Un groupe de professionnels de l’intelligence artificielle et de l’écosystème animal a mis en avant une nouvelle approche interdisciplinaire destinée à améliorer la recherche sur les variétés animales et à utiliser plus efficacement les énormes quantités d’informations qui sont désormais recueillies grâce aux nouvelles technologies. Leurs recherches sont publiées aujourd’hui dans Nature Communications. Le domaine de l’écosystème animal est entré dans l’ère des grandes données et du Web des objets. Des quantités inégalées d’informations sont désormais recueillies sur les communautés 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 créatures 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 réduisant la présence gênante de personnes dans des environnements entièrement naturels. Aujourd’hui, un certain nombre de programmes d’IA sont proposés pour analyser de grands ensembles de données, mais ils sont souvent de nature générale et peu adaptés à l’observation des actions et de l’apparence réelles des animaux sauvages. Une équipe de scientifiques de l’EPFL et d’autres universités a défini une approche novatrice pour résoudre ce problème et construire de meilleurs modèles en combinant les développements en matière de vision par ordinateur avec les 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’animaux sauvages. La recherche sur les animaux est passée de la proximité au monde entier. La technologie contemporaine offre désormais de nouvelles méthodes innovantes pour produire de meilleures estimations des populations d’animaux sauvages, mieux comprendre le comportement des animaux, lutter contre le braconnage et enrayer le déclin de la biodiversité. Les écologistes peuvent utiliser l’IA, et plus particulièrement la vision par ordinateur, pour extraire des fonctions importantes d’images, de clips vidéo et d’autres types de données visibles, afin de pouvoir classer rapidement les variétés d’animaux sauvages, les créatures de la matière et glaner certains détails, en utilisant de grands ensembles de données. Les programmes génériques actuellement utilisés pour traiter ces données fonctionnent souvent comme des boîtes noires et n’exploitent pas toute la gamme des connaissances existantes sur le règne animal. De plus, ils sont difficiles à personnaliser, souffrent parfois d’une mauvaise gestion de la qualité et sont éventuellement soumis à des problèmes moraux liés à l’utilisation de données sensibles. Par exemple, si toutes les données utilisées pour enseigner un système particulier ont été collectées en Europe, ce programme pourrait ne pas être adapté à d’autres régions du monde. « Nous souhaitions obtenir davantage de chercheurs intéressés par ce sujet et mettre en commun leurs efforts afin de progresser dans ce domaine émergent. L’IA peut servir de catalyseur clé dans la recherche sur la faune et la protection écologique de manière beaucoup plus large », déclare le professeur Devis Tuia, directeur du Laboratoire de science computationnelle environnementale et d’observation de la Terre de l’EPFL et auteur principal de l’étude. Si les chercheurs en informatique souhaitent réduire le risque d’erreur d’un programme d’IA entraîné à identifier une espèce particulière, par exemple, ils devraient pouvoir s’appuyer sur les connaissances des écologistes animaliers. Ces experts peuvent préciser quelles qualités doivent être prises en compte dans le programme, par exemple si une espèce peut survivre sous une latitude donnée, si elle est vitale pour le succès d’autres variétés (par exemple, par le biais d’une relation prédateur-victime) ou si la physiologie de l’espèce évolue au cours de sa vie. Par exemple, de nouveaux ensembles de règles d’apprentissage de dispositifs pourraient être utilisés pour déterminer automatiquement un animal de compagnie, par exemple en utilisant le motif de rayures distinctif d’un zèbre, ou en vidéo, la dynamique de leurs mouvements pourrait être une signature d’identité », déclare le professeur Mackenzie-Mathis, directeur du siège de base Bertarelli des neurosciences intégratives de l’EPFL et co-auteur de l’étude. « C’est ici que la fusion de l’écologie et de la compréhension des machines est essentielle : le biologiste de zone a une immense connaissance du nom de domaine sur les animaux en cours d’analyse, et nous, en tant qu’experts en compréhension des machines, notre travail est de travailler à côté de ceux-ci pour développer des outils permettant de trouver 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 discuté des défis de leur étude lors de diverses conférences au cours des deux dernières années. Ils ont compris que ce type de collaboration pourrait être extrêmement utile pour empêcher l’extinction de certaines espèces animales. Quelques projets ont été mis en place dans cette voie ; un certain nombre d’entre eux sont placés dans l’article de Nature Telecommunications. Par exemple, Tuia et sa formidable équipe de l’EPFL ont créé un programme capable de reconnaître des variétés d’animaux domestiques à partir d’images de drones. Il a été testé dernièrement sur une population de phoques. Pendant ce temps, Mathis et ses collègues ont révélé un vaste logiciel libre appelé DeepLabCut qui permet aux scientifiques d’estimer et de surveiller les poses des animaux de compagnie avec une précision remarquable. Il a récemment été téléchargé 300 000 fois. DeepLabCut a été créé pour les animaux de laboratoire mais peut être utilisé pour d’autres espèces également. Des experts d’autres universités ont également créé des programmes, mais il est difficile de leur permettre de partager leurs découvertes car aucun véritable voisinage n’a encore été créé dans cette région. Les autres scientifiques ignorent souvent que ces programmes existent réellement ou qu’ils ne savent pas lequel est le mieux adapté à leur étude particulière.