). Copper Environmental Health criteria n°200. Geneva, World
Health Organization.

Daracott, A. et H. Watling (1975). "The use of molluscs to monitor cadmium levels in estuaries and
coastal marine environments." Trans. R. Soc. S. Afr. 41: 325-338.

Davison, W. et H. Zhang (1994). "In situ speciation measurements of trace components in natural
waters using thin-film gel." Nature, Lon 367: 546-548.

Decho, A. et S. N. Luoma (1991). "Time courses in the relation of food material in the bivalves
Potamocorbula amurensis and Macoma balthica: significances to the absorption of carbon and
chromium." Mar. Ecol. Prog. Ser 78: 303-314.

Decho, A. et S. N. Luoma (1994). "Humic and Fulvic acids: sink or source in the availibility of metals
in the marine bivalve Macoma bathilca and Potamocorbula amurensis ?" Mar. Ecol. Prog. Ser 108:
133-145.

Decho, A. W. et S. N. Luoma (1996). "Flexible digestive strategies and trace metal assimilation in
marine bivalves." Limnol. Oceanogr. 41: 568-572.

Denis, L., E. Alliot et D. Grzeby (1999). "Clearance rate responses of Mediterranean mussels, Mytilus
galloprovincialis, to variations in the flow, water temperature, food quality and quantity." Aquat. Liv.
Resour. 12: 279-288.

Depledge, M. H. et P. S. Rainbow (1990). "Models of regulation and accumulation of trace metals in

marine invertebrates." Comp. Biochem. Physiol 97C: 1-7.

Dowd, M. (1997). "On predicting the growth of cultured bivalves." Ecol. Model. 104(2-3): 113-131.

Draper, N. R. et H. Smith (1998). Applied regression analysis. New York, J.Wiley & Sons.

Dunn, J., J. Zhang et W. Davison (2003). "Evaluation of the diffusive gradient in thin film technique
for monitoring trace metals in estuarine waters." Env. Sci. Technol. 37: 2794-2800.

Eisler, R. (1981). Trace metal concentration in marine organisms. Oxford, Pergamon Press.

Ernst, W. (1980). "Effects of pesticides and related organic compounds in the sea." Helgoländers
Meeresunters 3: 301-312.

Errecalde, O., M. Seidl et P. G. C. Campbell (1998). "Influence of low molecular weight metabolite
(citrate) on th toxicity of cadmum and zinc to the unicellular green alga Selenastrum capricomutum:
an exception to the Free-Ion Model." Wat. Res. 32: 419-429.

Esser, H. O. (1986). "A review of the correlation between physicochemical properties and
bioaccumulation." Pesticide Science 17: 265-276.

284
Fabris, J. G., B. J. Richardson, J. E. O'Sallivan et F. C. Brown (1994). "Estimation of cadmium, lead
and mercury concentration in estuarine waters using the mussel Mytilus edulis planutalus L." Environ.
Toxicol. Wat. Qual. 9: 183-192.

Fisher, H. (1983). "Shell weight as an independent variable in relation to cadmium content of

molluscs." Mar. Ecol. Prog. Ser 12: 59-75.

Fisher, H. (1984). Cadmium body burden-shell weight of mussels: a precise index for environmental
monitoring. International Council for the Exploration of the Sea, C.M. 1984/E41, Marine
Environmental Quality Comittee: 1-19.

Fisher, H. (1988). "Mytilus edulis as a quantitative indicator of dissolved cadmium. Final study and
synthesis." Mar. Ecol. Prog. Ser 48: 163-174.

Fisher, N. S. et J. R. Reinfelder (1995). The trophic transfer of metals in marine systems. In "Metal
speciation and bioavailability in aquatic systems". A. Tessier et D. R. Turner. Wiley: 363-396.

Fisher, N. S., J. L. Teyssié, S. W. Fowler et W.-X. Wang (1996). "The accumulation and retention of
metals in mussels from food and water: a comparison under field and laboratory conditions." Environ.
Sci. Technol. 30: 3232-3242.

Fisher, S. W., D. C. Gossiaux, K. A. Bruner et P. F. Landrum (1992). Preliminary investigations of the

toxicokinetics of hydrophobic contaminants in the zebra mussel, Dressena polymorphia Pallas. Zebra
mussels: Biology, impacts and control. T. F. Nalepa et D. W. Schloesser. Chelsea, MI, Lewis
Publishers: 466-490.

Fitzgerald, W. F. et T. W. Clarkson (1991). "Mercury and monomethylmercury: Present and future

concerns." Environ. Health Perspectives 96: 159-166.

Fitzgerald, W. F. et C. J. Watras (1989). "Mercury in surfacial waters of rural Wisconsin lakes." Sci.
Total. Environ. 87/88: 223-232.

Fowler, S. W. (1982). Biological transfer and transport processes. Pollutant transfer and transport in
the sea. G. Kullenberg, CRC press. Boca Raton: 2-65.

Fung, C. N., J. C. W. Lam, G. J. Zheng, D. W. Connell, I. Monirith, S. Tanabe, B. J. Richardson et P.

K. S. Lam (2004). "Mussel-based monitoring of trace metal and organic contaminants along the east
coast of China using Perna viridis and Mytilus edulis." Environ. Pollut 127(2): 203-216.

Gagnon, C. et N. S. Fisher (1997). "The bioavailability of sediment bound Cd, Co and Ag to the
mussel Mytilus edulis." Can. J. Fish. Aquat. Sci. 54: 147-156.

Gangnery, A. (2003). Etude et modélisation de la dynamique des populations de bivalves en élevage

(C. gigas et M. galloprovincialis) dans le bassin de Thau (Med. France) et des ascidies solitaires
associées. Thèse Doct., Univ. Montpellier 2: 175 p.

Gangnery, A., C. Bacher et D. Buestel (2004). "Application of a population dynamic model to the
Mediterranean mussel, Mytilus galloprovincialis, reared in the Thau Lagoon (France)." Aquaculture
229(1-4): 289-313.

Gardner, J. P. A. (2002). "Effects of seston variability on the clearance rate and absorption efficiency
of the mussels Aulacomya maoriana, Mytilus galloprovincialis and Perna canaliculus from New
Zealand." J. Exp mar. Biol. Ecol 268: 83-101.

285
George, S. G. (1980). "Correlation of metal accumulation in mussels with the mechanisms of uptake,
metabolism and detoxification: a review." Thalassia Jugoslavica 16 (2-4): 347-365.

George, S. G., E. Carpene et T. L. Coombs (1978). The effect of salinity on the uptake of cadmium by
the common mussel, Mytilus edulis (L.). Physiology and behaviour of marine organisms. D. S.
McLusky et A. J. Bary. Oxford, Pergamon Press: 189-193.

George, S. G. et T. L. Coombs (1977). "The effects of chelating agents on the uptake and
accumulation of cadmium by Mytilus edulis." Mar. Biol 39: 261-268.

GESAMP (1997). IMO/FAO/Unesco/WMO/WHO/IAEA/UN/Unep. Joint Group of Experts on

Scientific Aspects of Marine Pollution. Report of the Thirty-third session, Working group on the
evaluation of the hazards of harmful substances carried by ships, EHS/Feb 97, International Maritime
Organization, London.

Gilles, R. et A. Pequeux (1983). Interactions of chemical and osmotic regulation with the
environment. The biology of Crustacea, Environmental adaptations. D. E. Bliss, F. J. Vernberg et W.
B. Vernberg. New York, Academic Press. 8: 109-177.

Gimpel, J., H. Zhang et W. Davison (2003). "In-situ trace metal speciation in lake surface waters using
DGT, dialysis and filtration." Env. Sci. Technol. 37: 138-146.

Gobas, F. A. P. C. (1993). "A model for predicting the bioaccumulation for hydrophobic organic
chemicals in aquatic food webs: application to lake Ontario." Ecol. Model. 69: 1-17.

Goldberg, E. D. (1975). "The Mussel Watch." Mar. Pollut. Bull. 6: 111-113.

Goldberg, E. D., V. T. Bowen, J. W. Farrington, G. Harvey, J. H. Martin, P. L. Parker, R. W.

Risebrough, W. Robertson, E. Schneider et E. Gamble (1978). "The Mussel Watch." Envir. Conserv.
5: 101-125.

Gonzalez, J. L., J. F. Chiffoleau, P. Miramand et B. Thouvenin (1999). Le cadmium: comportement

d'un contaminant métallique en estuaire, Programme scientifique Seine Aval, Editions Ifremer,
Plouzané, France: 31.

Grant, J. (1996). "The relationship of bioenergetics and the environment to the field growth of culture
bivalves." J. Exp. Mar. Biol. Ecol 200(1-2): 239-256.

Grant, J. et C. Bacher (1998). "Comparative models of mussel bioenergetics and their validation at
field culture sites." Journal of Experimental Marine Biology and Ecology 219: 21-44.

Grant, J., M. Dowd, C. E. Thompson et A. Hatcher (1993). Perspectives on field studies and related
biological models of bivalve growth and carrying capacity. Bivalve filter feeders in estuarine and
coastal processes. (NATO ASI series, vol G33). R. F. Dame. Springer, Berlin Heidelberg New York:
371-420.

Griscom, S. B., N. S. Fisher et S. N. Luoma (2000). "Geochemical influences on assimilation of

sediment bound metals in clams and mussels." Environ. Sci. Technol. 34: 91-99.

Griscom, S. B., N. S. Fisher et S. N. Luoma (2002). "Kinetic modeling of Ag, Cd and Co

bioaccumulation in the clam Macoma balthic: quantifying dietary and dissolved sources." Mar. Ecol.
Prog. Ser 240: 127-141.

286
Gunther, A. J., J. A. Davis, H. D.D, J. Gold, D. Bell, J. R. Crick, G. M. Scelfo, J. Sericano et M. D.
Stephenson (1999). "Long-term bioaccumulation monitoring with transplanted bivalves in the San
Francisco estuary." Mar. Pollut. Bull. 38(3): 170-181.

Gurney, W. S. C. et R. M. Nisbet (1998). Ecological dynamics, Oxford University Press.

Hamon, P.-Y. (1983). Croissance de la moule Mytilus galloprovincialis dans l'étang de Thau.
Estimation des stocks de mollusques en élevage. Thèse de Doctorat, Université des Sciences et
Techniques du Languedoc: 331.

Hariati, T. (1986). "Some notes on condition index analysis of two populations of "Bob Creek Mussel"
(Mytilus edulis) grown at Olympia (Washington State) and the other at Winchester (Oregon State),
USA." J. Mar. Fish. Res 36: 85-93.

Hawkins, A. J. S. et B. L. Bayne (1992). Physiological interrelations and the regulation of production.

The mussel Mytilus: ecology, physiology, genetics and culture. E. Gosling, Elsevier, Amsterdam: 171-
222.

Haynes, D., P. Mosse et G. Levay (1995). "The use of transplanted cultured mussles (Mytilus edulis)
to monitor polluants along the ninety mile beach, Victoria, Australia I. Extractable Organohalogens
(EOX)." Mar. Pollut. Bull. 30(7): 463-469.

Haynes, D. et D. Toohey (1998). "The use of transplanted cultured mussels (Mytilus edulis) to monitor
pollutants along the Ninety Mile Beach, Victoria, Australia III. Heavy metals." Marine Pollution
Bulletin 36(5): 396-399.

Honkoop, P. J. C., B. L. Bayne, A. J. Underwood et S. Svensson (2003). "Appropriate experimental

design for transplanting mussels (Mytilus species) in analyses of environmental stress : an example in
Sydney harbour (Australia)." J. Exp. Mar. Biol. Ecol 297: 253-268.

Iglesias, J. I. P., A. Pérez Camacho, E. Navarro, U. Labarta, R. Beiras, A. J. S. Hawkins et J. Widdows

(1996). "Microgeographic variability in feeding, absorption and condition of mussels (Mytilus
galloprovincialis): A transplant experiment." Journal of Shellfish Research 15(3): 673-680.

Incze, L. S., R. A. Lutz et L. Walting (1980). "Relationship between effect of environmental

temperature and seston on growth and mortality of Mytilus edulis in a temperate northern estuary."
Mar. Biol 58: 147-156.

Jansen, H. H. et N. Scholtz (1979). "Uptake and cellular distribution of Cd in Mytilus edulis." Mar.
Biol 55: 133-141.

Jansen, S., R. Blust et H. P. VanLeeuwen (2002). "Metal speciation dynamics and bioavailability:
Zn(II) and Cd(II) uptake by mussel (Mytilus edulis) and carp (Cyprinus carpio). A flux-based model
for experimental metal uptake data demonstrates the role of labile complexes." Environ. Sci. Technol.
36(10): 2164-2170.

Joanny, M., C. Belin, D. Claisse, A. Grouhel et L. Moissec (1994). "Assesment of the French littoral
zone through biological monitoring." Equinoxe 47-48: 10-19.

Jorgensen, S. E. (1988). Fundamentals of ecological modelling., Elsevier Publishers.

