Google lance SpeciesNet, un modèle d'IA open source pour identifier les espèces animales,

Toutefois, cette approche inspire à la fois de l'optimisme et des interrogations

Google lance SpeciesNet, un modèle d'IA open source pour identifier les espèces animales,
touteois, cette approche inspire à la fois de l’optimisme et des interrogations

Google annonce la sortie en open source de SpeciesNet, un modèle d'IA conçu pour identifier les espèces animales en analysant les photos des pièges photographiques. Présenté comme un outil facilitant le travail des chercheurs, il s’inscrit dans une tendance croissante d’application de l’intelligence artificielle à la conservation de la biodiversité. Toutefois, cette approche suscite autant d’enthousiasme que de scepticisme.

Depuis 2019, des milliers de biologistes de la faune utilisent SpeciesNet via un outil basé sur Google Cloud appelé Wildlife Insights pour rationaliser la surveillance de la biodiversité et éclairer la prise de décision en matière de conservation. La publication du modèle d'IA SpeciesNet permettra aux développeurs d'outils, aux universitaires et aux startups liées à la biodiversité de mettre à l'échelle le suivi de la biodiversité dans les zones naturelles.


D’un côté, l’automatisation de l’analyse des données pourrait accélérer la surveillance des écosystèmes ; de l’autre, des questions se posent sur la pertinence des sources utilisées, la fiabilité des classifications et la nécessité d’un tel outil face à des bases collaboratives comme iNaturalist ou gbif.org. En outre, l’essor de ces modèles relance le débat sur le rôle réel de l’IA dans la protection de l’environnement : simple progrès technologique ou solution détournant l’attention des véritables enjeux écologiques ?

Les scientifiques du monde entier s’appuient sur des pièges photographiques – des caméras numériques équipées de capteurs infrarouges – pour observer les populations animales à l’état sauvage. Toutefois, bien que ces dispositifs fournissent des données précieuses, le volume d’images capturées est colossal et leur analyse peut prendre des jours, voire des semaines.

Pour remédier à cette problématique, Google a lancé il y a environ six ans Wildlife Insights, une initiative de son programme philanthropique Google Earth Outreach. Cette plateforme permet aux chercheurs de partager, identifier et analyser en ligne les images collectées, facilitant ainsi le traitement des données issues des pièges photographiques.

L’analyse de ces images repose en grande partie sur SpeciesNet, un modèle d’intelligence artificielle entraîné par Google à partir de plus de 65 millions de clichés accessibles au public. Ces données proviennent d’institutions renommées, notamment le Smithsonian Conservation Biology Institute, la Wildlife Conservation Society, le North Carolina Museum of Natural Sciences et la Zoological Society of London.

La plateforme Wildlife Insights utilise la technologie de l'intelligence artificielle pour réduire considérablement le temps nécessaire à la conversion des données des pièges photographiques en informations exploitables sur la biodiversité. Toute personne qui collecte des données de pièges photographiques peut utiliser Wildlife Insights pour télécharger des données sur Google Cloud et accéder à des modèles d'IA formés pour classer automatiquement les images de pièges photographiques. Le modèle d'IA de Wildlife Insights est formé à l'aide de la bibliothèque open source TensorFlow de Google.

Voici comment l'IA peut aider :

1. Filtrer les images vides : De nombreux chercheurs sur la faune passent des heures à supprimer manuellement les images vierges (images sans animal) de leurs données. Ce modèle d'IA est formé pour identifier les images vierges afin que les chercheurs sur la faune les examinent rapidement et ce concentrent davantage sur les images difficiles à identifier. Le modèle ne classe les images comme vierges que s'il est sûr de lui, ce qui réduit le risque de supprimer des images précieuses d'animaux.
2. Classifiez les animaux : Le modèle d'IA est entraîné à reconnaître 1 295 espèces et 237 classes plus haut dans l'arbre taxonomique du monde entier. Les modèles visent à fournir une prédiction au niveau taxonomique le plus bas pour lequel ils sont sûrs. Par exemple, si les modèles sont sûrs qu'il y a un cerf sur l'image, mais ne sont pas sûrs de l'espèce exacte de cerf, ils afficheront « cerf » comme prédiction dans l'application Wildlife Insights. Comme les humains, les modèles d'IA deviennent généralement plus performants dans la reconnaissance et l'identification des animaux s'ils peuvent examiner des centaines ou des milliers d'images différentes d'une même espèce.

