Une équipe d’experts en intelligence artificielle et en écologie animale a proposé une toute nouvelle approche interdisciplinaire destinée à améliorer l’étude des variétés d’animaux sauvages en utilisant plus efficacement les énormes quantités de données collectées grâce aux nouvelles technologies. Leur étude est publiée aujourd’hui dans Nature Telecommunications. Le domaine de l’écosystème animal est entré dans l’ère des grandes informations ainsi que du Web des objets. Des quantités sans précédent de données sont désormais recueillies sur les populations animales, grâce à des technologies avancées telles que les satellites, les drones et les gadgets terrestres comme les caméras et les capteurs automatisés placés sur les créatures ou peut-être dans leur environnement. Ces informations sont devenues très faciles à obtenir et à partager ; elles ont raccourci les distances et les spécifications de temps pour les chercheurs tout en réduisant l’existence perturbante des personnes dans les habitats naturels. Aujourd’hui, un certain nombre de programmes d’IA sont proposés pour évaluer 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 créatures sauvages. Une équipe de scientifiques de l’EPFL et d’autres universités a défini une méthode novatrice pour résoudre ce problème et développer des modèles plus précis en combinant les développements en matière de vision par ordinateur avec les connaissances des écologistes. Leurs résultats, qui sont publiés aujourd’hui par Nature Telecommunications, ouvrent de nouvelles perspectives sur l’utilisation de l’IA pour aider à protéger les variétés d’animaux sauvages. Les études sur les animaux sont passées de la proximité au monde entier. La technologie moderne offre désormais de nouveaux moyens novateurs de créer de meilleures estimations des populations animales, de bien mieux comprendre les actions des animaux domestiques, de lutter contre le braconnage et d’enrayer la diminution de la biodiversité. Les écologistes peuvent utiliser l’IA, et plus particulièrement la vision par ordinateur, pour extraire des fonctions clés d’images, de clips vidéo et d’autres formes visuelles de données afin de classer rapidement les espèces animales, de compter les créatures et de glaner des informations spécifiques, en utilisant de grands ensembles de données. Les applications courantes actuellement utilisées pour traiter ces données fonctionnent souvent comme des boîtes noires et n’exploitent pas l’ensemble des connaissances existantes sur le royaume des animaux. Qui plus est, elles sont difficiles à personnaliser, sont parfois affligées d’une gestion de mauvaise qualité, et sont donc éventuellement sujettes à des problèmes éthiques liés à l’utilisation d’informations délicates. En outre, ils comportent plusieurs biais, notamment régionaux ; par exemple, si toutes les données utilisées pour former un système particulier ont été recueillies dans des pays européens, ce programme peut ne pas être idéal pour d’autres régions du monde. « Nous souhaitions amener davantage d’experts à réfléchir à ce sujet et à mettre en commun leurs efforts de natation afin de progresser dans ce domaine émergent. L’IA peut servir de catalyseur essentiel à l’étude des animaux et, plus généralement, à la protection de l’environnement », explique le professeur Devis Tuia, directeur du laboratoire de recherche scientifique informatique sur l’environnement et de visualisation des planètes de l’EPFL, et principal auteur de l’étude. Si les informaticiens veulent réduire la marge d’erreur d’un programme d’IA entraîné à identifier une espèce particulière, par exemple, ils doivent pouvoir s’appuyer sur les connaissances des écologistes animaliers. Ces professionnels peuvent préciser quelles qualités doivent être prises en compte dans le système, par exemple si une variété peut survivre à une latitude donnée, si elle est cruciale pour le succès d’une autre variété (par exemple par le biais d’un lien prédateur-proie) ou si la physiologie de l’espèce évolue au cours de sa vie. Par exemple, de nouveaux ensembles de règles d’apprentissage automatique peuvent être utilisés pour déterminer instantanément un animal de compagnie, comme le dessin unique des rayures d’un zèbre, ou dans une vidéo, la dynamique de leurs mouvements peut être une marque d’identité », déclare le professeur Mackenzie-Mathis, titulaire de la chaire de neurosciences intégratives de la Fondation Bertarelli de l’EPFL et co-auteur de la recherche. « C’est ici que la fusion de l’écosystème et de l’apprentissage automatique est essentielle : le biologiste de la région possède une énorme connaissance du nom de domaine de l’animal en cours d’analyse, et nous, en tant qu’experts en compréhension des dispositifs, avons pour tâche de travailler avec lui pour développer des outils permettant de découvrir un remède. » L’idée de tisser des liens plus étroits entre la vision par ordinateur et l’écologie est née lorsque Tuia, Mathis et d’autres ont discuté des difficultés de leur étude lors de différentes conférences au cours des deux dernières années. Ils ont compris que ce type de coopération pourrait être très utile pour empêcher l’extinction de certaines espèces animales. Une poignée d’initiatives ont été présentées dans ce cadre ; un certain nombre d’entre elles figurent dans l’article de Nature Communications. Par exemple, Tuia et son équipe géniale de l’EPFL ont créé un programme qui reconnaît les espèces animales à partir d’images de drones. Il a été testé récemment sur la population de phoques. Dans le même temps, Mathis et ses collègues ont dévoilé un vaste logiciel libre appelé DeepLabCut, qui permet aux chercheurs d’estimer et de surveiller la présence d’animaux avec une précision remarquable. Il a récemment été téléchargé 300 000 fois. DeepLabCut a été créé pour les créatures de laboratoire, mais peut également être utilisé pour d’autres espèces. Des experts d’autres universités ont également développé des programmes, mais il est difficile de leur permettre de partager leurs découvertes car aucune véritable communauté ne s’est encore formée dans ce domaine. Souvent, les autres scientifiques ignorent l’existence de ces programmes ou ne savent pas lesquels sont les plus adaptés à leurs recherches.