Le milieu marin est insonifié par une grand variété de sources acoustiques, qui peuventêtre monitorées par des enregistreurs acoustiques passifs autonomes. Parmi les sons enregistrés, ontrouve un grand nombre de signaux transitoires (signaux éphémères de durée courte), auxquelsappartiennent notamment les signaux impulsionnels que nous étudions dans cette thèse. Les signauximpulsionnels ont des propriétés spécifiques, telles que leur durée très courte (<1ms), leur faiblenombre d’oscillations, leur forte directivité, qui les rendent difficiles à étudier avec les outils detraitement du signal traditionnels (transformée de Fourier, autocorrélation, etc.).Dans un premier temps, nous nous intéressons à la détection des sources qui émettent des sériesd’impulsions rythmées (dauphins, cachalots, bélugas). Cette détection, s’appuie uniquement surles temps d’arrivée des impulsions reçues, pour effectuer une analyse du rythme au moyen d’uneautocorrélation complexe, et construire une représentation temps-rythme, permettant : i) de détecterles rythmes, ii) de connaître les temps de début et fin des émissions rythmées, iii) de connaître lavaleur du rythme et son évolution.Dans un second temps, nous étudions le potentiel d’une technique appelée analyse par récurrence desphases, pour caractériser les formes d’onde des impulsions. Après avoir présenté le cadre général decette méthode d’analyse, nous l’utilisons dans trois chaînes de traitement répondant à chacune destâches suivantes : i) détection des transitoires, ii) caractérisation et reconnaissance des transitoires,iii) estimation des différences des temps d’arrivée des transitoires sur deux capteurs.Toutes les méthodes développées dans cette étude ont été testées et validées sur des données simuléeset sur des données réelles acquises en mer / The underwater environment is insonified by a wide variety of acoustic sourcesthat can be monitored by autonomous passive acoustic recorders. A large number of the recordedsounds are transient signals (short-finite duration signals), among which the pulse signals that westudy in this thesis. Pulse signals have specific properties, such as a very short duration (<1ms), fewoscillations, a high directivity, which make them difficult to study by classical signal processing tools(Fourier transform, autocorrelation).In the first part of this study, we develop a method to detect sound sources emitting rhythmic pulsetrains (dolphins, sperm whales, beluga whales). This detector uses only the time of arrival of pulses atthe hydrophone to perform a rhythm analysis based on a complex autocorrelation and a time-rhythmrepresentation. This allows : i) to detect rhythmic pulse trains, ii) to know the beginning and endingtimes of pulse trains, iii) to know the value of the rhythm.In the second part of this thesis, we study the potential of a method called Recurrence Plot Analysis tocharacterize waveforms of pulse signals. After a general presentation of this method we develop threesignal processing architectures based on it, to perform the following tasks : i) transient detection, ii)transient characterization and pattern recognition, iii) estimation of time difference of arrival of thetransient on two hydrophones.All the methods developped in this thesis are validated on simulated and real data recorded at sea.

Le trafic maritime est le principal contributeur des bruits sous-marins anthropique : depuis les années 1970, l’augmentation du trafic maritime hauturier a provoqué dans certaines zones une augmentation du bruit ambiant de plus de 10 dB. En réponse à cette préoccupation, la Directive Cadre pour la Stratégie pour le Milieu Marin (DCSMM) recommande un suivi acoustique. Peu d’études s’intéressent à l’activité côtière et aux bruits rayonnés par les petites embarcations ainsi qu’à leurs conséquences sur la faune marine alors que ces environnements côtiers sont les pourvoyeurs de 41.7 % des services écosystémiques produits par les océans.A mi-chemin entre le monde académique et le monde industriel, le travail présenté aux différents questions scientifiques et industrielles sur la thématique du trafic côtier, en termes de l’étude de son influence dans le paysage acoustique et de capacité à détecter et classifier les embarcations côtières.En l’absence d’information sur le trafic maritime côtier, un protocole d’identification visuelle par traitement d’images GoPro® produisant les mêmes données que l’AIS (position, vitesse, taille et type d’embarcation) est proposé et permet la création de carte du trafic maritime sur un disque de 1.6km de rayon. D’un point de vue acoustique, le trafic est caractérisé par deux descripteurs acoustiques, le SPL lié à la distance du bateau le plus proche et l’ANL caractérisant le nombre de bateaux dans un disque de 500 m de rayon. Le suivi spatio-temporel de ces descripteurs permet d’identifier l’impact du trafic maritime dans le paysage acoustique des environnements côtiers. La détection et la classification sont réalisées après caractérisation individuelle du bruit par un ensemble de paramètres acoustiques et par l’utilisation d’algorithmes d’apprentissage supervisé. Un protocole spécifique pour la création de l’arborescence de classification est proposé par comparaison des données acoustiques aux caractéristiques physiques et contextuelle de chaque bateau.Les travaux présentés sont illustrés sur la flottille d’embarcations côtières présente dans la baie de Calvi (Corse) durant la saison estivale. / Marine traffic is the main contributor to anthropogenic underwater noise: since the 1970s, the increase in deep-sea shipping has increased the ambient noise by more than 10 dB in some areas. In response to this concern, the Marine Strategy Framework Directive (MSFD) recommends acoustic monitoring. Few studies are concerned with coastal activity and the noises radiated by small craft while these coastal environments are the purveyors of 41.7% of the ecosystem services produced by the oceans.Between the academic and the industrial world, this PhD was to answer the different scientific and industrial questions on the topic of the coastal traffic in terms of the influence in the soundscape and the detection and classification of the coastal craft.Without information on the coastal maritime traffic, a visual identification protocol is proposed using GoPro® images processing and produced the same data as the AIS (position, speed, size and type of craft); It allows to create maritime traffic maps on a disk of 1.6km radius. The traffic is characterized by two acoustic descriptors: the SPL linked to the distance of the nearest boat and the ANL linked to the number of boats present in a 500 m radius disc. The spatiotemporal monitoring of these descriptors allows to identify the impact on the maritime traffic on the coastal acoustic landscape. The acoustic detection and the classification are performed after individual characterization of the noise by a set of acoustic parameters and using of supervised machine learning algorithm. A specific protocol for the creation of the classification tree is proposed by comparing the acoustic data with the physical and contextual characteristics of each boat.The methods are applied on the flotilla of coastal boats present in the Bay of Calvi (Corsica) during summer.