Un groupe d’experts de l’intelligence artificielle et de l’écosystème animal a proposé une nouvelle stratégie interdisciplinaire destinée à améliorer l’étude des espèces animales en utilisant plus efficacement les énormes quantités de données collectées grâce aux nouvelles technologies. Leur recherche est publiée aujourd’hui dans Nature Communications. Le domaine de l’écologie animale est entré dans la période des grandes informations et de l’internet des objets. Des quantités inégalées de données sont actuellement recueillies sur les populations animales, grâce à des technologies sophistiquées telles que les satellites, les drones et les dispositifs terrestres comme les caméras numériques automatisées et les capteurs placés sur les animaux ou dans leur environnement. Ces données sont devenues si faciles à acquérir et à discuter qu’elles ont permis de réduire les distances et le temps nécessaires aux chercheurs tout en minimisant la présence gênante de personnes dans des environnements entièrement naturels. Aujourd’hui, un certain nombre d’applications d’IA sont disponibles pour évaluer de grands ensembles de données, mais elles sont souvent de nature basique et peu adaptées à l’observation du comportement et de l’aspect exacts des créatures sauvages. Un groupe de chercheurs de l’EPFL et d’autres universités a mis au point une méthode révolutionnaire pour résoudre ce problème et développer des modèles plus précis en associant les progrès de la vision des ordinateurs personnels aux connaissances des écologistes. Leurs résultats, qui paraissent aujourd’hui dans Nature Communications, ouvrent de nouvelles perspectives sur l’utilisation de l’IA pour aider à préserver les variétés d’espèces sauvages. La recherche sur la faune sauvage est passée du niveau local au niveau mondial. Les technologies modernes offrent désormais de nouveaux moyens innovants de créer des estimations plus précises des communautés d’animaux sauvages, de mieux comprendre le comportement des animaux, de lutter contre le braconnage et d’enrayer le déclin de la biodiversité. Les écologistes peuvent utiliser l’intelligence artificielle, et plus particulièrement la vision artificielle, pour extraire des fonctions importantes d’images, de clips vidéo et d’autres types de données visuelles afin de classer rapidement les espèces animales, les créatures individuelles et de glaner certaines informations, en utilisant de grands ensembles de données. Les applications génériques actuellement utilisées pour traiter ces informations fonctionnent souvent comme des conteneurs sombres et n’exploitent pas toute la gamme des connaissances actuelles de l’empire animal. De plus, elles sont difficiles à personnaliser, sont parfois affectées par un faible contrôle de la qualité et sont potentiellement sensibles aux problèmes éthiques liés à l’utilisation d’informations sensibles. Ils contiennent également plusieurs biais, notamment régionaux ; par exemple, si toutes les données utilisées pour former un programme particulier ont été collectées en Europe, ce programme peut ne pas être adapté à d’autres régions de la planète. « Nous voulions obtenir que davantage de chercheurs réfléchissent à ce sujet et mettent en commun leurs efforts afin de progresser dans ce domaine émergent. L’IA peut servir de catalyseur essentiel à la recherche sur la faune et, plus largement, à la sécurité environnementale », déclare le professeur Devis Tuia, directeur du laboratoire de science computationnelle environnementale et de visualisation de la planète de l’EPFL et auteur principal de l’étude. Si les chercheurs en informatique souhaitent réduire la marge d’erreur d’un système d’IA entraîné à reconnaître une variété donnée, par exemple, ils devraient pouvoir s’appuyer sur les connaissances des écologistes animaliers. Ces professionnels peuvent préciser quelles caractéristiques doivent être prises en compte dans le système, par exemple si une espèce peut survivre sous une latitude donnée, si elle est cruciale pour la survie d’une autre espèce (par exemple par le biais d’une relation prédateur-proie) ou si la physiologie de l’espèce change ou non au cours de sa vie. Par exemple, de nouveaux ensembles de règles de compréhension des machines peuvent être utilisés pour identifier automatiquement un animal. comme le dessin unique des rayures d’un zèbre, ou peut-être dans une vidéo, la dynamique de leurs mouvements peut être une marque d’identification », explique le professeur Mackenzie-Mathis, responsable de la chaire de base Bertarelli de neurosciences intégratives de l’EPFL et co-auteur de l’étude. « C’est ici que la fusion de la compréhension de l’écosystème et du dispositif est essentielle : le biologiste de terrain a une énorme compréhension du nom de domaine de l’animal en train d’être étudié, et nous, en tant que chercheurs en apprentissage automatique, notre travail consiste à travailler à leurs côtés pour développer des ressources afin de découvrir un remède. » L’idée de tisser des liens plus solides entre la vision artificielle et l’écosystème est apparue lorsque Tuia, Mathis et d’autres ont parlé de leurs difficultés de recherche lors de divers séminaires au cours des deux dernières années. Ils ont remarqué que ce type de collaboration pourrait être très utile pour empêcher l’extinction de certaines espèces sauvages. Quelques projets ont été présentés dans cette voie ; certains d’entre eux sont énumérés dans l’article de Nature Telecommunications. Par exemple, Tuia et son groupe à l’EPFL ont mis au point un programme capable d’identifier les espèces d’animaux domestiques à partir d’images de drones. Il a été testé récemment sur une population de phoques. Pendant ce temps, Mathis et ses collègues ont dévoilé un vaste logiciel libre appelé DeepLabCut qui permet aux chercheurs d’estimer et de suivre les poses des animaux de compagnie avec une précision remarquable. Il a déjà été acquis 300 000 fois. DeepLabCut a été conçu pour les créatures de laboratoire mais peut être utilisé pour d’autres variétés également. Des chercheurs d’autres universités ont également développé des programmes, mais il est difficile de leur permettre de discuter de leurs avancées, car aucune véritable communauté ne s’est formée dans cette région. Les autres scientifiques ignorent souvent que ces programmes existent vraiment ou qu’ils sont les meilleurs pour leur étude particulière.