Mieux comprendre l’environnement grâce à l’IA

Qu’il s’agisse de smartphones, de caméras de surveillance, de drones aériens ou encore de satellites, nous sommes entourés de capteurs qui collectent en permanence des données sur nous et notre environnement. Celles-ci sont utilisées le plus souvent à des fins de surveillance, mais elles recèlent un potentiel énorme pour la recherche scientifique. 

«Nos recherches sont nourries par les données des capteurs», explique Devis Tuia, directeur du Laboratoire de science computationnelle pour l’environnement et l’observation de la Terre (ECEO) à l’EPFL. «Mais pas d’inquiétude: nos recherches sont intégralement orientées vers la protection de l’environnement. Nous combinons les données d’observation de la Terre avec des méthodes d’IA, notamment l’apprentissage automatique, pour évaluer l’état des récifs coralliens, la répartition des espèces animales dans nos montagnes ou encore, l’évolution des forêts tropicales.»

En danger d’extinction

Les tropiques abritent certains des écosystèmes forestiers les plus remarquables de la planète. Toutefois, ils sont soumis à la pression conjuguée de la crise climatique et des activités humaines — notamment l’expansion des surfaces agricoles et l’exploitation minière. À l’échelle mondiale, près de cinq millions d’hectares de forêts sont détruits chaque année, soit davantage que la surface de la Suisse. Cette déforestation nuit au climat en libérant d’immenses quantités de dioxyde de carbone dans l’atmosphère. Elle amoindrit la biodiversité et fragilise des centaines d’espèces désormais menacées d’extinction. 

Les causes de la déforestation varient d’une région à l’autre. De ce fait, aucune solution ne saurait se prétendre à la fois universelle et efficace. Un modèle d’apprentissage automatique développé par l’équipe de Devis Tuia utilise des séries temporelles d’images satellites pour analyser et comparer les conséquences de la déforestation tropicale en Amérique du Sud, en Asie du Sud-Est et en Afrique subsaharienne. Cette cartographie par l’IA permet d’adapter les mesures au niveau régional. 

Mais les forêts continentales ne sont pas les seules menacées: les récifs coralliens, véritables «forêts tropicales des océans», sont également fragilisés par la crise climatique et l’exploitation humaine. Avec une surface totale avoisinant les 600 000 kilomètres carrés, ces structures immenses créées par des êtres vivants abritent un écosystème d’une richesse inouïe. Une fois plus, les spécificités régionales doivent être intégrées dans le développement de solutions ciblées. 

L’équipe de Devis Tuia a développé à cette fin le logiciel ouvert DeepReefMap. Ce dernier applique le deep learning, un domaine de l’apprentissage automatique où des réseaux neuronaux artificiels imitent le cerveau humain, à de grandes quantités de données. DeepReefMap analyse des vidéos sous-marines, notamment celles filmées par les plongeurs avec leur caméra GoPro, pour cartographier et surveiller les récifs coralliens et les représenter dans des modèles 3D. Cette solution de suivi à grande échelle et à faible coût permet de renforcer l’engagement des régions sous-développées et de soutenir des stratégies de conservation efficaces.

Une approche holistique

«Nous avons testé DeepReefMap en mer Rouge, en étroite collaboration avec les scientifiques et les pouvoirs locaux», explique Devis Tuia. «Nous avons ainsi pu élaborer une approche holistique de la protection de la nature, bien au-delà des solutions préconisées par l’IA.» La multiplication de projets dans d’autres pays et régions qui abritent des récifs coralliens permettra d’affiner cette approche par l’IA. La technologie doit encore mûrir si nous voulons combler nos connaissances scientifiques sur la biodiversité mondiale. Pour cela, il convient d’intégrer des données de différentes sources, comme des images, des enregistrements audios, des textes voire même de l’ADN environnemental. Si l’humain atteint rapidement ses limites dans la phase d’analyse d’énormes quantité de données, l’IA, en revanche, est capable d’organiser, de cataloguer, de rechercher et de traiter des quantités gigantesques de données de nature variée. 

Il faut établir des coopérations qui dépassent les frontières traditionnelles entre les disciplines. Ainsi, l’équipe de Devis Tuia réunit des spécialistes de domaines aussi divers que l’écologie et la protection de la nature, mais aussi des ingénieurs et des ingénieures en science des données et de l’apprentissage: «Aucune discipline seule ne détient toutes les réponses », insiste-t-il. «Mais ensemble, nous pouvons apporter de vrais changements.» 

La nature a toujours fait partie des priorités de Devis Tuia. Le scientifique a d’abord étudié la géographie et les sciences de l’environnement, avant de devenir mordu d’informatique. «Aujourd’hui, je suis heureux de travailler à l’intersection de mes deux passions et de contribuer modestement à l’avenir de notre planète.» Il s’intéresse également à la vie des mammifères alpins. Quand les renards partent-ils à la chasse dans les montagnes? Où les loups migrent-ils exactement? Que font les cerfs rouges quand ils pensent que personne ne les regarde? Et plus important encore: les animaux changent-ils de comportement en raison de la crise climatique et de l’impact des activités humaines sur leur habitat de montagne? 

Dans ce domaine, encore une fois, les méthodes traditionnelles se révèlent insuffisantes. Les observations humaines directes sont difficiles à réaliser de manière systématique. Elles sont susceptibles de déranger les animaux et d’influencer leur comportement. Les capteurs fixés sur les animaux sont utiles pour obtenir des informations comportementales à grande échelle, mais ils ne tiennent pas compte des détails plus fins de spécimens individuels ni des interactions avec l’environnement. Les pièges-caméras, installés dans un lieu fixe, enregistrent les mouvements des animaux à proximité. Ils décrivent des comportements et des interactions uniques, de manière très peu invasive. Dans tous les cas, les données collectées pendant les projets de longue durée dépassent la capacité d’analyse des scientifiques par leur quantité.

Reconnaître les espèces

C’est précisément l’intérêt de l’ensemble de données MammAlps, développé par l’équipe de Devis Tuia dans le cadre d’une coopération avec et dans le Parc national suisse. L’équipe a commencé par installer neuf pièges vidéo pour filmer les animaux — renards, loups et chevreuils — sous différentes perspectives. Les pièges enregistraient également des sons caractérisant leurs activités. Ils ont ainsi produit plus de huit heures de vidéo très denses d’observation animale. 

Les chercheurs et chercheuses ont analysé le matériel en comptant les animaux et en identifiant les espèces. Ils ont également répertorié leurs comportements comme la marche, le broutage et le reniflement. L’ensemble des données doit être élargi de manière à prendre en compte les espèces plus petites et plus rares, mais une première version est d’ores et déjà libre d’accès pour entraîner les modèles d’IA. Ces derniers apprendront à reconnaître automatiquement les espèces animales et leurs comportements de manière à soutenir les efforts de protection et de conservation. MammAlps, un outil important et inédit, donne une nouvelle impulsion dans le domaine de l’observation animale et tient ses promesses en tant qu’approche numérique et automatisée pour le suivi de la faune sauvage. 

«Je souhaite réunir une communauté d’esprits brillants — étudiants, chercheurs et praticiens — pour développer et utiliser des technologies importantes pour la nature», explique Devis Tuia. «Je veux produire des connaissances basées sur les faits concernant les effets du changement climatique et d’autres changements d’origine humaine sur la Terre. Ce n’est qu’ainsi que nous pourrons prendre les bonnes décisions en tant que communauté, pour les prochaines générations du vivant dans son ensemble.»