Kagi, J. H. R. et H. R. Hapke (1984). Biochemical interactions of mercury, cadmium and lead. In

"Changing metal cycles and human health". J. O. Nriagu. Berlin, Springer Verlag: 237-250.

287
Kaimoussi, A., A. Chafik, M. Cheggour, A. Mouzdahir et S. Bakkas (2000). "Seasonal variations of
metal concentrations (Cd, Cu, Zn, Fe and Mn) in mussel Mytilus galloprovincialis from El jadida
coastline (Morocco)." Mar. Life 10(1-2): 77-85.

Kaimoussi, A., A. Chafik, A. Mouzdahir et S. Bakkas (2001). "The impact of industrial pollution on
the Jorf Lasfar coastal zone (Morocco, Atlantic Ocean) : the mussel as an indicator of metal
concentration." Earth Planet. Sci. 333: 337-341.

Kalpaxis, D. L., C. Theos, M. A. Xaplanteri, G. P. Dinos, A. V. Catsiki et M. Leotsinidis (2004).

"Biomonitoring of Gulf of Patras, N. Pelopollesus, Greece. Application of a biomarker suite including
evaluation of translation efficiency in Mytilus galloprovincialis cells." Environmental Research 94:
211-220.

Karayücel, S. et I. Karayücel (2000). "The effect of environmental factors, depth and position on the
growth and mortality of raft-cultured blue mussels (Mytilus edulis L.)." Aquaculture Research 31: 893-
899.

Kljakovic Gaspic, Z., I. Ujevic et A. Baric (2002). "The mediterranean blue mussel as an
environmental indicator of metal pollution in the coastal area of eastern adriatic." Fresenius
Environmental Bulletin 11(9b): 620-625.

Kock de, W. C. (1983). "Accumulation of cadmium and PCBs by Mytilus edulis transplanted from
pristine water into polluted gradient." Can. J. Fish. Aquat. Sci. 40 (sup 2): 282-294.

Kock de, W. C. (1986). "Monitoring bio-available marine contaminants with mussels (Mytilus edulis)
in the Netherlands." Environ. Monitoring and Assessment 7: 209-220.

Kock de, W. C. et H. Van Het Groenewoud (1985). Modelling bioaccumulation and elimination
dynamics of some xenobiotic pollutants (Cd, Hg, PCB, HCB) based on "in situ" observations with
Mytilus edulis. TNO report. The Hague: 68-79.

Kohler, K. et H. U. Riisgard (1982). "Formation of metallothioneins in relation to accumulation of

cadmium in the common mussel Mytilus edulis." Mar. Biol 66: 53-58.

Kooijman, S. A. L. M. (1986a). Population dynamics on the basis of budgets. The dynamics of

physiologically structured populations. J. A. J. Metz et O. Dickmann, Springer Lecture Notes in
Biomathematics. Springer Verlag, Berlin: 266-297.

Kooijman, S. A. L. M. (1986b). "Energy budgets can explain body size relations." J. Theor. Biol 121:
269-282.

Kooijman, S. A. L. M. (1988). The von Bertalanffy growth rate as a function of physiological

parameters: a comparative analysis. Mathematical Ecology. T. G. Hallam, L. J. Gross et S. A. Levin.
World Scientific, Singapore.

Kooijman, S. A. L. M. (1991a). "Effects of feeding conditions on toxicity for the purpose of

extrapolation." Comp. Biochem. Physiol 100c: 305-310.

Kooijman, S. A. L. M. (1993). Dynamic energy budgets in biological systems, theory and applications
in ecotoxicology. Cambridge.

Kooijman, S. A. L. M. (2000). Dynamic energy and mass budgets in biological systems, Cambridge
University Press, Cambridge.

288
Kooijman, S. A. L. M. (2001). "Quantitative aspects of metabolic organization: a discussion of
concepts." Phil. Trans. R. Soc. Lond. 356: 331-349.

Kooijman, S. A. L. M. et J. J. M. Bedaux (1996). "The analysis of aquatic toxicity data." Chemosphere

57(8): 745-753.

Kooijman, S. A. L. M., A. O. Hanstveit et N. Van der Hoeven (1987). "Research on the physiological
basis of population dynamics in relation to ecotoxicology." Water. Sci. Technol. 19: 21-37.

Kooijman, S. A. L. M. et T. Jager (2004). "The relationship between elimination rates and partition
coefficients of chemical compounds." Environ. Sci. Technol. In press.

Kooijman, S. A. L. M. et J. A. J. Metz (1983). "On the dynamics of chemically stressed populations.

The deduction of population consequences from effects on individuals." Ecotox. Environ. Saf. 8: 254-
274.

Kooijman, S. A. L. M. et R. J. F. van Haren (1990). "Animal energy budgets affect the kinetics of
xenobiotics." Chemosphère 21: 681-693.

Kuiper, J. (1984). Marine ecotoxicological tests: multispecies and model ecosystem experiments.
Environ. State Univ. Ghent, Belgique. 527-587.

La Touche, Y. D. et M. C. Mix (1982). "The effects of depuration, size and sex on trace metal levels in
bay mussels." Mar. Pollut. Bull. 13: 27-29.

Lake, J. L., N. I. Rubinstein et S. Pavignano (1987). Prediction bioaccumulation: Development of a

partitioning model for use as a screening tool in regulationg ocean disposal of wastes. Fate and effects
of sediment bound chemicals in aquatic systems. K. L. Dickson, A. W. Maki et W. A. Brungs.
Elmsford, N.Y, Pergamon Press: 151-166.

Lalli, C. M. et T. R. Parsons (1993). Biological Oceanography: An introduction, Pergamon Press,

Oxford.

Landrum, P. F. (1988). "Toxicokinetics of organic xenobiotics in the amphipod, Pontoporeia hoyi.

Role of physiological and environmental variables." Aquat. Toxicol. 12: 245-271.

Landrum, P. F., H. Lee et M. J. Lydy (1992). "Toxicokinetics in aquatic systems: model comparisons
and use in hazard assesment." Environ. Toxicol. Chem 11: 1709-1725.

Landrum, P. F. et C. R. Stubblefield (1991). "Role of respiration in the accumulation of organic

xenobiotis by the amphipod Diporeia sp." Environ. Toxicol. Chem 10: 1019-1028.

Lane, T. W. et F. M. M. Morel (2000). "A biological function for cadmium in marine diatoms."
Proceedings of the National Academy of Sciences 97(9): 4627-4631.

Langston, W. J. (1986). "Metals in sediments and benthic organisms in the Mersey estuary." Estuarine,
Coastal and Shelf Science 23: 239-261.

Langston, W. J. et S. K. Spence (1995). "Biological factors involved in metal concentrations observed

in aquatic organisms." Environ. Sci. Technol. 26: 407-467.

Lawson, N. M. et R. P. Mason (1998). "Accumulation of mercury in estuarine food-chains."

Biochemistry 40: 235-247.

289
Lee, B. G. et S. N. Luoma (1998). "Influences of microalgal biomass on absorption efficiency of Cd,
Cr and Zn by two bivalves from San Francisco Bay." Limnol. Oceanogr. 43: 1455-1466.

Lee, K. M., H. Kruse et O. Wassermann (1996). "Seasonal fluctuation of organochlorines in Mytilus

edulis L. from the South West Baltic Sea." Chemosphere 32(10): 1883-1895.

Lika, K. et R. M. Nisbet (2000). "A dynamic energy budget model based on partitioning of net
production." J.Math.Biol 41: 361-386.

Lindqvist, O. (1991). "Mercury in the Swedish environment. recent research on causes, consequences
and corrective methods." Water Air Soil Pollut 55: 261.

Lindqvist, O. et H. Rhode (1985). "Atmospheric mercury - a review." Tellus 37B: 136-159.

Lobel, P. B. et D. A. Wright (1982). "Relationship between body zinc concentration and allometric
growth measurements in the mussel Mytilus edulis." Mar. Biol 66: 145-150.

Loizeau, V. et P. Cugier (2002). A model of PCB bioaccumulation in the blue mussel (Mytilus edulis)
from the bay of Seine (Eastern English Channel). SETAC Europe 12th annual meeting, 12-16 May
2002, Vienna, Austria.

Loizeau, V. et A. Ménesguen (1993). "A steady state model of PCB accumulation in dab food web."
Oceanologica acta 16: 633-639.

Luoma, S. N. (1983). "Bioavailability of trace metals to aquatic organisms - a review." Sci. Total.
Environ. 28: 1-22.

Luoma, S. N., C. Johns, N. S. Fisher, N. A. Steinberg, R. S. Oremland et J. R. Reinfelder (1992).

"Determination of selenium bioavailability to benthic bilvave from particulate and solute pathways."
Environ. Sci. Technol. 26: 485-491.

Majori, L., G. Nedoclan, G. B. Modonutti et F. Daris (1978). "Study of seasonal variations of some
trace elements in the tissue of Mytilus galloprovincialis taken in the gulf of trieste." Revue. Int.
Oceanogr. méd. 49: 37-40.

Mantel, L. H. et L. L. Farmer (1983). Osmotic and ionic regulation. The biology of crustacea, internal
anatomy and physiology regulation. D. E. Bliss et L. H. Mantel. New York, Academic Press. 5: 53-
161.

Marchand, M. et R. Kantin (1997). "Les métaux traces en milieu aquatique." Océanis 23(4): 595-629.

Marchand, M., C. Tissier, C. Tixier et J. Tronszynski (2004). Les contaminants chimiques dans la
Directive Cadre sur l'Eau, Ifremer Nantes, R.INT.DIR/DEL-PC/2004.11.

Margus, D. (1985). "Comparative methods for calculation of index of condition in mussels (Mytilus
galloprovincialis, Lmk.)." Acta. Biologica Iugosl. 17(1): 59-67.

Martel, P., T. Kovacs, R. Voss et S. Megraw (2003). "Evaluation of caged freshwater mussels as an
alternative method for environmental effects monitoring (EEM) studies." Environ. Pollut 124(3): 471-
483.

Martoja, M. et R. Martoja (1982). "La bioaccumulation des métaux, processus physiologique normal
et conséquences de la polution." Le courrier du CNRS 54: 32-37.

290
Martoja, R. et M. Martoja (1978). "L'antagonisme sélenium-mercure." Actual. Biochim. Mar 1: 149-
184.

Mason, R. P., W. F. Fitzgerald et F. M. M. Morel (1994). "The biogeochemical cycling of elemental

mercury: Anthropogenic influences." Geochim. Cosmochim. Acta. 58: 3191-3198.

Mason, R. P., J. R. Reinfelder et F. M. M. Morel (1995). "Bioaccumulation of mercury and methyl-

mercury." Water Air Soil Pollut 80: 915-921.

Mason, R. P., J. R. Reinfelder et F. M. M. Morel (1996). "Uptake, toxicity and trophic transfer of
mercury in a coastal diatom." Environ. Sci. Technol. 30: 1835-1845.

Maury, R. et P. Engrand (1986). Recherches en ecotoxicologie expérimentale sur la bioaccumulation

et les transferts de mercure dans un système "sédiment-eau-macrophytes". Thèse de Doctorat,
Université Bordeaux 1: 320.

Metz, J. A. J. et O. Dikmann (1986). The dynamis of physiologically structured populations, Springer-

Verlag, Berlin, West Germany.

Mikac, N., M. Branica, W.-X. Wang et R. M. Harrison (1996). "Organolead compounds in mussels
(Mytilus galloprovincialis) from the Eastern Adriatic Coast." Environ. Sci. Technol. 30: 499-508.

Mikac, N., Z. Kwokal, D. Martincic et M. Branica (1996). "Uptake of mercury species by transplanted
mussels Mytilus galloprovincials under estuarine conditions (Krka river estuary)." Science of the Total
Environment 184: 173-182.

Miquel, M. (2001). Les effets des métaux lourds sur l'environnement et la santé. Rapport Office
Parlementaire d'évaluation des choix scientifiques et technologiques (Dir.). Rapport Sénat n°261: 360.

Moore, M. N. (1981). Elemental accumulation in organisms and food chains. Analysis of Marine
Ecosystems. A. R. Longhurst, Academic Press London: 535-569.

Morono, A., F. Arévalo, M. L. Fernandez, J. Maneiro, Y. Pazos, C. Salgado et J. Blanco (2003).

"Accumulation and transformation of DSP toxins in mussels Mytilus galloprovincialis during a toxic
episode caused by Dinophysis acuminata." Aquat. Toxicol. 62(4): 269-280.

Morono, A., J. Franco, M. Miranda, M. I. Reyero et J. Blanco (2001). "The effect of mussel size,
temperature, seston volume, food quality and volume specific toxin concentration on the uptake rate of
PSP toxins by mussels (Mytilus galloprovincialis)." Journal of Experimental Marine Biology and
Ecology 257: 117-132.

Mourgaud, Y., E. Martinez, A. Geffard, B. Andral, J. Y. Stanisiere et J. C. Amiard (2002).

