Un observateur humain dans un avion en mouvement manque environ 1 elephant sur 10. L'algorithme ne se fatigue pas.
Les enquetes de population de la faune sauvage sont le pilier de la conservation. Chaque decision de gestion, des itineraires de patrouille anti-braconnage aux budgets de protection de l'habitat, depend de la connaissance du nombre d'animaux presents. Pendant des decennies, la methode standard est restee la meme : voler bas au-dessus du paysage et compter ce que l'on voit. Le probleme, c'est que les yeux humains dans un avion en mouvement ne sont pas tres performants pour ce travail.
Le releve aerien traditionnel et ses limites
Un releve de faune conventionnel fonctionne ainsi : des observateurs formes se penchent hors d'un avion volant a basse altitude (generalement entre 60 et 100 metres au-dessus du sol) et comptent les animaux dans une bande definie de chaque cote. Ils notent les especes, les tailles de groupes et les emplacements sur papier ou avec un dictaphone, souvent pendant 6 a 8 heures d'affilee.
Les problemes sont bien documentes. La fatigue de l'observateur s'installe apres la premiere heure, et la precision diminue regulierement. Differents observateurs comptant le meme transect produisent couramment des comptages qui different de 10 a 30%. Les animaux a l'ombre, derriere des buissons ou dans un sous-bois tachete sont frequemment manques. La meteo, les turbulences et l'altitude introduisent une variabilite supplementaire. Et les vols eux-memes sont couteux et dangereux : le vol de releve a basse altitude est l'une des activites les plus risquees en conservation.
Comment l'IA change le comptage
Les releves aeriens assistes par IA inversent le flux de travail. Au lieu de compter sur des observateurs humains pour reperer et compter les animaux en temps reel, l'avion (ou le drone) capture des photographies haute resolution de l'ensemble de la zone d'etude. Au sol, un modele de detection scanne chaque image et marque chaque animal qu'il trouve.
Le modele de detection, generalement un reseau neuronal convolutif comme RetinaNet, traite les images en une seule passe. Il identifie les animaux par leur forme, leur taille et leur contraste avec l'arriere-plan, puis place un marqueur sur chaque detection avec un score de confiance. Un reviseur humain verifie les images signalees et les cas limites, mais le gros du comptage est gere automatiquement.
Des recherches publiees dans les etudes de populations animales de l'Universite de Wageningen ont montre que RetinaNet detectait 95% des elephants, 91% des girafes et 90% des zebres par rapport a l'annotation d'experts humains, tout en identifiant correctement 2,8 a 4,0% d'animaux supplementaires que les annotateurs humains avaient completement manques. Le modele n'a produit que 1,6 a 5,0 faux positifs par vrai positif.
Une etude de Frontiers in Conservation Science a montre que les methodes assistees par IA peuvent reduire l'erreur standard des estimations de population de 31 a 67% par rapport aux methodes manuelles, avec un potentiel d'augmentation de l'effort d'echantillonnage de 160 a 1 050% a cout equivalent. Cela signifie plus de surface couverte, plus souvent, pour le meme budget.
Quelles especes fonctionnent le mieux
Toutes les especes ne sont pas aussi faciles a compter par IA depuis les airs. Les meilleurs resultats sont obtenus avec des animaux grands, de couleur distinctive et vivant en milieu ouvert.
Elephants, bovins, zebres et gnous sont des candidats ideaux. Leur taille les rend faciles a detecter, et la savane ouverte offre un fort contraste.
Flamants roses, manchots et colonies d'oiseaux marins se regroupent en groupes denses et visibles sur un terrain ouvert. L'IA excelle au comptage de milliers d'individus sur une seule image.
Phoques, otaries et morses au repos sur le littoral sont clairement visibles d'en haut. L'imagerie thermique ajoute un second canal de detection.
Les eleveurs et gestionnaires de faune utilisent des techniques identiques pour le betail, les chevaux et les rennes en paturage ouvert.
L'avantage de l'auditabilite
L'un des avantages les plus sous-estimes des releves bases sur la photo est la permanence. Un comptage d'observateur traditionnel est un chiffre sur un bloc-notes. Il ne peut pas etre reverifie, conteste ou ameliore apres le vol.
Une photographie est une preuve permanente. Chaque image capturee lors d'un releve par IA peut etre archivee, reexaminee par differents reviseurs et retraitee des annees plus tard avec des algorithmes ameliores. Si un nouveau modele est 5% plus precis que celui de l'annee precedente, vous pouvez le relancer sur les images de l'annee passee et obtenir une meilleure estimation historique sans revoler.
Cela cree un ensemble de donnees croissant qui s'ameliore avec le temps. Des organisations de conservation comme Wild Me ont construit des plateformes open-source (comme Scout) qui permettent aux chercheurs du monde entier de contribuer et de re-analyser des images aeriennes. La photo elle-meme devient le registre scientifique, pas le comptage qui en decoule.
Ou le comptage par IA rencontre encore des difficultes
Le comptage aerien par IA est puissant mais pas universel. Plusieurs conditions restent reellement difficiles.
- Vegetation dense - Les animaux sous une canopee epaisse sont invisibles pour les cameras standard. Les elephants de foret et les primates restent difficiles a etudier depuis les airs.
- Especes nocturnes - Les creatures actives uniquement la nuit necessitent l'imagerie thermique ou infrarouge, qui a une resolution spatiale inferieure a celle des cameras RGB diurnes.
- Animaux aquatiques sous la surface - Les especes marines sous l'eau, comme les dauphins ou les poissons, ne peuvent pas etre detectees de maniere fiable a partir de photographies aeriennes.
- Especes petites ou camouflees - Les animaux qui se fondent dans leur environnement, comme les lievres sur l'herbe seche, poussent les modeles de detection a leurs limites.
- Conditions meteorologiques extremes - La couverture nuageuse, la pluie et les vents forts degradent la qualite des images et peuvent immobiliser completement les operations de drones et d'avions.
Comment demarrer le comptage de faune par IA
- Choisissez votre plateforme- Un drone grand public (DJI Mavic ou similaire) convient pour les petites zones; les avions habites ou les drones a voilure fixe couvrent les reserves plus grandes.
- Planifiez votre grille de vol- Utilisez la navigation automatique par points de passage pour assurer une altitude constante et une couverture totale de la zone avec chevauchement des images.
- Capturez au bon moment- La lumiere du debut de matinee ou de fin d'apres-midi reduit les ombres dures. Evitez le midi quand les animaux cherchent l'ombre.
- Traitez avec un modele de detection- Telechargez les images vers une plateforme de comptage par IA. Les options open-source incluent Scout de Wild Me pour la detection specifique de la faune.
- Verifiez les detections signalees- Controlez manuellement les marqueurs a faible confiance et les cas limites. Cette approche hybride maximise la precision.
- Archivez tout- Stockez les images originales avec les donnees de comptage. Les algorithmes futurs extrairont encore plus de valeur des photos d'aujourd'hui.
Conclusion
La conservation de la faune depend de donnees de population precises, et pendant des decennies, le meilleur outil disponible etait un observateur fatigue dans un avion bruyant. Le comptage aerien par IA ne remplace pas l'expertise humaine en conservation, mais il supprime le goulet d'etranglement du comptage manuel de l'equation.
La prochaine fois qu'une reserve aura besoin d'une estimation de population, la reponse la plus precise viendra d'un appareil photo, pas d'un bloc-notes. Et contrairement au bloc-notes, les photos seront encore utiles dans dix ans.