L’intelligence artificielle (IA) appliquée à l’étude des animaux sauvages progresse de manière significative, notamment grâce à la contribution de la recherche en Suisse, en particulier des modèles développés à l’École polytechnique fédérale de Lausanne. En effet, des équipes pluridisciplinaires y créent des outils capables de reconnaître des animaux individuels à partir d’images et de vidéos, ouvrant ainsi de nouvelles perspectives de suivi non invasif.
De l’expérience de Rosenberg aux modèles suisses
La biologiste Beth Rosenberg, qui a passé plus de 20 ans à étudier les ours en Alaska, a apporté une contribution essentielle à la création de méthodologies d’IA pour l’étude des animaux sauvages en Suisse. Son talent pour distinguer les individus à partir de détails infimes, tels que la forme de leur museau ou des comportements spécifiques, est transposé dans un système d’intelligence artificielle développé avec des chercheurs de l’École polytechnique fédérale de Lausanne.
Parmi eux, le professeur Alexander Mathis a joué un rôle central dans la construction de celui-ci, en aidant à transformer une vaste archive d’images en un système capable de reconnaître automatiquement les animaux. Le résultat est un algorithme capable d’identifier les ours même dans des conditions variables, de suivre leurs mouvements sur une période donnée et de découvrir de nouveaux spécimens potentiels.
Les défis de la transposition dans les Alpes
Cependant, le transfert de ces résultats dans un contexte différent nécessite des adaptations supplémentaires, car un modèle formé dans un environnement spécifique ne peut pas être automatiquement appliqué à d’autres écosystèmes. Dans les Alpes suisses, le groupe de recherche dirigé par Devis Tuia développe des systèmes dédiés à la reconnaissance de la faune locale, y compris les cerfs et les loups, en utilisant des données collectées par des pièges photographiques.
Dans ce cas suisse, comme dans le cas de la surveillance de la faune aux États-Unis, le travail préliminaire est important et la sélection et l’annotation manuelles des images restent des étapes indispensables. En effet, le fonctionnement de l’instrumentation repose sur l’expérience de ceux qui observent les animaux dans la nature depuis des années, transformant la connaissance empirique en données exploitables par des algorithmes.
L’IA au service des écosystèmes alpins
L’apport de l’IA se mesure à sa capacité à analyser de grandes quantités de données dans un temps court, un atout particulièrement pertinent lorsque le changement climatique et la pression anthropique modifient rapidement les équilibres naturels. Les modèles développés par l’École polytechnique de Lausanne permettent d’identifier des schémas de comportement animal, tels les zones d’alimentation ou les voies de déplacement, offrant ainsi de nouvelles clés de compréhension des écosystèmes alpins.
Les connaissances ainsi produites peuvent également avoir des implications pratiques pour la gestion du territoire, par exemple dans le cadre de la question sensible et controversée du retour des grands prédateurs comme le loup en Suisse. Selon les chercheurs, une meilleure compréhension des comportements pourrait permettre de réduire les conflits, par exemple en orientant la planification des chemins ou des activités agricoles de manière plus compatible avec la présence de la faune.
LIRE AUSSI : De l’Université Côte d’Azur capteurs et mouvements pour détecter l’apathie