"Metallothionein concentration in the mussel Mytilus galloprovincialis as a biomarker of response to
metal contamination : validation in the field." Biomarkers 7(6): 479-490.

Murozumi, M., T. J. Chow et C. C. Patterson (1969). "Chemical concentration of polltant lead

aerosols, terrestrial dist and sea salts in Groeland and Artic snow strata." Geochim. Cosmochim. Acta.
33: 1247-1294.

NAS/NRC (1989). Recommanded dietary allowances, National Academy of Science/National

Research Council, Washington.

Navarro, E., J. I. P. Iglesias, A. Pérez Camacho et U. Labarta (1996). "The effect of diets of
phytoplancton and suspended bottom material on feeding and absorption of rafts mussels (Mytilus
galloprovincialis, Lmk.)." J. Exp mar. Biol. Ecol 198: 175-189.

291
Navarro, J. M., U. Labarta, M. J. Fernandez-Reiriz et A. Velasco (2003). "Feeding behavior and
differential absorption of biochemical components by the infaunal bivalve Mulinia edulis and the
epibenthic Mytilus chilensis in response to changes in food regimes." J. Exp. Mar. Biol. Ecol 287: 13-
35.

Neff, J. M. (2002). Bioaccumulation in Marine Organisms: Effect of contaminants from oil well
produced water, Elsevier Science Publishers, Amsterdam.

Nelder, J. A. et R. Mead (1965). "A simplex method for function minimization." Computer Journal 7:
308-313.

Newell, C. R. (1999). "The effects of current speed and particle concentration on mussel (Mytilus
edulis) filtration rate: A recirculating flume study." Journal of Shellfish Research 18(1).

Newell, C. R. (2001). "The effects of velocity and seston concentration on the exhalant siphon area,
valve gape and filtration rate of the mussel Mytilus edulis." J. Exp. Mar. Biol. Ecol 262(1): 91-111.

Nielsen, M. V. (1988). "Effect of temperature on the shell length growth of juvenile Mytilus edulis." J.
Exp mar. Biol. Ecol 123: 227-234.

Nisbet, R. M., E. B. Muller, K. Lika et S. A. L. M. Kooijman (2000). "From molecules to ecosystems

through dynamic energy budget models." Journal of Animal Ecology 69: 913-926.

Nisbet, R. M., A. H. Ross et A. J. Brooks (1996). "Empirically-based dynamic energy budget models:
theory and an application to ecotoxicology." Nonlinear World 3: 85-106.

Norstrom, R. J., A. E. McKinnon et A. S. W. de Freitas (1976). "A bioenergetic based model for
pollutant accumulation by fish. Simulation of PCB and methyl mercury residue level in Ottaxa river
yellow perch (Perca falvescens)." J. Fish. Res. Bd. Can 28: 815-819.

Odzac, N., D. Kistler, H. B. Xue et L. Sigg (2002). "In situ trace metal speciation in a eutrophic lake
using the technique of diffusive gradients in thin films (DGT)." Aquat. Sci. 64: 292-299.

Odzac, N., T. Zvonaric, Z. Kljakovic Gaspic, M. Horvat et A. Baric (2000). "Biomonitoring of

mercury in the Kastela Bay using transplanted mussels." The Science of the Total Environment 261:
61-68.

Odzac, N., T. Zvonaric, G. Z.K et A. Baric (2001). "Biomonitoring of copper, cadmium, lead zinc and
chromium in the Kastela Bay using transplanted mussels." Fresenius Environmental Bulletin 10(1):
37-41.

Okumus, I. et H. P. Stirling (1998). "Seasonal variations in the meat weight, condition index and
biochemical composition of mussels (Mytilus edulis L.) in suspended culture in two Scottish area
lochs." Aquaculture 159(3-4): 249-261.

OMS-IPCS (1998). Environmental Health Criteria n°200: copper, World Health Organisation,
International Progamme on chemical safety. http://www.inchem.org/fullist.htm.

Orban, E., G. Di Lena, T. Nevigato, I. Casini, A. Marzetti et R. Caproni (2002). "Seasonal changes in
meat content, condition index and chemical composition of mussels (Mytilus galloprovincialis)
cultured in two different Italian sites." Food Chemistry 77: 57-65.

Orren, M. J., G. A. Eagle, H. F.-K. O. Hennig et A. Green (1980). "Variation in trace metal content of
the mussel Chloromytilus meridionalis (Kr.) with season and sex." Mar. Pollut. Bull. 11: 253-257.

292
OSPAR, C. (2000). Quality status report 2000: Region IV Bay of Biscay and Iberian Coast, OSPAR
Commission, London.

Paez-Osuna, F., M. G. Frias-Espericueta et J. I. Osuna-Lopez (1995). "Trace metal concentrations in

relation to season and gonadal maturation in the oyster Crassostrea iridescens." Mar. Environ. Res 40:
19-31.

Pan, J. F. et W.-X. Wang (2004). "Influences of dissolved and colloidal organic carbon on the uptake
of Ag, Cd and Cr by the marine mussel Perna viridis." Environ. Pollut 129(3): 467-477.

Parent, L., M. R. Twiss et P. G. C. Campbell (1996). "Influences of natural dissolves organic matter on
the interaction of aluminium with the microalga Chlorella: A test of the free-ion model of trace metal
toxicity." Environ. Sci. Technol. 30: 1713-1720.

Pérez Camacho, A. P., U. Labarta et E. Navarro (2000). Energy balance of mussels Mytilus
galloprovincialis : The effect of length and age. Mar. Ecol. Prog. Ser. 199: 149-158.

Péry, A. R. R., J. J. M. Bedaux, C. Zonneveld et S. A. L. M. Kooijman (2001). "Analysis of bioassays

with time-varying concentrations." Wat. Res. 35(16): 3825-3832.

Péry, A. R. R., P. Flammarion, B. Vollat, J. J. M. Bedaux, S. A. L. M. Kooijman et J. Garric (2002).

"Using a biology based model (Debtox) to analyse bioassays in ecotoxicology: opportunities and
recommendations." Environ. Toxicol. Chem 21(2): 459-465.

Pessatti, M. L., J. R. C. Resgalla, R. W. Reis Fo, J. Kuehn, L. C. Salomao et J. D. Fontana (2002).

"Variability of filtration and food assimilation rates, respiratory activity and multixenobiotic resistance
(MXR) mechanism in the mussel Perna perna under lead influence." Braz. J. Biol 62(4A): 651-656.

Phelps, D. K. (1983). Application of mussel watch concept; transplant experiments, hot spot and ocean
disposal studies. U.S. environmental Protection Agency. Environmental Research Laboratory. South
Ferry Road Narragansett, Rhode Island 028882 USA.

Philips, D. J. H. (1977). "The use of biological indicator organisms to monitor trace metal pollution in
marine and estuarine environments - a review." Environ. Pollut 13: 281-317.

Philips, D. J. H. et D. A. Segar (1986). "Use of indicators in monitoring conservative contaminants."

Mar. Pollut. Bull. 17: 10-17.

Phillips, D. J. H. (1976). "The Common mussel Mytilus edulis as an indicator of pollution by zinc,
cadmium, lead and copper I. Effects of environmental variables on uptake of metal." Mar. Biol 38: 59-
69.

Phillips, D. J. H. (1976). "The Common mussel Mytilus edulis as an indicator of pollution by zinc,
cadmium, lead and copper II. Relationship of Metals in the mussel to those discharged by industry."
Mar. Biol 38: 71-80.

Phillips, D. J. H. (1980). Quantitative aquatic biological indicators: their use to monitor trace metal
and organochlorine pollution, Applied Science Publishers, London.

Phillips, D. J. H. et P. S. Rainbow (1994). Biomonitoring of trace aquatic contaminants, Aldenn Press

Ltd, Oxford.

Pieters, H., J. H. Kluytmans, W. Zurburg et D. I. Zandee (1979). The influence of seasonal changes on
energy metabolism in Mytilus edulis (L.) I. Growth rate and biochemical composition in relation to

293
environmental parameters and spawning. Cyclic phenomena in marine plants and animals. E. Naylor
et R. G. Hartnoll, Pergamon Press, Oxford: 285-292.

Poulsen, E., H. U. Riisgard et F. Mohlenberg (1982). "Accumulation of cadmium and bioenergetics in

the mussel Mytilus edulis." Mar. Biol 68: 25-29.

Price, N. M. et F. M. M. Morel (1990). "Cadmium and cobalt substitution for zinc in a marine
diatom." Nature 344(6267): 658-660.

Quémerais, B. et D. Cossa (1997). Procedures for sampling and analysis of mercury in natural waters.
E. C. Environnement Canada-Quebec Region, St.Lawrence Centre, Sicentific and technical Report
ST-31E: 34.

Quémerais, B. et D. Cossa (1999). Dosage du mercure dissous et particulaire au niveau picomolaire

dans les eaux de mer, Rapport interne DEL/PC RA 106, Ifremer: 32.

Quémerais, B., D. Cossa, B. Rondeau, T. T. Pham et B. Fortin (1998). "Mercury distribution in

relation to rion and manganese in the waters of the St. Lawrence River." Sci. Total. Environ. 213: 193-
201.

Rainbow, P. S. (1990). Heavy metal levels in marine environment. Heavy metals in the marine
environments. R. W. Furness, P. S. Rainbow et C. Press, CRC Press, Boca Raton: 68-79.

Rainbow, P. S. (1995). "Biomonitoring of heavy metal availability in the marine environment." Mar.
Pollut. Bull. 31: 183-192.

Rainbow, P. S., W. Fialkowski, A. Sokolowski, B. D. Smith et M. Wolowicz (2004). "Geographical

and seasonal variation of trace metal bioavailabilities in the Gulf of Gdansk, Baltic Sea using mussels
(Mytilus trossulus) and barnacles (Balanus improvisus) as biomonitors." Mar. Biol 144: 271-286.

Rainbow, P. S., D. J. H. Phillips et M. Depledge (1990). "The significance of trace metal

concentrations in marine invertebrates. A need for laboratory investigation of accumulation
strategies." Mar. Pollut. Bull. 21(7): 321-324.

Ramade, F. (1992). Précis d'écotoxicologie. Paris.

Regoli, F. et E. Orlando (1993). "Mytilus galloprovincialis as a bioindicator of lead pollution:

biological variables and cellular responses." The Science of the Total Environment Supplement:
1283-1292.

Regoli, F. et E. Orlando (1994). "Accumulation and subcellular distribution of metals (Cu, Fe, Mn, Pb,
Zn) in the Mediterranean mussel, Mytilus galloprovincialis, during a field transplant experiment."
Mar. Pollut. Bull. 28(10): 592-600.

Reinfelder, J. R. et N. S. Fisher (1991). "The assimilation of elements by marine copepod." Science

251: 794-796.

Reinfelder, J. R., N. S. Fisher, S. N. Luoma, F. H. Nichols et W.-X. Wang (1998). "Trace element
trophic transfer in aquatic organisms: a critique of the kinetic model approach." The Science of the
Total Environment 219: 117-135.

Ren, J. S. et A. H. Ross (2001). "A dynamic energy budget model of the Pacific oyster Crassostrea
gigas." Ecological Modelling 142: 105-120.

294
Ribeyre, F. et A. Boudou (1980). "Transfer of CH3HgCl in an experimental freshwater trophic chain -
temperature effects." Environ. Pollut 1: 259-268.

Ribeyre, F. et A. Boudou (1989). Trophic chains and experimental ecosystems: study of

bioaccumulation and transfer processes. Aquatic Ecotoxicology: Fundamental Concepts and
Methodologies. A. Boudou et F. Ribeyre, CRC Press, Boca Raton, FL. 1: 3-46.

Riget, F., P. Johansen et G. Asmund (1997). "Uptake and release of lead and zinc by blue mussels
(Mytilus edulis). Experience from transplantation experiments in greeland." Mar. Pollut. Bull. 34: 805-
815.

Riisgard, H. U. (1991). "Filtration rate and growth in the blue mussel, Mytilus edulis Linnaeus:
Dependence on algal concentration." Journal of Shellfish Research 10(1): 29-35.

Riisgard, H. U. (2001). "On measurements of filtration rates in bivalves - the stony road to reliable
data : Review and interpretation." Mar. Ecol. Prog. Ser 211: 275-291.

Riisgard, H. U., E. Bjornestad et F. Mohlenberg (1987). "Accumulation of cadmium in the mussel

Mytilus edulis: kinetics and importance of uptake via food and seawater." Mar. Biol 96: 349-353.

Riisgard, H. U. et S. Hansen (1990). "Biomagnification of mercury in a marine grazing food-chain:

Algal cell Phaeodactylum tricornutum, Mussels Mytilus edulis and Flounders Platichtys flesus studied
by means of a stepwise-reduction-CVAA method." Mar. Ecol. Prog. Ser 62: 259-270.