Au fur et à mesure que des images sont téléchargées dans Wildlife Insights et cataloguées, Google peut entraîner les modèles d'IA à être de plus en plus précis. Selon Google, SpeciesNet est capable de classifier les images selon 2 000 catégories, englobant aussi bien des espèces animales que des groupes taxonomiques tels que les mammifères ou les Felidae, ainsi que des éléments non biologiques comme les véhicules. « En mettant le modèle SpeciesNet à disposition, nous offrons aux développeurs, aux chercheurs et aux startups spécialisées en biodiversité un outil puissant pour améliorer la surveillance des écosystèmes naturels », a déclaré Google.

Depuis 1970, les populations de mammifères, d'oiseaux, de poissons, de reptiles et d'amphibiens ont diminué en moyenne de 73 % à travers le monde. Le changement climatique, la raréfaction des ressources en eau et l'exploitation excessive des écosystèmes aggravent cette crise environnementale. Si aucune action immédiate n’est entreprise, 55 % du PIB mondial, soit environ 58 000 milliards de dollars, pourraient être gravement impactés par cette dégradation.

Pour répondre à ces défis, Google développe des outils technologiques destinés aux ONG, aux gouvernements et aux chercheurs afin de lutter contre l’érosion de la biodiversité. Le 3 mars, l’entreprise a annoncé trois nouvelles initiatives visant à accélérer la protection et la restauration de la nature dans certaines des régions les plus vulnérables, tant sur le plan écologique que pour les communautés qui en dépendent.

Modèles d'intelligence artificielle Wildlife Insights

La surveillance efficace de la faune repose en grande partie sur des caméras déclenchées par le mouvement, ou « pièges photographiques », qui génèrent de grandes quantités de données d'images. Le traitement manuel de ces images constitue un goulot d'étranglement important. L'IA peut accélérer ce traitement, aidant les praticiens de la conservation à consacrer plus de temps à la conservation et moins de temps à l'examen des images.

Un détecteur d'objets qui trouve des objets intéressants dans les images des caméras de la faune, et un classificateur d'images qui classe ces objets au niveau de l'espèce. Cet ensemble est utilisé pour la reconnaissance des espèces dans la plateforme Wildlife Insights. Le détecteur d'objets utilisé dans cet ensemble est MegaDetector, qui détecte les animaux, les humains et les véhicules dans les images des pièges photographiques, mais ne classifie pas les animaux au niveau de l'espèce.

Le classificateur d'espèces (SpeciesNet) a été entraîné chez Google à l'aide d'un vaste ensemble de données d'images de pièges photographiques et d'une architecture EfficientNet V2 M. Il a été conçu pour classer les images en deux catégories : les espèces et les animaux. Il est conçu pour classer les images dans l'une de plus de 2 000 étiquettes, couvrant diverses espèces animales, des taxons de niveau supérieur (comme « mammalia » ou « felidae ») et des classes non animales (« blanc », « véhicule »). SpeciesNet a été entraîné sur un ensemble de données géographiquement diversifié de plus de 65 millions d'images, y compris des images sélectionnées par la communauté d'utilisateurs de Wildlife Insights, ainsi que des images provenant de dépôts publics.


L'ensemble SpeciesNet combine ces deux modèles en utilisant un ensemble d'heuristiques et, en option, des informations géographiques pour affecter chaque image à une seule catégorie.

Identification des espèces : l’IA peut-elle surpasser l’expertise humaine ?

L’ouverture de SpeciesNet en open source marque une avancée dans l’application de l’intelligence artificielle à la conservation de la biodiversité. En permettant une analyse plus rapide et à...