Une équipe d’experts en intelligence synthétique et en écosystème animalier a mis en avant une toute nouvelle approche interdisciplinaire destinée à améliorer la recherche sur les espèces sauvages en utilisant plus efficacement les vastes quantités d’informations que les nouvelles technologies permettent de recueillir. Leur étude paraît aujourd’hui dans Nature Telecommunications. Le domaine de l’écologie animale est entré dans l’ère des grandes données et du Web des objets. Des quantités inégalées d’informations sont désormais recueillies sur les populations d’animaux sauvages, grâce à des technologies avancées telles que les satellites, les drones et les dispositifs terrestres comme les caméras et les capteurs automatisés placés sur les animaux ou dans leur environnement. Ces informations sont devenues si faciles à acquérir et à partager qu’elles ont permis de réduire les distances et le temps nécessaires aux chercheurs, tout en minimisant la présence gênante de personnes dans les habitats naturels. Aujourd’hui, un certain nombre d’applications d’IA sont disponibles pour évaluer de grands ensembles de données, mais elles sont souvent générales par nature et inadaptées à l’observation des actions et de l’apparence exactes des animaux sauvages. Une équipe 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 combinant les progrès de l’observation informatique avec l’expertise des écologistes. Leurs résultats, publiés aujourd’hui dans Nature Communications, ouvrent de nouvelles perspectives sur l’utilisation de l’IA pour aider à préserver les variétés animales. La recherche sur les animaux est passée de la proximité au monde entier. La technologie moderne offre désormais de nouvelles méthodes innovantes pour produire des estimations plus précises des communautés d’animaux sauvages, mieux comprendre le comportement des animaux, lutter contre le braconnage et enrayer la diminution de la biodiversité. Les écologistes peuvent utiliser l’IA, et plus particulièrement la vision par ordinateur, pour extraire des fonctions importantes d’images, de vidéos et d’autres types d’informations visibles afin de pouvoir classer rapidement les espèces animales, les créatures individuelles et glaner des informations spécifiques, en utilisant de grands ensembles de données. Les applications courantes actuellement utilisées pour traiter ce type d’informations fonctionnent souvent comme des conteneurs sombres et n’exploitent pas l’ensemble des connaissances existantes sur votre empire animalier. De plus, elles sont difficiles à personnaliser, sont parfois affectées par un contrôle de qualité insuffisant et sont éventuellement sujettes à des problèmes éthiques liés à l’utilisation de données sensibles. Par exemple, si toutes les données utilisées pour former un système donné ont été recueillies en Europe, ce programme peut ne pas être idéal pour d’autres régions du monde. « Nous souhaitions que davantage de chercheurs s’intéressent 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 les animaux et, plus largement, à la protection de l’environnement », déclare le professeur Devis Tuia, directeur du Laboratoire de science computationnelle écologique et d’observation de la Terre de l’EPFL et auteur principal de l’étude. Si les chercheurs en informatique souhaitent réduire la marge d’erreur d’un programme d’IA entraîné à identifier une espèce particulière, par exemple, ils doivent être en mesure de faire appel aux 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’un lien prédateur-proie) ou si la physiologie de l’espèce change au cours de sa vie. Par exemple, de nouveaux algorithmes d’apprentissage automatique peuvent être utilisés pour déterminer instantanément un animal de compagnie, comme le dessin distinctif des rayures d’un zèbre, ou peut-être dans un clip vidéo, la dynamique de leurs mouvements peut être une signature d’identification », déclare le professeur Mackenzie-Mathis, directeur du siège de la Fondation Bertarelli de l’EPFL pour les neurosciences intégratives et co-auteur de la recherche. « Voici pourquoi la fusion de l’écosystème et de la compréhension des machines est essentielle : le biologiste de terrain possède une énorme connaissance du domaine de l’animal étudié, et nous, en tant qu’experts de la compréhension des machines, devons travailler avec ces connaissances pour développer des outils permettant de découvrir un remède. » L’idée de forger des liens plus étroits entre la vision par ordinateur et l’écologie est apparue lorsque Tuia, Mathis et d’autres ont parlé des défis de leur étude lors de diverses conférences au cours des deux dernières années. Ils ont compris que ce type de coopération pourrait être extrêmement utile pour empêcher l’extinction de certaines espèces sauvages. Quelques projets ont déjà été mis en œuvre dans ce sens ; un certain nombre d’entre eux sont énumérés dans l’article de Nature Communications. Par exemple, Tuia et son équipe géniale de l’EPFL ont développé un système qui permet d’identifier les variétés d’animaux domestiques à partir d’images de drones. Il a été analysé dernièrement sur la population de phoques. De leur côté, Mathis et ses collègues ont mis au point un logiciel libre appelé DeepLabCut qui permet aux chercheurs d’estimer et de suivre les animaux présents avec une précision remarquable. Il a déjà été téléchargé 300 000 fois. DeepLabCut a été conçu pour les animaux de laboratoire, mais peut également être utilisé pour d’autres espèces. Des chercheurs d’autres universités ont également créé des applications, mais il leur est difficile de partager leurs découvertes car aucun véritable voisinage n’a encore été formé dans cette région. Les autres scientifiques ignorent souvent que ces programmes existent réellement ou qu’ils ne savent pas lesquels sont les plus adaptés à leurs recherches particulières.