Riisgard, H. U., H. U. Kittner et D. F. Seerup (2003). "Regulation of opening state and filtration rate in
filter-feeding bivalves (Cardium edule, Mytilus edulis, Mya arenaria) in response to low algal
concentration." J. Exp. Mar. Biol. Ecol 284(1-2): 105-127.

Riisgard, H. U. et A. Randlov (1981). "Energy budget, growth and filtration rates in Mytilus edulis at
different algal concentrations." Mar. Biol 61(2/3): 227-234.

RNO (1974-2004). "Surveillance du milieu marin. Bulletins annuels édités par l'Ifremer et le Ministère
de l'Aménagement du Territoire de l'Environnement."

Rodhouse, P. G., J. H. McDonald, R. I. E. Newell et R. K. Koehn (1986). "Gamete production,

somatic growth and multiple-locus enzyme heterozygosity in Mytilus edulis." Mar. Biol 90: 209-214.

Rodhouse, P. G., C. M. Roden, M. P. Hensey et T. H. Ryan (1984). "Resource allocation in Mytilus

edulis on the shore and in suspended culture." Mar. Biol 84: 27-34.

Rodhouse, P. G., C. M. Roden, M. P. Hensey et T. H. Ryan (1985). "Production of mussels, Mytilus

edulis, in suspended cultutre and estimates of carbon and nitrogen flow: killary harbour, Ireland." J.
Mar. Biol. Ass. UK 65: 55-68.

Roditi, H. A. et N. S. Fisher (1999). "Rates and routes of trace element uptake in zebra mussels."
Limnol. Oceanogr. 44: 1730-1749.

Roditi, H. A., N. S. Fisher et S. A. Sanudo-Wilhelmy (2000). "Field testing a metal bioaccumulation

model for zebra mussels." Environ. Sci. Technol. 34: 2817-2825.

Romeo, M., P. Horau, G. Garello, M. Gnassia-Barelli et J. P. Girard (2003). "Mussel transplantation

and biomarkers as useful tools for assesing water quality in the NW Mediterranean." Environ. Pollut
122(3): 369-378.

295
Ross, A. H. (1989). Dynamic models of growth and reproduction of the mussel Mytilus edulis. MPhil
thesis, University of Strathclyde, Glasgow.

Ross, A. H. et R. M. Nisbet (1990). "Dynamic models of growth and reproduction of the mussel
Mytilus edulis L." Functionnal Ecology 4: 777-797.

Rouillon, G. et E. Navarro (2003). "Differential utilisation of species of phytoplankton by the mussel

Mytilus edulis." Acta Oecologica 24: 299-305.

Roy, R. et P. G. C. Campbell (1997). "Decreased toxicity of Al to juvenile Atlantic salmon (Salmo

salar) in acidic soft water containing natural organic matter: a test of the Free-Ion Model." Environ.
Toxicol. Chem 16: 1962-1969.

Ruiz-Pino, D. P., C. Jeandel, J. P. Berthoux et J. F. Minster (1990). "Are the trace metal cycles
balanced in the Mediterranean Sea ?" Global and Planetary Change 2(3-4): 369-388.

Ruiz-Pino, D. P., C. E. Lambert, C. Jeandel et P. Buat-Menard (1990). "Modelling the biogenic

transport of atmospheric particles in the Mediterranean Sea." Paleogeography, Paleoclimatology,
Paleoecology 89(1-2): 47-64.

Ruiz-Pino, D. P., E. Nicolas, J. P. Bethoux et C. E. Lambert (1991). "Zinc budget in the Mediterranean
Sea: A hypothesis for non steady-state behavior." Mar. Chem. 33(1-2): 145-169.

Ruzic, I. (1972). "Two compartment model of radionucleid accumulation into marine organisms I.
Accumulation from a medium of constant activity." Mar. Biol 15: 105.

Saavedra, Y., A. Gonzalez, P. Fernandez et J. Blanco (2003). "The effect of size on trace metal levels
in raft cultivated mussels (Mytilus galloprovincialis)." The Science of the Total Environment 318(1-
3): 1115-1124.

Scholten, H. et A. C. Smaal (1998). "Responses of Mytilus edulis L. to varying food concentrations:

testing EMMY, an ecophysiological model." J. Exp. Mar. Biol. Ecol 219(1-2): 217-239.

Scholten, H. et A. C. Smaal (1999). "The ecophysiological response of mussels (Mytilus edulis) in

mesocosms to a range of inorganic nutrient loads: simulations with the model EMMY." Aquat. Ecol.
33: 83-100.

Schroeder, W. H., J. Munthe et O. Lindqvist (1989). "Cycling of mercury between water, air and soil
compartments of the environment." Water Soil Pollut 48: 337-347.

Schulz-Baldes, M. (1974). "Lead uptake from seawater and food, and lead loss in the common mussel
Mytilus edulis." Mar. Biol 25: 177-193.

Schulz-Baldes, M. (1977). Lead transport in the common mussel Mytilus edulis. Proc. Int. Conf.,
Heavy metals in the Environment, natl. res. Council Can.

Serafim, M. A., R. M. Company, M. J. Bebiano et W. J. Langston (2002). "Effect of temperature and

size on metallothionein synthesis in the gill of Mytilus galloprovincialis exposed to cadmium." Mar.
Environ. Res 54(3-5): 361-365.

Simkiss, K. et D. Taylor (1981). "Cellular mechanisms of metal ion detoxification and some new
indices of pollution." Aquat. Toxicol. 1: 279-290.

Simkiss, K., M. Taylor et A. Z. Mason (1982). "Metal detoxification and bioaccumulation in

molluscs." Mar. Biol. Letters 3: 197-201.

296
Simkiss, K. et M. G. Taylor (1995). Transport of Metals across Membranes. In "Metal speciation and
bioavailability in aquatic systems". A. Tessier et D. R. Turner, Wiley. 3: 2-39.

Simpson, R. D. (1979). "Uptake and loss of zinc and lead by mussels (Mytilus edulis) and relationship
with body weight and reproductive cycle." Mar. Pollut. Bull. 10: 74-78.

Skei, J. (1992). "Sediment-water interactions." Hydrobiologia: 629-638.

Skei, J., K. Hyland, M. T. Schaanning, J. A. Berge, J. S. Gunnarsson, M. Sköld et D. Eriksen (1996).

"Interaction between eutrophication and contaminants I. Principles, experimental design and
synthetis." Marine Pollution Bulletin 33(n°1-6): 64-70.

Smaal, A. C., A. P. M. A. Vonck et M. Bakker (1997). "Seasonal variation in physiological energetics

of Mytilus edulis and Cerastoderma edule of different size classes." Journal of the marine biological
association of the United Kingdom 77(3): 817-838.

Soto, M., M. P. Ireland et I. Marigomez (1997). "The contribution of metal/shell-weight index in target
tissues to metal body burdens in sentinel marine molluscs. 2. Mytilus galloprovincialis." The Science
of the Total Environment 198: 149-160.

Soto, M., M. P. Ireland et I. Marigomez (2000). "Changes in mussel biometry on exposure to metals:
Implications in estimation of metal bioavailability in 'Mussel Watch' programmes." The Science of the
Total Environment 2-3: 175-187.

Soto, M., M. Kortabitarte et I. Marigomez (1995). "Bioavailable heavy metals in estuarine waters as
assessed by metal/shell-weight indices in sentinel mussls Mytilus galloprovincialis." Mar. Ecol. Prog.
Ser 125: 127-136.

Sprung, M. (1984). "Physiological energetics of mussel larvae (Mytilus edulis) I. Shell growth and
biomass." Mar. Ecol. Prog. Ser 17: 283-293.

Stoeckmann, A. M. et D. W. Garton (1997). "A seasonal energy budget for zebra mussels (Dreissena
polymorpha) in western Lake Erie." Can. J. Fish. Aquat. Sci. 54: 2743-2751.

Stronkhorst, J. (1992). "Trends in pollutants in the blue mussel Mytilus edulis and flounders Platchthys
flesus from two dutch estuaries, 1985-1900." Marine Pollution Bulletin 24(n°5): 250-258.

Sunda, W. G. et S. A. Huntsman (1998). "Processes regulating cellular metal accumulation and

physiological effects: Phytoplancton as model systems." The Science of the Total Environment 219:
165-181.

Tarr, B. D., M. G. Barron et W. L. Hayton (1990). "Effect of body size on the uptake and
bioconcentration of di-2-ethylhexylphthalate in rainbow trout." Environ. Toxicol. Chem 9: 989-995.

Tebble, N. (1976). British bivalve seashells, Alden Press Osney Mead, Oxford.

Tessier, A., Y. Couillard, P. G. C. Campbell et J. C. Auclair (1993). "Modelling cadmium partitioning

oxic lake sediments and cadmium concentrations in the freshwater bivalve Anodonta grandis."
Limnol. Oceanogr. 38: 1-17.

Thibaud, Y. (1992). "Utilisation du modèle de Thomann pour l'interprétation des concentrations en

mercure des poissons de l'Atlantique." Aquat. Liv. Resour. 5: 57-80.

297
Thibaud, Y. et B. Boutier (1988). "Surveillance du mercure et du cadmium dans les huîtres et les
moules du littoral français (1979-1985)." Rapport Synthèse RNO Vol IV: 55-100.

Thibaud, Y. et J. Noel (1991). Evaluation of the content of mercury, methylmercury and selenium in
fish and shellfish of the French coast of the Mediterranean Sea. UNEP Mediterranean Action Plan,
Athens (Greece), FAO, Rome (Italy). 1-18.

Thomann, R. V. (1989). "Bioaccumulation model of organic chemical distribution in aquatic food

chains." Environ. Sci. Technol. 23(6): 699-707.

Thomann, R. V. et J. P. Connoly (1984). "Model of PCB in the lake Michigan trout food chain."
Environ. Sci. Technol. 18(1): 65-71.

Thomann, R. V., J. P. Connoly et T. F. Pakerton (1992). "An equilibrium model of organic chemical
accumulation in aquatic food webs with sediment interaction." Environ. Toxicol. Chem 11: 615-629.

Thomann, R. V., J. D. Mahony et R. Mueller (1995). "A steady-state model of biota sediment
accumulation factor for metals in two marine bivalves." Environ. Toxicol. Chem 14: 1989-1998.

Thompson, R. J. et B. L. Bayne (1974). "Some relationships between growth, metabolism and food on
the mussel Mytilus edulis." Mar. Biol 27: 317-326.

Tran, D., A. Boudou et J. C. Massabuau (2002). "Relationship between feeding-induced ventilatory

activity and bioaccumulation of dissolved and algal-bound cadmium in the asiatic clam Corbicula
fluminea." Environmental Toxicology and Chemistry 21: 327-333.

Tuljapurkar, S. et H. Caswell (1997). Structured population models in marine, freswater and terrestrial
systems, Chapman & Hall.

Turner, D. R. (1995). Problems in trace metals speciation modeling. Metal speciation and
bioavalaibility in aquatic systems. A. Tessier et D. R. Turner, Wiley. 3: 150-196.

Twiss, M. R. et J. W. Moffett (2002). "Comparison of copper speciation in coastal marine waters

measured using analytical voltammetry and diffusion gradient in thin-film techniques." Environ. Sci.
Technol. 36: 1061-1068.

Vahl, O. (1973). "Pumping and oxygen consumption rates of Mytilus edulis of different sizes."
Ophelia 12: 45-52.

van der Veer, H. W., S. A. L. M. Kooijman et J. van der Meer (2001). "Intra- and interspecies
comparison of energy flow in North Atlantic flatfish species by means of dynamic energy budgets."
Journal of Sea Research 45: 303-320.

van der Veer, H. W., D. Kooiman et J. van der Meer (2003). "Body size scaling relationships in
flatfish as predicted by Dynamic Energy Budgets (DEB theory): implications for recruitment." Journal
of Sea Research 50: 255-270.

van Haren, R. J. F. (1995). Application of Dynamic Energy Budgets to xenobiotics in Mytilus edulis
and population dynamics of Globodera pallida. PhD Thesis, Vrije Universiteit. Amsterdam.

van Haren, R. J. F. et S. A. L. M. Kooijman (1990). Feeding history affects xenobiotics accumulation

in the marine mussel Mytilus edulis: Model development. Physiological and biogemical approaches to
the toxicological assessment of environmental pollution. D. A. Holwerda: 1-26.

298
van Haren, R. J. F. et S. A. L. M. Kooijman (1993). "Application of a dynamic energy budget model to
Mytilus edulis (L.)." Neth. J. Sea Res. 31: 119-133.

van Haren, R. J. F., H. E. Schepers et S. A. L. M. Kooijman (1994). "Dynamic energy budgets affect
kinetics of xenobiotics in the marine mussel Mytilus edulis." Chemosphère 29 (2): 163-189.

van Haren, R. J. F., J. van der Meer et M. B. Vries de (1990). "Cadmium and copper accumulation in
the common mussel Mytilus edulis in the Western Scheldt estuary: a model approach." Hydrobiologia
195: 105-118.

