Comment l’intelligence artificielle peut contribuer à prévenir le commerce illégal d’espèces sauvages

Imaginez que vous êtes un agent de la force publique sur un marché aux bestiaux et que vous soupçonnez que certains des oiseaux en vente appartiennent à des populations menacées ou commercialisées illégalement. Il s’agit d’une situation qui exige une identification et une action décisives, mais dans les cas où des « espèces semblables » sont facilement confondues, de simples caractéristiques physiques comme la couleur et la taille peuvent ne pas suffire à permettre une identification correcte sur place. Les choses se compliquent encore lorsque des commerçants peu scrupuleux teignent les oiseaux ou modifient leur apparence d’une autre manière pour les faire ressembler à d’autres espèces qui se vendent plus cher.

Plus d’un tiers des espèces d’oiseaux du monde sont capturées pour être vendues sur des marchés aux bestiaux, qui regroupent plus d’individus et d’espèces d’oiseaux que tout autre groupe taxonomique, et sont évaluées à des dizaines de milliards de dollars par an. La demande d’oiseaux vivants comme animaux de compagnie et dans le cadre de pratiques culturelles, telles que les concours de chant d’oiseaux et les lâchers d’animaux de prière, entraîne une surexploitation, qui contribue largement au déclin des populations. En Asie de l’Est et du Sud-Est, par exemple, la forte demande d’oiseaux chanteurs en captivité pousse certaines espèces au bord de l’extinction à l’état sauvage.

Réputés pour leur beauté et leurs chants, les zosteropidae sont des oiseaux chanteurs populaires sur les marchés d’animaux sauvages asiatiques et comprennent des espèces en voie de disparition dont le commerce est interdit par la CITES.

Parmi les zostérops vendus sur les marchés figurent des espèces en voie de disparition et des espèces en voie de disparition, comme le Zostérops de Java (Zosterops flavus) et le Zostérops de Togian (Zosterops somadikartai), respectivement. La protection de leurs populations sauvages est un élément essentiel pour empêcher leur extinction. L’identification de ces oiseaux est essentielle pour faire respecter les lois sur la faune sauvage et les tenir à l’écart des marchés.

C’est là qu’une approche innovante basée sur l’intelligence artificielle (IA) peut changer la donne. De nombreux oiseaux sont très vocaux et communiquent à travers une large gamme de chants et de cris distinctifs. Nous avons réalisé qu’en exploitant les enregistrements de leurs vocalisations, avec leurs signatures bioacoustiques uniques, nous pourrions développer un outil d’IA pour identifier les espèces de zostérops à partir de leurs seules vocalisations.

Les bases de données publiques sur les sons d’oiseaux comprennent xeno-canto et la bibliothèque Macaulay de Cornell. Nous avons utilisé trois grandes bases de données sur les vocalisations aviaires pour accéder aux données bioacoustiques de 15 espèces de zostérops visuellement similaires et couramment commercialisées. À l’aide de ces enregistrements, nous avons utilisé des techniques d’apprentissage profond et formé un puissant modèle de réseau neuronal pour reconnaître les modèles acoustiques et les signatures sonores spécifiques de chaque espèce de zostérops.

Cette approche est similaire à la façon dont la reconnaissance faciale est utilisée pour identifier des personnes individuelles, mais nous avons utilisé la reconnaissance vocale pour identifier les espèces d’oiseaux. Pour rendre le système robuste, nous avons incorporé des méthodes d’augmentation des données et même inclus des échantillons de sons ambiants susceptibles d’être captés dans des enregistrements de marché, afin de simuler aussi fidèlement que possible les conditions du monde réel.

Nous avons ensuite utilisé le modèle pré-entraîné Inception v3 pour classer les 15 espèces de bécasseaux à œil blanc et le son ambiant (c’est-à-dire les sons non liés aux oiseaux) à l’aide de 448 enregistrements de vocalisations de bécasseaux à œil blanc. Nous avons converti les enregistrements en spectrogrammes et utilisé des méthodes d’augmentation d’image pour améliorer les performances du réseau neuronal de l’IA grâce à la formation et à la validation.

Nos résultats, publiés dans Ibisse sont révélées incroyablement prometteuses. Nos modèles d’apprentissage automatique peuvent identifier les espèces focales à partir de leurs vocalisations avec une précision de plus de 90 %. Il s’agit d’un niveau de précision étonnant pour distinguer les sosies en se basant uniquement sur les sons.

Mais le véritable potentiel de cette technologie réside dans ses applications potentielles. Par exemple, une application pour smartphone conviviale utilisant ce système peut être développée par n’importe qui : agents des forces de l’ordre, agents des douanes, défenseurs de l’environnement, voire même scientifiques citoyens. Cela permettrait aux utilisateurs d’ouvrir simplement l’application, de la laisser « écouter » les oiseaux pendant quelques secondes et d’identifier l’espèce presque instantanément, que ce soit sur un marché, dans une animalerie ou sur le terrain. Bien que nous nous soyons initialement concentrés sur les zostérops, cette application est adaptable à de nombreuses espèces vocales.

Cette découverte ne pouvait pas survenir à un moment plus crucial. Le traitement des données et l’action en temps réel sont d’une valeur inestimable pour faire respecter les lois de protection de la faune et lutter contre le trafic illégal. Cette approche bioacoustique offre une méthode abordable, non invasive, rapide et très précise pour identifier les oiseaux, résolvant ainsi le problème de la distinction entre les espèces qui se ressemblent.

L’essor récent de l’intelligence artificielle et l’accès facile au cloud computing ont ouvert la voie à de nouvelles possibilités de calcul pour la conservation. La surveillance bioacoustique automatisée est une solution innovante, mais ce n’est que la pointe de l’iceberg des applications potentielles de l’intelligence artificielle pour la protection de la biodiversité.

Même si des défis subsistent, nous sommes optimistes quant au fait que ces technologies peuvent contribuer à inverser la tendance au trafic d’espèces sauvages et à leur décimation. En dotant les professionnels et les scientifiques citoyens d’outils d’identification par IA accessibles, nous pouvons révolutionner la manière dont nous protégeons les populations d’animaux sauvages vulnérables.

Cet article fait partie de Science X Dialog, où les chercheurs peuvent présenter les résultats de leurs articles de recherche publiés. Visitez cette page pour obtenir des informations sur Science X Dialog et sur la manière de participer.

Le Dr Shan Su est chercheuse au sein de l’International Bird Conservation Partnership (IBCP) ; elle a obtenu son doctorat à l’University College de Londres et a précédemment mené des recherches postdoctorales à l’Université d’Oxford, au Royaume-Uni.

Le Dr Nico Arcilla est directrice de l’IBCP, dont la mission est d’encourager et de soutenir la recherche, la sensibilisation et les partenariats pour faire progresser la conservation des oiseaux dans le monde entier ; elle a obtenu son doctorat à l’Université de Géorgie et est chercheuse affiliée à l’Université du Nebraska, aux États-Unis.

Le Dr Tai-Yuan Su est professeur associé à l’Université Yuan-Ze de Taïwan. Il est spécialisé dans les dispositifs médicaux, la vision par ordinateur et l’apprentissage profond. Il a obtenu son doctorat à l’Université nationale Yang Ming de Taïwan.