Moineau, pinson ou nichons ? L’intelligence artificielle a appris à distinguer les oiseaux


Reconnaître l’espèce exacte est assez compliqué, sans parler de distinguer un oiseau d’un autre. Mais si un expert humain est souvent contraint d’abandonner, la tâche est parfaitement à la portée d’une intelligence artificielle. Ceci est démontré par une étude publiée dans Methods in Ecology and Evolution : un Ai correctement formé et conçu est capable d’identifier des spécimens individuels d’une espèce à la fois dans la nature et en captivité, et avec un taux d’erreur ne dépassant pas 10%. Une découverte qui s’avérera particulièrement utile pour étudier le comportement des oiseaux dans la nature, en éliminant la nécessité de marquer les spécimens individuels pour permettre leur reconnaissance.

Les débuts en ornithologie

Dans cette étude, les chercheurs (appartenant à des universités et centres de recherche français, portugais, allemands et sud-africains) ont utilisé une technologie d’apprentissage profond appelée réseaux neuronaux convolutifs, particulièrement efficace pour la classification des images et déjà utilisée avec succès pour la reconnaissance des individus dans des espèces telles que les porcs et les éléphants. Mais dans le monde de l’ornithologie – expliquent les scientifiques – c’est une première : jusqu’à aujourd’hui, en effet, personne n’avait pu construire un Ai capable de reconnaître les oiseaux mieux que l’homme.

Parmi les problèmes qui ont ralenti la recherche dans ce domaine, l’un des principaux est la difficulté d’obtenir du matériel pour former le programme. Pour apprendre à un ordinateur à reconnaître le contenu d’une image, il est nécessaire de lui soumettre un ensemble de photographies sur lesquelles il s’entraîne, afin que, grâce à l’apprentissage machine, il apprenne par essais et erreurs comme le ferait un être humain. Pour reconnaître les animaux, il faut des milliers de photos, et surtout il faut que l’ordinateur puisse distinguer un spécimen d’un autre pendant l’entraînement, avant d’apprendre à le faire soi-même.

Pour sortir de l’impasse, les auteurs de l’étude ont utilisé des mangeoires équipées de pièges et de capteurs photographiques, placées dans des zones où de nombreux oiseaux de l’espèce Taeniopygia guttata (ou diamantino, un oiseau australien largement utilisé dans les études d’éthologie) avaient déjà été marqués avec des étiquettes électroniques spéciales pour étudier leur comportement. Dans ce vélo, ils ont obtenu le jeu de photos nécessaire et ont mis leur ai au travail pour essayer d’apprendre à reconnaître les spécimens individuels immortalisés dans les images.

Les résultats ont été à la hauteur des attentes : le programme est capable d’identifier des spécimens de diamants avec une précision de 90 % pour les oiseaux sauvages et de 87 % pour les oiseaux captifs. « Nous avons montré que les ordinateurs peuvent identifier de manière fiable des dizaines de spécimens d’oiseaux, même si nous, les humains, ne pouvons les distinguer les uns des autres d’aucune manière », déclare André Ferreira, chercheur au Centre d’Ecologie Fonctionnelle et Evolutive du CNRS français et premier auteur de l’étude. « Cela nous permettra de surmonter l’un des principaux problèmes qui se posent dans l’étude des oiseaux dans la nature, à savoir l’identification des spécimens individuels ».

En bref, un résultat important qui permettra de surveiller un grand nombre d’espèces d’oiseaux menacées afin de les protéger du changement climatique et d’autres dangers. Pour l’instant, cependant, le programme présente encore une limite importante : il ne peut identifier que les spécimens contenus dans l’ensemble de données sur lequel il a été formé. En bref, à l’arrivée d’un nouvel oiseau dans la région, l’Ai perd son utilité et il n’est plus capable de le reconnaître, à moins de le marquer avec un eitag électronique, de prendre une photo et de faire réentraîner le programme. Un défaut transitoire – assure cependant Ferreira – qui sera surmonté lorsque les chercheurs disposeront d’un ensemble de données plus important pour entraîner leur intelligence artificielle.