Veith, G. D., D. L. Defoe et B. J. Bergstedt (1979). "Measuring and estimating the bioconcentration
factor of chemicals in fish." J. Fish. Res. Bd. Can 36: 1040-1048.

Velasco, A. et J. M. Navarro (2003). "Energetic balance of infaunal (Mulinia edulis King, 1831) and
epifaunal (Mytilus chilensis Hupé, 1854) bivalves in response to wide variations in concentration and
quality of seston." J. Exp. Mar. Biol. Ecol 296(1): 79-92.

Viarengo, A., G. Mancinelli, M. Pertica, R. Fabri et M. Orunesa (1993). "Effects of heavy metals on
the Ca2+ ATPase activity present in gill cellule plasma membrane of mussels (Mytilus
galloprovincialis)." Comp. Biochem. Physiol 106C: 655-660.

Walker, C. H. (1987). "Kinetic models for predicting bioaccumulation of pollutants in ecosystems."

Environ. Pollut 44: 227-240.

Walker, C. H. (1990). "Kinetic models to predict bioaccumulation of pollutants." Functional Ecology

4: 295-301.

Wang, W.-X. (2001). "Comparison of metal uptake rate and absorption efficiency in marine bivalves."
Environ. Toxicol. Chem 20: 1367-1373.

Wang, W.-X., Y. Couillard, P. G. C. Campbell et P. Jolicoeur (1999). "Changes in subcellular metal

partitioning in the gills of freshwater bivalves (Pyganodon grandis) living along an environmental
cadmium gradient." Can. J. Fish. Aquat. Sci. 56(5): 774-784.

Wang, W.-X. et N. S. Fisher (1996a). "Assimilation of trace elements and carbon by the mussel
Mytilus edulis: effects of food composition." Limnol. Oceanogr. 41: 197-207.

Wang, W.-X. et N. S. Fisher (1996b). "Assimilation of trace elements by the mussel Mytilus edulis:
Effects of diatom chemical composition." Mar. Biol 125: 715-724.

Wang, W.-X. et N. S. Fisher (1997). "Modeling the influence of body size on trace element
accumulation in the mussel Mytilus edulis." Mar. Ecol. Prog. Ser 161: 103-115.

Wang, W.-X. et N. S. Fisher (1997a). "Modeling metal bioavailability for marine mussels." Rev.
Environ. Contam. Toxicol. 151: 39-65.

Wang, W.-X. et N. S. Fisher (1997b). "Modeling the influence of body size on trace element
accumulation in the mussel Mytilus edulis." Mar. Ecol. Prog. Ser 161: 103-115.

Wang, W.-X. et N. S. Fisher (1998a). "Accumulation of trace elements in a marine copepod." Limnol.
Oceanogr. 43: 273-283.

Wang, W.-X. et N. S. Fisher (1998b). "Excretion of trace elements by marine copepods and their
bioavailability to diatoms." Journal of Marine Research 56: 713-729.

299
Wang, W.-X. et N. S. Fisher (1999). "Delineating metal accumulation pathways for marine
invertebrates." The Science of the Total Environment 237/238: 459-472.

Wang, W.-X., N. S. Fisher et S. N. Luoma (1995). "Assimilation of trace elements ingested by the
mussel Mytilus edulis: Effects of algal food abundance." Mar. Ecol. Prog. Ser 129: 165-176.

Wang, W.-X., N. S. Fisher et S. N. Luoma (1996). "Kinetic determinations of trace element

bioaccumulation in the mussel Mytilus edulis." Mar. Ecol. Prog. Ser 140: 91-113.

Wang, W.-X., C. Ke, K. N. Yu et P. K. S. Lam (2000). "Modeling radiocesium bioaccumulation in a

marine food chain." Mar. Ecol. Prog. Ser 208: 41-50.

Wang, W.-X. et R. C. K. Wong (2003). "Combined effects of food quantity and quality on Cd, Cr and
Zn assimilation to the green mussel Perna viridis." J. Exp. Mar. Biol. Ecol 290(1): 49-69.

Webb, J. A. et M. J. Keough (2002). "Measurement of environmental trace-metal levels with

transplanted mussels and diffusive gradients in thin films (DGT): a comparison of techniques." Mar.
Pollut. Bull. 44: 222-229.

Widdows, J. (1973a). "The effects of temperature on the metabolism and activity of Mytilus edulis."
Neth. J. Sea Res. 7: 387-398.

Widdows, J. (1973b). "Effect of temperature and food on the heart beat, ventilation rate and oxygen
uptake of Mytilus edulis." Mar. Biol 20: 269-276.

Widdows, J. (1978). "Combined effects of body size, food concentration and season on the physiology
of Mytilus edulis." J. Mar. Biol. Ass. UK 58: 105-124.

Widdows, J. (1985). Physiological measurements and procedures. The effects of stress and pollution
on marine animals. B. L. Bayne. New York, Preager: 3-45.

Widdows, J. et B. L. Bayne (1971). "Temperature acclimatation of Mytilus edulis with reference to its
energy budget." J. Mar. Biol. Ass. UK 51: 827-843.

Widdows, J. et P. Donkin (1992). Mussels and environmental contaminants: bioaccumulation and

physiological aspects. The mussel Mytilus: Ecology, Physiology, Genetics and Culture. E. E. Goslin.
Amsterdam, Elsevier: 383-424.

Widdows, J., P. Fieth et C. M. Worall (1979). "Relationship between seston, available food and
feeding activity in the common mussel Mytilus edulis." Mar. Biol 50: 195-207.

Wilkinson, K. J., P. M. Bertsh, C. H. Jagoe et P. G. C. Campbell (1993). "Surface complexation of Al

on isolated fish gill cells." Environ. Sci. Technol. 27: 1132-1138.

Wilkinson, K. J., P. G. C. Campbell et P. Couture (1990). "Effect of fluoride complexation on

aluminium toxicity towards juvenile Atlantic calmon (Salmo salar L.)." Can. J. Fish. Aquat. Sci. 47:
1446-1452.

Willows, R. I. (1992). "Optimal digestive investment: a model for filter feeders experiencing variable
diets." Limnol. Oceanogr. 37: 829-847.

Winter, J. E. (1974). "Growth in Mytilus edulis using different types of food." Ber. Dt. Wiss. Komm.
Meeresforsch. 23: 360-375.

300
Wolfe, D. A. (1991). Selection of bioindicators of pollution for marine monitoring programmes.
Coastal monitoring and bioeffects assesment division, National oceanic & atmospheric administration.
Rockville, MD 20852 USA: 149-167.

Wong, W. H. et S. G. Cheung (1999). "Feeding behaviour of the green mussel, Perna viridis (L.):
Responses to variation in seston quantity and quality." J. Exp. Mar. Biol. Ecol 236(2): 191-207.

Wong, W. H. et S. G. Cheung (2001). "Feeding rates and scope for growth of green mussels, Perna
viridis (L.) and their relationship with food availability in Kat O, Hong Kong." Aquaculture 193(1-2):
123-137.

Wong, W. H. et S. G. Cheung (2001). "Feeding rythms of the green-lipped mussel, Perna viridis
(Linnaeus, 1758) (Bivalvia: Mytilidae) during spring and neap tidal cycles." J. Exp. Mar. Biol. Ecol
257(1): 13-36.

Wood, J. M., F. S. Kennedy et C. G. Rosen (1968). "Synthesis of methyl-mercury compounds by

extracts of a methanogenic bacterium." Nature, Lond. 220: 173.

Wright, D. A. (1995). "Trace metal and major ion interactions in aquatic animals." Mar. Pollut. Bull.
31(1-3): 8-18.

Wright, P. et C. F. Mason (1999). "Spatial and seasonal variation in heavy metals in the sediments and
biota of two adjacent estuaries, the Orwell and the Stour, in eastern England." The Science of the Total
Environment 226(2-3): 139-156.

Zandee, D. I., J. H. Kluytmans, W. Zurburd et H. Pieters (1980). "Seasonal variations in biochemical

composition of Mytilus edulis with reference to energy metabolism and gametogenesis." Neth. J. Sea
Res. 14: 1-29.

Zaranko, D. T., R. W. Griffiths et K. Kaushik (1997). "Biomagnification of polychlorinatedd

biphenyls through a riverine food web." Environ. Toxicol. Chem 16(7): 1463-1471.

Zaroogian, G. E. et S. Cheer (1976). "Accumulation of cadmium by the American oyster, Crassostrea

virginica." Nature 261: 408-410.

Zemlys, P., D. Daunys et A. Razinkovas (2003). "Revision pre-ingestive efficiency definition for
suspension feeding bivalves: facilitating the material fluxes modelling." Ecological Modelling 166(1-
2): 67-74.

Zhang, H. et W. Davison (1995). "Performance characteristics of diffusion gradients in thin films for
in situ measurement of trace metals in aqueous solutions." Analytical Chemistry 67: 3391-3400.

Zhang, H. et W. Davison (1999). "Diffusional characteristics of hydrogels used in DGT and DET
techniques." Analytica Chimica Acta 398: 329-340.

Zhang, H., W. Davison, S. Miller et W. Tych (1995). "In situ high resolution measurements of fluxes
of Ni, Cu, Fe and Mn and concentrations of Zn and Cd in porewaters by DGT." Geochim.
Cosmochim. Acta. 59: 4181-4192.

Zonneveld, C. et S. A. L. M. Kooijman (1989). "The application of a dynamic energy budget model to

Lymnae stagnalis." Functional Ecology 3: 269-279.

Zwolsman, J. J. G. et G. T. M. van Eck (1993). "Dissolved and particulate trace metal chemistry in the
scheldt estuary, s.w.-netherlands (water column and sediments)." Neth. J. Aquat. Biology 27: 287-300.

301
ANNEXES
 7th International Conference on Mercury as a Global Pollutant

IN SITU KINETICS OF MERCURY BIOACCUMULATION IN MYTILUS

GALLOPROVINCIALIS ESTIMATED BY TRANSPLANTATION EXPERIMENTS

Stellio Casas1, Daniel Cossa2, Jean-Louis Gonzalez1, Cedric Bacher3, Bruno Andral1

1
Institut français de recherche pour l'exploitation durable de la mer (Ifremer), BP 330,
F.83507 La Seyne-sur-mer, France. [email protected]
2
Institut français de recherche pour l'exploitation durable de la mer (Ifremer), BP 21105,
F.44311 Nantes cedex 03, France
3
Institut français de recherche pour l'exploitation durable de la mer (Ifremer), BP 70,
F.29280 Plouzané, France

Abstract : Monitoring coastal contamination by trace metals pollution using mollusks bivalves as
quantitative bioindicators is widely performed in many international biomonitoring programs.
For this purpose, studying mercury dynamic in marine mussels is a reliable tool. In situ
experiments on uptake and elimination kinetics were conducted in three Mediterranean sites,
chosen on the basis of their contamination levels. Mussels were transplanted from a clean area
to a highly contaminated one and then transferred back to a clean site. This approach makes it
possible to define bioaccumulation factors and uptake and elimination rates consistently with
the real environmental conditions.
Keywords : Bioindicator, Mytilus galloprovincialis, bioaccumulation, heavy metals, transplantation.

Introduction
Mussels (Mytilus spp.) are used as quantitative bioindicators of metal contamination in coastal
waters throughout the world. The common term for this monitoring technique is "Mussel
Watch" (e.g., Goldberg, 1975). The traditional approach (or passive approach) for a Mussel
Watch program is to collect and analyze indigenous populations from designated sites.
However, the natural variability of trace metals in tissue is a major concern for temporal and
geographical trend interpretations of the data (Cossa, 1989). Active monitoring approaches
have been proposed to partially overcome these problems. They consist in using mussels
transplanted from a reference population to the monitored sites (e.g., Riget et al., 1997). The
data collected from the active monitoring are however dependent on animal equilibration time
with the ambient levels of the chemicals concerned. The resulting bioaccumulation is also
influenced by environmental factors and biological processes. For example, as proxies for
growth rate, the variation of the soft tissue weight has been shown to produce significant
changes in metal concentrations in the tissues during the starvation or spawning period and
this must be provided for in the monitoring system.
The present experiments address the question of the exposure period required for the
equilibration for both uptake and depuration situations in the case of mercury in the mussel,
Mytilus galloprovincialis. Many comparative studies of food and environmental
contamination have been achieved in short term laboratory experiments, using tracer
technique labeling algae and seawater to estimate the metal kinetics with mollusks (Borchardt,
1983; Fowler, 1982; Lee et al., 1998; Roditi and Fisher, 1999; Roesijadi et al., 1984). The
significant differences in the results observed in these studies emphasize the need for caution
when predicting the in situ bioaccumulation factors (BF) of metals. Our experiments have
been designed to explore the mercury kinetics in situ within M. galloprovincialis, with the
simultaneous measurements of the metal concentrations in water and suspended particles, and

302
 7th International Conference on Mercury as a Global Pollutant

measurements of the mussel biometrics. They make it possible to simultaneously observe both
the metal accumulation and physiological change within the mollusk.
M. galloprovincialis used in the experiments were from a pristine mussel farm (Les
Aresquiers, Gulf of Lions, Northwestern Mediterranean Sea) with a dissolved mercury
concentration in water of around 0.35 ng L-1. They have been transplanted for 6 months in
Lazaret Bay where a permanent mercury contamination exists (the dissolved mercury
concentration in water amounts to 2.2 ng L-1). This contamination period was followed by a 3-
month depuration period in Port-Cros Island. The same transplantation was performed in the
Bages lagoon, where mercury contamination is low (dissolved mercury is 0.5 ng.L-1).

