[fr] Une série temporelle de 13 ans (2004-2016) du mésozooplancton de la baie de Calvi a été générée en adoptant une approche d'apprentissage supervisée (machine learning). A partir de méthodes d'analyse d'image et de classification (semi-) automatique, l'abondance mais également le spectre de taille de 14 groupes taxonomiques différents ont pu être déterminés avec un taux de réussite de classification de plus de 90%. L'abondance respective de chacun des groupes est caractérisée par une variation annuelle et/ou interannuelle et différentes corrélations avec des paramètres environnementaux sont soulignées. La caractérisation d'une variation annuelle moyenne par la succession d'ensemble de groupes a permis de décrire une variation interannuelle à l'échelle de communautés. Concernant la variation interannuelle des blooms printaniers, il est mis en évidence que bien que l'intensité du bloom soit corrélée à la température de l'eau, son présence/absence dépend de la concentration en nitrate. Aussi, les périodes et laps de temps caractérisant ces corrélations entre paramètres environnementaux et bloom ont été déterminés. De manière générale, le potentiel contenu dans ces données abondance mais aussi spectre de taille et la biomasse est suggéré.