Results and discussion

The uptake of mercury in mussels transplanted in Lazaret Bay showed an accumulation curve
characterized by an initially rapid period followed by a slower one (Figure 1A). The kinetics
looked like an asymptotic curve reaching a pseudo-equilibrium. During the 6-month exposure,
the rate of uptake was steady except between 9 and 16 December 2002, which was the period
in which there was a visibly abrupt loss of weight in the mussel soft tissue due to spawning
(Figure 1B). A pseudo-equilibrium was attained after 110 days at a mercury concentration of
0.5 mg. kg-1. During the 3-month experiment, the pseudo-equilibrium (0.42 mg.kg-1) was
reached somewhat rapidly after 60 days. These two mercury accumulation curves are similar
and attain a saturation plateau at the same time. At the end of the experiments, observations
were made pertaining to amounts of mercury of 1.57 and 1.64 µg per mussel for the 3 and 6-
month experiments respectively.
In the uncontaminated Bages lagoon, the kinetics of mercury concentration in soft-tissue were
flat and devoid of any significant accumulation (Figure 1). The mercury concentration in soft
tissue at the end of the experiments was about 5 times lower compared to the contaminated
site at Lazaret Bay. A perturbation of kinetics was observed in each location, around the
17/12/02, during a substantial loss of soft weight corresponding to the spawning period.
The decontamination kinetics of mercury in soft-tissue of mussels transplanted from Lazaret
Bay to Port-Cros was significant and comprised a decrease of 23% after 103 days (Figure
1A). Consistently with the absence of mercury contamination in the Bages lagoon, no
mercury change in the mussel soft-tissue could be observed after the transplantation of
mussels from Bages to Port-Cros.
Bioaccumulation is the result of interaction between physiological factors (growth,
reproduction, storage, etc.), chemical factors (uptake, excretion, accumulation, etc.) and
environmental factors (temperature, salinity, etc.). These factors influence the
bioaccumulation process in time and space, and thus are forcing variables. In kinetic term,
these factors interact on each others in relation to time, to the characteristics of the sites and to
the magnitude of the contamination. During the accumulation process in the contaminated
site, the uptake attained a maximum rate at the beginning of the experiment and the major
forcing variable was the contamination level of the environment.
Growth and reproduction are the two major biological factors influencing the
bioconcentration process. On the one hand, the spawning of mussel, which corresponds to a
significant loss of weight (up to 40% of the soft tissue mass here), coupled to the
accumulation process, causes an abrupt increase of mercury concentration in tissue. On the
other hand, the growth counteracts the mercury accumulation and its increase seemingly
dilutes the mercury content of the animals.

303
 7th International Conference on Mercury as a Global Pollutant

0,6 6
Lazaret, contamination
Lazaret, decontamination
a b
Hg concentration in mussel (mg.kg )
-1

0,5 Bages, contamination

Bages, décontamination
5

0,4

Soft weight (g)

1st experiment

0,3 4
1st experiment
2nd experiment

0,2
2nd experiment
3

0,1

0 2
13/7/02 1/9/02 21/10/02 10/12/02 29/1/03 20/3/03 9/5/03 28/6/03 17/8/03 13/7/02 1/9/02 21/10/02 10/12/02 29/1/03 20/3/03 9/5/03 28/6/03 17/8/03

Date Date

Figure 1. Mussel transplantation experiments. (a) Mercury concentrations in the mussel dry soft tissue, (b) Dry
mass of the soft tissue per mussel.
Our results show that mercury uptake did not linearly proceed over time in mussels, contrary
to many studies in other bivalves. Mussels may require a long period of exposure to reach
equilibrium with ambient metals. Therefore, the bioconcentration factor (BF: mercury
concentration in the mussel soft tissue on a wet weight basis divided by the dissolved mercury
concentration in the water), calculated during the experiments increase with time (Table 1).
The highest values of the BF have to be taken into account with a steady state assumption.
The BF calculated for the decontamination experiments are indicative of non equilibrium
situations.
Table 1. Variations of the bioconcentration factor (BF) for different sites and kinetics.

Site Contamination Decontamination

Mean Range Mean Range
5 5 6
Lazaret Bay 2.32x10 1.64 - 3.83x10 1.12x10 0.72 - 1.81x106
Bages Lagoon 1.73x105 0.96 - 2.17x105 2.44x106 2.86 - 7.13x105

Bioaccumulation can also be predicted on the basis of the measurements of the rate constants
of uptake and elimination. A simple bioaccumulation model made up of one input via water,
impact of weight changes and of one output via faeces can be calculated:
dCmussel dP
= rda .Cwater − rad .Cmussel − .Cmussel
dt P.dt
with Cmussel : Hg concentration in soft-tissue of mussels (µg.g-1) ; Cwater : Hg concentration in
water (µg.l-1) ; P : Soft-tissue weight (g) ; rda : uptake rate (l.g-1.d-1) ; rad : elimination rate (d-1).

304
 7th International Conference on Mercury as a Global Pollutant

Table 2. Uptake and decontamination rates for mercury in Mytilus spp. BF: bioconcentration factor
at pseudo-equilibrium; rda: uptake rate; rad: elimination rate
Species rda rad BF Ref.
M. galloprovincialis 1.8 l.g-1.d-1 0.0065 d-1 4x105 This study (in situ)
M. edulis 2.3 ± 0.2 l.g-1.d-1 0.08 d-1 1x105 Roditi et al., 2000 (lab.)
-1 -1 -1 5
M. edulis 1.84 - 4.75 l.g .d 0.05 d 1x10 Roditi & Fisher, 1999(lab.)
Values of uptake and elimination rates calculated here are similar to lower values found in
lab-studies (Table 2). Uptake rates may be overestimated in lab-studies, due to the short time
of the experiments (15-30 days) and without reaching a pseudo-equilibrium. Thus, only the
first rapid period of uptake is observed.

Conclusions
This “kinetic” approach provides an understanding of metal bioaccumulation and a validation
of the use of mussel transplantation for mercury monitoring purposes. The parameters
determined here will be used in a biokinetic model coupling mussel growth and mercury
uptake and excretion which is the next step in our research. By combining environmental and
biological data, the model could constitute an optimized biomonitoring tool which can be
applied to various coastal environments.

References
Borchardt, T., 1983, Influence of food quantity on the kinetics of cadmium uptake and loss
via food and seawater in Mytilus edulis, Mar. Biol. 76: 67-76.
Cossa, D. 1989. A Review of the Use of Mytilus Spp. as Quantitative Indicators of Cadmium
and Mercury Contamination in Coastal Waters, Oceanol. Acta. 12: 417-432.
Fowler, S. W., 1982, Biological transfer and transport processes, in: Pollutant transfer and
transport in the sea (G. Kullenberg, ed.), CRC press. Boca Raton, pp. 2-65.
Goldberg, E. D., 1975, The Mussel Watch, Mar. Pollut. Bull., 6: 111-113.
Lee, B. G., Wallace, W. G., and Luoma, S. N., 1998, Uptake and loss kinetics of Cd, Cr and
Zn in the bivalves Potamocorbula amurensis and Macoma balthica: effects of size and
salinity, Mar. Ecol. Prog. Ser. 175: 177-189.
Riget, F., Johansen, P., and Asmund, G., 1997, Uptake and release of lead and zinc by blue
mussels (Mytilus edulis). Experience from transplantation experiments in greeland, Mar.
Pollut. Bull. 34: 805-815.
Roditi, H. A., and Fisher, N. S., 1999, Rates and routes of trace element uptake in zebra
mussels, Limnol. Oceanogr. 44: 1730-1749.
Roesijadi, G., Young, J. S., Drum, A. S., and Gurtisen, J. M., 1984, Behaviour of trace metals
in Mytilus edulis during a reciprocal transplant field experiment, Mar. Ecol. Prog. Ser. 18:
155-170.

305
 Rapp. Comm. int. Mer Médit., 37, 2004

MODELING TRACE METAL ACCUMULATION IN THE MEDITERRANEAN

MUSSEL, MYTILUS GALLOPROVINCIALIS

S. CASAS 1*, D. COSSA 2, J.L. GONZALEZ 1, C. BACHER 3, B. ANDRAL 1

1
IFREMER, Centre de Toulon, BP 330, ZP du Brégaillon, F.83507 La Seyne-sur-Mer cede,.
* [email protected]
2
IFREMER, Centre de Nantes, BP 21311, F.44311 Nantes, France
3
IFREMER, CREMA, BP 5, F.17137 L'Houmeau, France

Abstract: Monitoring coastal contamination by trace metals pollution using mollusks

bivalves as quantitative bioindicators is widely performed in many international
biomonitoring programs. In this purpose, modeling metal dynamic in marine mussels is a
reliable tool. It allows understanding the bioaccumulation process which results from the
interactions between biological, chemical and environmental factors. To calibrate such a
model, kinetic experiments on uptake and elimination were conducted on three Mediterranean
sites chosen on the basis of their different nutritive and chemical characteristics.

Keywords : Bioindicator, Mytilus galloprovincialis, bioaccumulation, heavy metals, growth.

Introduction
Many monitoring programs (the US Mussel Watch, the French RNO and RINBIO) are based
on the concept of quantitative bioindicator, which uses the properties of marine bivalves
(usually mussel) to concentrate and, in certain conditions, accumulate contaminants in their
soft tissue with a relationship with the ambient level; this technique allows the measurements
of chemical contaminants technically more simple than in water (1, 2, 3 & 4).
National and international monitoring networks are designed to discern spatial and temporal
patterns in contaminant concentrations in the environment. Some difficulties appear in the
accomplishment of this objective: the data obtained give only information on the
bioaccumulation level without taking into account the contaminants dynamic. There is still a
lack of knowledge about the significance of the concentration at time "t" ; does this
concentration result from a change in environmental conditions, or from a change in the
contamination level in the surrounding environment. Furthermore, comparing concentrations
between different sites appears to be difficult because of the variations in environmental
conditions, and subsequently variations in growth rate of the mussels among sites, may
involve changes in the concentration level in the animals. Subsequently, modeling
bioaccumulation of metals in mussels could be a pertinent tool to optimize the use of
quantitative bioindicators.
The aim of this study is to couple growth and bioaccumulation models for the marine mussel,
Mytilus galloprovincialis. Indeed, each fluctuating condition will interact and affect the
concentration of metal in mussels. Hence, the reconstruction of ambient metal concentrations,
based on metal body burden, will be only feasible when the effect of food density and/or
temperature on the physiological condition of the mussel is known.

306
 Rapp. Comm. int. Mer Médit., 37, 2004

Interactions between environmental changes, growth and bioaccumulation

Interpretation of environmental monitoring data is improved by knowledge of the relationship
between metal concentration in the environment and in tissues of the mussel. Most of the
studies on the bioaccumulation process assumes implicitly steady state conditions for the
other physiological processes in the organism. These models do not consider the organism
changes in its physiological conditions (i.e. size, energy reserves and reproductive cycle) and
do not take into account the impact of these changes on the metal concentration in mussels.
In fact, many biotic and abiotic parameters are known to affect the metals body burden of
Mytilus sp.: temperature, available food, reproductive cycle, size and weight (5 & 6). This is
the reason why the coupling of the growth and accumulation models is of utmost importance
in understanding the metal bioaccumulation process within the mussel.

Metal kinetics in the mussel: accumulation model

Uptake and elimination kinetics of metals in the mussel Mytilus galloprovincialis can be
described by a dynamic energy budget (DEB) model. A multi-compartment-pharmaco-kinetic
model has been used to describe metal kinetics (7 & 8). The contribution of physiologically
determined variables, such as body size and tissue composition, on its influence on the
pharmaco-kinetics of the metals has been evaluated. The metal uptake / elimination model has
been designed to account for change in the physiological conditions of the organism. The
uptake is considered to be carried out directly from the environment and/or via food and the
elimination is via reproduction and/or directly to the environment.

Adjustment of parameters and field validation

In order to couple growth and metal accumulation, it's essential to have complementary data:
(i) physico-chemical variables on the contaminant and the water, (ii) biological variables of
the water, and (iii) biological variables of the mussel.
In this experiment, mussels originating from a same site have been transplanted for six
months in two sites known for their contamination (Lazaret bay and Bages lagune). The two
mussel sets were sampled fortnightly, and allometric parameters and contaminant
concentrations in the mussel tissues were measured. In addition, water conditions were
recorded : temperature, pH, salinity, suspended solids and dissolved and particulate metal
concentrations. After these six months, mussels were transplanted to a clean site (Port-Cros
island) in order to examine the decontamination kinetics during three months. All these data
will be integrated into the DEB model to adjust parameters and validate it.
After calibrating the bioaccumulation model and after coupling the two models using
dissolved and particulate metal concentrations in the environments, the model has been
inverted in order to prove its functionality in assessing the real metal concentrations in water.
By combining environmental and biological data, the model could constitute an optimized
biomonitoring tool which can be applied to various coastal environments.

307
 Rapp. Comm. int. Mer Médit., 37, 2004

Bibliography
1. Goldberg, E. D. (1975). "The Mussel Watch." Mar. Pollut. Bull. 6: 111-113.
2. Kock de, W. C. and H. Van Het Groenewoud (1985). Modelling bioaccumulation and
elimination dynamics of some xenobiotic pollutants (Cd, Hg, PCB, HCB) based on "in situ"
observations with Mytilus edulis. TNO report. The Hague: 68-79.
3. Claisse, D., M. Joanny, et al. (1992). "The French marine pollution monitoring network
(RNO)." Analusis (Masson, Paris) 20(6): 19-22.
4. Andral, B., J.Y. Stanisiere, et al. (2001). Réseau Intégrateurs Biologiques. Rinbio.
Evaluation de la contamination chimique des eaux basée sur l'utilisation de stations
artificielles de moules en Méditerranée : résultats de la campagne 2000., Ifremer.
R.INT.DEL/TL/01-03.
5. van Haren, R.J.F., H.E. Schepers, et al. (1994). "Dynamic energy budgets affect kinetics of
xenobiotics in the marine mussel Mytilus edulis." Chemosphère 29 (2): 163-189.
6. Cossa, D., E. Bourget, et al. (1980). "Geographical and seasonal variations in the
relationship between trace metal content and body weight in Mytilus edulis." Mar. Biol 58: 7-
14.
7. Kooijman, S.A.L.M. (1988). The von Bertalanffy growth rate as a function of
physiological parameters: a comparative analysis. In "Mathematical Ecology". eds, T. G.
Hallam, L. J. Gross and S. A. Levin. World Scientific, Singapore.
8. Kooijman, S.A.L.M. and R.J.F. van Haren (1990). "Animal energy budgets affect the
kinetics of xenobiotics." Chemosphère 21: 681-693.

308
 Nouveau chapitre thèse

VALORISATION DES COMPETENCES

Sujet du projet de thèse:

Modélisation de la bioaccumulation des métaux traces chez la

moule, Mytilus galloprovincialis en milieu méditerranéen.

Stellio, CASAS

Ecole doctorale de l’Université de Toulon et du Var

Directeur de thèse : Dr Daniel Cossa et Pr. Jean-Yves Benaim.

Nom du mentor : Joël Denerveaux – JD Consultants.

Date probable de soutenance : Février 2005

309
 Nouveau chapitre thèse

« Depuis l’enfance, le milieu marin a toujours été pour moi un mystère que les hommes
peinaient à maîtriser: vie aquatique, adaptation des organismes marins, richesse et diversité
biologique, force et grandeur de l’océan, immensité de l’espace. C’est dans l’optique de
mieux le comprendre et de l’appréhender que je me suis dirigé dans cet univers de la
recherche marine. Après l’obtention d’un DEA, j’ai alors candidaté aux bourses doctorales
de l’Ifremer, institut français de référence dans ce domaine, en particulier sur ce projet de
protection et de surveillance du milieu côtier qui m’est si cher ».
1. CADRE GENERAL ET ENJEUX DE LA THESE

Sujet: La surveillance de la contamination côtière au moyen du bivalve, genre Mytilus, est de

pratique courante dans de nombreux programmes de surveillance à travers le monde. En effet,
les moules présentent des caractéristiques qui en font de bons bioindicateurs de la
contamination en raison de leur faculté de concentration, de leur large répartition
géographique et de leur tolérance à différents stress. La vocation de tels réseaux est la
détection des sources de contamination et le suivi des actions de restauration de la qualité du
milieu. Dans le cadre de ces programmes, le modèle de bioaccumulation va, en plus de traiter
de l’accumulation des métaux traces à partir de la voie dissoute et particulaire, tenir compte
de la biologie de l’individu et permettre de quantifier l’effet de la croissance et des
changements environnementaux, tant chimiques que nutritifs, sur la bioaccumulation.
Equipes et contexte : Mon sujet de recherche doctorale a été présentée conjointement par le
département DEL/PC et le laboratoire côtier DEL/PAC de l’Ifremer. Il s’est fait via une
codirection avec le laboratoire RCMO. De par ses aspects pluridisciplinaires, la thèse s’est
réalisée au sein de différentes équipes.
Encadrant Unités thématiques Discipline
D.Cossa (Dir. Thèse) Ifremer, Nantes, DEL/PC Chimie, spécialiste du Hg
J.Y. Benaim (Dir. Univ) Université Toulon et du Var, RCMO Chimie
C. Bacher CREMA L’Houmeau, + Ifremer Brest, DEL/EC Modélisation
J.L.Gonzalez Ifremer, Toulon, DEL/PC Chimie
B.Andral Ifremer, Toulon, Laboratoire côtier, DEL/PAC Surveillance
DEL/PC : Direction Environnement et aménagement Littoral / Polluants chimiques.
EC : Ecologie côtière. PAC : Provence Azur Corse.
RCMO : Recherche en Chimie Marine des Organométalliques.
CREMA : Centre de Recherche sur les Ecosystèmes Marins et Aquacoles : laboratoire mixte CNRS / Ifremer.
RNO : Réseau National de la qualité du milieu marin. Rinbio : Réseau Intégrateurs Biologiques.
GDR : Groupement de Recherche.

Place thèse dans le projet global de l’équipe

• Au sein d’Ifremer, plusieurs équipes thématiques mènent des recherches sur la
biogéochimie des contaminants chimiques et leur toxicité vis-à-vis des organismes et
populations des écosystèmes côtiers. Les travaux de recherche s’inscrivent prioritairement
dans une logique de santé environnementale, nécessairement en amont et indispensable pour
aborder une logique de santé publique.
• Le CREMA a pour vocation l'étude des réseaux trophiques et des réponses adaptatives des
espèces dans les écosystèmes côtiers exploités avec pour objectif leur exploitation diversifiée
et leur gestion durable.
Appartenance du laboratoire à des réseaux scientifiques ou industriels
• RINBIO/RINBIOC/MYTILOS : RINBIO est un réseau de monitorage actif consistant à
surveiller la contamination chimique par l’utilisation de stations artificielles de moules. Il est
opéré en partenariat avec l’Agence de l’Eau Rhône Méditerranée Corse. La campagne
RINBIOC est réalisée en collaboration avec l’Italie et l’Espagne. Par la suite, le projet
MYTILOS devrait être effectué sur les Iles (Sicile, Sardaigne, Corse, Baléares) et en Afrique.

310
 Nouveau chapitre thèse

• GDR MonaLisa : rôle de la matière organique sur la spéciation et le transfert des

contaminants: Universités Toulon, Bordeaux, Aix-Marseille, Institut Croate Ruder Boskovic.
• GDR Gestion des Ecosystèmes Littoraux Méditerranéens : Université de Corse, STARESO
(Station de recherche sous-marine et océanographique) et GIS Posidonie.
• PNEC Lagunes : Les objectifs sont d’analyser et de modéliser, sur des bases
multidisciplinaires, les processus physiques et biologiques qui contrôlent la productivité et
l’état sanitaire des écosystèmes pour améliorer la compréhension, les capacités de diagnostic
et de prédiction en matière de phénomènes environnementaux majeurs ou d’aménagements.
• Programme MEDICIS (Mediterranean Contaminants Integrated System) (L.A. Romaña) :
Ce programme a pour ambition de connaître l’étude des apports, l’état et le devenir des
contaminants chimiques en Méditerranée Occidentale.
Place thèse au regard du contexte public, privé ou international
• Problématique Internationale Commune : Du fait de la gravité des effets des métaux sur la
santé et des contaminations dans l’environnement, des réglementations ont été adoptées, à
tous niveaux visant à limiter les émissions ou réduire les usages.
• Directive Cadre Eau : Pour la gestion et la préservation de la qualité de l’eau dans les Etats
membres de l’Europe, la directive 2000/60/CE du Parlement européen et du Conseil du 23
octobre 2000 établit un cadre pour une politique communautaire dans le domaine de l’eau. C’est
l’aboutissement d’un processus législatif européen visant à préserver la qualité des eaux.
2. FINANCEMENTS, GESTION ET COUT DU PROJET
Une bourse doctorale cofinancée région Provence-alpes-côte-d’azur / Ifremer a été obtenue
pour ce projet, la région finançant à 50 % le salaire du doctorant.
Ressources humaines Type travail Temps Salaire mensuel Coût (€) Financement
(mois) (brut) en euros
Moyens en personnel
• Doctorant : 3*12 mois 2 000 72 000 Ifremer / Région
• Techniciens : Prélèvements, Analyses 4 mois 3 000 12 000 Ifremer
• Cadres : Encadrement, Analyses 3*3*3 mois 5 000 135 000 Ifremer
Dépenses associées
• Matériels :
- Ferme aquacole Moules + calibration 160 Ifremer
• Prestations internes : 1 050 Ifremer Toulon
Analyses 3 450 Ifremer Nantes
Analyses
• Prestations externes :
- Laboratoire Nice Analyses 7 600 Ifremer
- Laboratoire Rouen Analyses 7 737 Ifremer
- Ecole voile Sigean Prélèvement 1 400 Ifremer
• Déplacements 5 000 Ifremer
• Infrastructures 15 000 Ifremer
• Colloques 2 504 Ifremer / Egide
Coût total consolidé 262 901

3. PREPARATION ET CADRAGE DU PROJET

Etapes clés
Les étapes globales du projet ont été établies en équipe juste avant de commencer le contrat
de travail, dans un but d’optimiser le temps et surtout le travail en collaboration avec les
différentes équipes impliquées.

311
 Nouveau chapitre thèse

Les différentes étapes ont été les suivantes :

- Octobre 2001 à décembre 2001 à l’Ifremer de Nantes: étude bibliographique sur la
bioaccumulation des métaux traces chez la moule.
- Janvier 2002 à juillet 2002 au CREMA de L’Houmeau: Etat de l’art et premiers essais de
modélisation. Début de réflexion quant à la stratégie expérimentale à réaliser sur le terrain,
suite au travail de bibliographie et de modélisation.
- Août 2002 à décembre 2004 à l’Ifremer de Toulon : Mise en place plan expérimental,
expérimentations terrain, traitement données, applications aux modèles de croissance et de
bioaccumulation, rédaction.
C’est une fois le sujet bien cerné et les besoins quantifiés que le travail expérimental a été
défini. J’ai ainsi élaboré la stratégie expérimentale avec mon équipe puis défini toute la
logistique et les dates de prélèvement de façon autonome pour une durée de 9 mois : planning
des manips, gestion des partenaires, choix des sous-traitants, etc.
Modalités de travail : responsable thèse, groupe projet
En dehors des étapes annuelles de renouvellement des financements, j’ai rédigé
mensuellement un point d’avancement concis de mes travaux à chaque encadrant de l’équipe,
pour une meilleure cohérence et dynamique. Suite à ces bilans, des entretiens téléphoniques
m’ont permis de développer ou confirmer les directions prises. Enfin, lorsque j’en estimais le
besoin, en particulier la dernière année, je me suis rendu sur Nantes et Brest pour travailler
avec mes encadrants une semaine durant.
Une étape décisive a été ma participation volontaire à deux sessions internationale de télé-
enseignement de 4 mois. Sous la forme de forums de discussions et d’exercices en anglais, de
nombreux sujets concernant les modèles physiologiques à budget énergétique ont été traités.
Cette formation au delà de me fournir un certificat d’excellence par l’université d’Amsterdam,
m’a permis de développer une théorie originale et innovante, de l’appliquer à mon sujet et de
me créer un réseau de connaissances spécialiste dans ce domaine à l’échelle internationale.
Gestion des relations avec les partenaires scientifiques, industriels et sous-traitants
Afin de gérer la bonne conduite du projet, j’ai noté l’importance des relations avec les
différents participants, en particulier avec les partenaires scientifiques (Ifremer, CREMA,
Agences de l’eau) et les sous-traitants (Laboratoire de Nice et de Rouen, Parc national de
Port-Cros, Ecole voile Sigean) desquels l’avancée réelle est fortement dépendante. Ainsi, le
respect du planning a pu être réalisé grâce à mon investissement permanent. La réalisation de
la thèse m’a permis d’expérimenter cette gestion des relations et de me rendre compte que
c’est un point qui peut prendre beaucoup de temps et qu’il ne faut surtout pas négliger.
Problèmes rencontrés et solutions apportées
Durant la phase expérimentale, sur un des sites d’étude utilisé pour sa contamination
métallique importante, une partie des échantillons mis en stabulation dans l’eau a été volée.
Fort heureusement, ce type d’accident avait été prévu d’un point de vue technique. Le jour de
cet incident, nous sommes allés saluer un des pécheurs locaux qui nous a immédiatement
questionné. J’ai profité de cette occasion pour lui expliquer clairement le projet de l’étude en
restant bien entendu très diplomate et afin d’expliquer la présence de chercheurs dans cet
environnement. Suite à cette conversation, plus aucun problème n’a été décelé.
4. COMPETENCES ACQUISES ET DEVELOPPEES, QUALITES PROFESSIONNELLES ET
PERSONNELLES
Domaines d’expertise scientifiques, techniques
De par sa thématique très appliquée, la thèse m’a permis d’acquérir de nombreuses
connaissances sur différents aspects techniques : stratégie expérimentale, dispositifs et
méthodes analytiques. Ainsi, en collaboration directe avec les réseaux de surveillance, j’ai

312
 Nouveau chapitre thèse

utilisé la technique des stations artificielles par les transplants. De même, les campagnes de
pose et de relève m’ont appris différentes procédures et protocoles rigoureux de prélèvements
biologiques, chimiques et de quantification métallique dans la chair, l’eau et les matières en
suspension.
L’étude de l’interaction entre les contaminants et les barrières biologiques est d’un intérêt
considérable pour la compréhension des phénomènes écotoxicologiques et l’interprétation de
la bioaccumulation et des transferts à travers les chaînes trophiques. De par la multitude des
processus impliqués, les sujets abordés ont été très nombreux. Ainsi, sur le plan scientifique,
j’ai eu l’occasion de parfaire mes connaissances dans des domaines variés, allant de la
biologie de l’organisme étudié (cycle biologique, physiologie de l’organisme) à la chimie des
contaminants (spéciation chimique, nature des métaux), en passant par l’étude de processus
plus spécifiques tels que la bioaccumulation des métaux influencée par l’environnement,
l’organotropisme ou encore la bioamplification le long des réseaux trophiques.
Sur le plan technique, j’ai acquis une bonne maîtrise du langage informatique Matlab. J’ai
également acquis des compétences plus générales, utiles dans tout travail de chercheur :
modélisation d’un problème, mise en équation, évaluation des difficultés qui peuvent se
présenter et des étapes critiques à résoudre. A cela s’ajoutent des compétences nouvelles
acquises quant à la théorie des DEB modèles et leurs utilisations, suite à la participation à
deux sessions de télé-enseignement. Ce type de modèles informatiques constituent une base
pour développer des modèles physiologiques structurés dont le but est de lier la physiologie
de l’individu au niveau de la population par exemple. De par leur application à la toxicologie
et à la biotechnologie, les champs d’ouverture à des domaines autres que celui de la thèse me
permettent de diversifier mes compétences.
Enfin, du fait de la forte implication du laboratoire dans les directives européennes, j’ai eu
l’occasion de me mettre au fait des réglementations environnementales.
Compétences méthodologiques : gestion temps, travail en équipe, analyse, synthèse et
communication
L’organisation et la gestion du temps a été une des clés du bon déroulement de ma thèse. J’ai
d’abord pris le temps qu’il fallait pour me mettre au fait de ce qui se faisait dans le domaine.
En parallèle, je me suis efforcé de chercher de futurs collaborateurs au sein d’Ifremer où les
compétences sont nombreuses, puis sur un plan international, en m’inscrivant notamment
dans des forums de discussions. J’ai essayé de chercher des idées originales et je me suis
efforcé de faire preuve d’autonomie et de curiosité quand j’ai abordé des domaines qui ne
m’étaient pas familiers. Une fois ceci fait, j’ai eu plus de loisir pour faire des choix
scientifiques quant aux thèmes que j’allais étudier, et pour mûrir des projets de recherches.
De plus, je me rapidement intégré et j’ai participé activement dans les nombreuses
collaborations internes (journées thématiques, journées techniques, groupements de
recherche, conférences, formations, séminaires), me permettant de me faire connaître au sein
de l’institut et de travailler avec des équipes différentes. Lorsque l’auditoire n’était pas
forcement spécialisé dans mon domaine, j’ai réussi à rendre mon travail plus accessible et
compréhensible, sous forme de posters ou de présentations orales plus ludiques.
Egalement, j’ai eu l’occasion de communiquer mes résultats en anglais à des colloques de
rang internationaux, d’échanger avec des chercheurs de ma discipline et de me construire un
véritable réseau de connaissances.
Enfin, suite à ma formation aux DEB modèles, j’ai pu activement participer à un projet
d’échange franco-néerlandais (DEBIB project, Ifremer – NIOZ (Netherlands Institute of Sea
Research, Texel)) financé par EGIDE. Après une première rencontre en France, je me suis
rendu au Pays-Bas pour travailler seul avec l’équipe hollandaise. Cette expérience a été très
enrichissante par l’échange et le travail en équipe en anglais mais surtout par toute la
préparation et l’organisation que ça m’a demandé (ordre du jour, planning, rapport).

313
 Nouveau chapitre thèse

Compétences personnelles : Si je devais lister les compétences que j’ai développé durant ce
projet de 3 ans, je dirais par ordre d’importance: adaptabilité et réactivité, rigueur, innovation,
communication, travail d’équipe et curiosité.
5. RESULTATS, IMPACTS

Pour laboratoire, équipe, partenaires du projet, recherche, économie, société

En plus de mon manuscrit de thèse, ce travail va donner lieu à des articles scientifiques, qui
devraient être soumis dans un délai très proche. En effet, du fait d’expérimentation longue et
de l’intégration des résultats au modèle mis en place et écrit sous ma propre initiative, je n’ai
pas eu le temps de rédiger de publications dans des articles scientifiques, les communications
orales ayant été privilégiées. Par contre, à présent que le code est réalisé et les contacts pris
avec mes différents collaborateurs, plusieurs articles devraient être issus de ce travail de thèse.
Ces articles devraient contribuer à la notoriété du laboratoire et renforcer sa position. La mise
en œuvre d’un modèle de bioaccumulation et son inversion étend le champ de compétence de
l’équipe très impliquée dans les réseaux de surveillance.
Conjointement aux mesures réalisées sur le terrain, le modèle est un outil de choix pour
intégrer la variabilité du milieu et la diversité des processus mis en jeu. Il peut devenir un
outil pertinent dans la validation et l’optimisation de l’utilisation des moules comme
bioindicateurs quantitatifs, en reproduisant aussi fidèlement que possible l’importance relative
des différents processus et leurs variations spatio-temporelles. En reliant les concentrations
dans les organismes vivants à celles dans l’eau, le modèle permet de comprendre et prédéfinir
les principales voies de contamination des moules (à partir de l’eau et/ou à partir de la
nourriture) et les variables (chimiques, biologiques et environnementales) qui interviennent
dans le processus de contamination. C’est ainsi un outil de recherche qui sert à améliorer et
à rassembler l’état des connaissances sur le comportement du milieu, mais il peut également,
à terme, être employé comme outil d’aide à la décision. En effet, la compréhension et
l’évaluation de la contamination chimique effective des sites quelles que soient les conditions
trophiques rencontrées dans le golfe du Lion est possible, en s’affranchissant des différences
physiologiques dues au trophisme. La vision intégrée et globale du processus de
bioaccumulation simulée par le modèle, avec ses variations spatiales et temporelles, donne
des indications parlantes de l’évolution de la contamination côtière. En considérant ses limites
d’application, le modèle peut devenir un véritable outil opérationnel pour les réseaux de
surveillance.
Mes pistes professionnelles et mon plan d’action
Pour ma part, ce travail de trois ans m’a donné l’envie de poursuivre dans ce domaine de la
recherche appliquée. Ainsi, suite à mes résultats et au modèle développé, je suis actuellement
entrain de rédiger un projet d’étude, dans la continuité de ce travail qui ouvre de nombreuses
perspectives. A ce jour, je l’ai proposé à différentes équipes internationales impliquées dans
cette problématique et des retours très positifs ont eu lieu. Projet en cours. A suivre.
Recherche de financements.
- Mise en œuvre d’un réseau international pour aller plus loin dans la démarche réalisée
lors du projet de thèse : validation et application de l’outil mis en place, amélioration.
- Pistes découlant de l’expérience de la thèse,
- Gérer, chercher et convaincre en connaissances de cause.

314
Modélisation de la bioaccumulation de métaux traces (Hg, Cd, Pb, Cu et Zn) chez la
moule, Mytilus galloprovincialis, en milieu méditerranéen.
Résumé : Le suivi de la contamination côtière par les métaux, au moyen de bivalves du genre
Mytilus, est de pratique courante dans de nombreux programmes de surveillance à travers le monde.
La bioaccumulation résulte d’une interaction entre facteurs physiologiques (croissance, perte de poids,
absorption, stockage), chimiques (transferts métaux, spéciation, biodisponibilité) et environnementaux
(température, MES, chlorophylle). L’étude et la modélisation de ces interactions est d’un intérêt
considérable pour la compréhension des phénomènes et l’interprétation de la bioaccumulation des
métaux traces chez la moule. Compte tenu des objectifs de l’étude, afin d’intégrer l’effet de l’état
physiologique de l’organisme bioindicateur, le modèle de bioaccumulation choisi suit le concept d’un
modèle cinétique à base énergétique, par un couplage d’un modèle de croissance (modèle DEB : à
budget énergétique dynamique) à un modèle simple d’accumulation.
Afin de le paramétrer et de le calibrer, une étude cinétique d’accumulation (6 mois) et de
décontamination (3 mois) a été réalisée pour cinq métaux (Hg, Cd, Pb, Cu et Zn), par la technique des
transplants, sur trois sites d’étude aux potentiels trophiques et chimiques différents (Baie du Lazaret,
Etang de Bages et l’île de Port-Cros). En plus de traiter de l’accumulation des métaux traces à partir de
la voie dissoute et particulaire, le modèle tient compte de la biologie de l’individu et permet de
quantifier l’effet de la croissance et des changements environnementaux, tant chimiques que nutritifs,
sur la bioaccumulation. L’accumulation des métaux traces se fait à partir de l’eau et/ou de la nourriture
alors que l’élimination se fait lors d’étapes physiologiques telles que la reproduction ou directement
par excrétion dans le milieu. La contribution de la physiologie de l’organisme détermine des variables
d’état tels que le soma, les réserves et le compartiment reproductif, dont les variations dans le temps
influencent les cinétiques de capture et d’élimination au sein de l’organisme. Reliant par une méthode
explicative les concentrations dans l’organisme à celle du milieu, le modèle permet d’évaluer la
contamination effective des sites en s’affranchissant des différences physiologiques dues au trophisme.
Cette application a été réalisée sur le réseau de surveillance français RINBIO par analyse inverse.
Mots-clés : Bioindicateur, moule, Mytilus galloprovincialis, bioaccumulation, métaux traces, modèle,
Budget énergétique dynamique, surveillance.

Modeling trace metals (Hg, Cd, Pb, Cu and Zn) bioaccumulation in the Mediterranean
mussel, Mytilus galloprovincialis.
Abstract: Monitoring coastal contamination of trace metals using bivalve molluscs as quantitative
bioindicators is widely used in many international monitoring programs. The bioaccumulation of
metal within an organism results from the interaction between physiological (growth, loss of weight,
absorption, accumulation), chemical (metal concentration, speciation, bioavailability) and
environmental factors (temperature, SPM, chlorophyll). By utilizing the parameters above in this
study, it appears that modeling metal dynamics in marine mussels is a reliable tool. The model allows
understanding the bioaccumulation process which results from the interactions between biological,
chemical and environmental factors. One of the objective of this study was to couple a
bioaccumulation model with a growth model (Dynamic Energy Budget model) in order to consider the
changing physiological conditions of the mussel and their impact on metal concentration in tissue.
To build and calibrate such a model, in situ experiments to measure uptake (6 months) and elimination
(3 months) kinetics were conducted for five metals (Hg, Cd, Pb, Cu and Zn), by transplantation, at
three Mediterranean sites (Lazaret bay, Bages pond, and Port-Cros island). These sites were chosen on
the basis of their contamination levels. A pharmaco-kinetic compartment model has been used to
describe metal kinetics. It has been designed to account for changes in the physiological conditions of
the organism, in relation to environmental conditions. Metal uptake from water and food were
considered seperately. Metal elimination results from reproduction and/or from direct excretion. The
contribution of physiologically determined variables, such as body size and tissue
composition, influencing the pharmaco-kinetics of the metals, were quantified. By combining
environmental (chemical and abiotic factors) and biological (physiological, growth and
bioaccumulation) data, the model constitutes an optimised biomonitoring tool which can be
applied to various coastal environments. An application on French biointegrator network
(RINBIO) has been carried by inverse analyse and allows us to assess the real contamination.
Keywords: Bioindicator, mussel, Mytilus galloprovincialis, bioaccumulation, trace metals, model,
Dynamic Energy Budget, biomonitoring.