Au-delà des problèmes (et des inventions) associés aux intelligences artificielles génératives, comme ChatGPT, il existe tout un monde de systèmes oeuvrant dans l’ombre, certes, mais dont les résultats sont probants. Perch, un modèle d’IA développé par le département DeepMind de Google, fait partie de ceux-là. Explications.
« Perch est un modèle pour effectuer de la bioacoustique, c’est-à-dire l’étude de la nature par le son », mentionne d’emblée Vincent Dumoulin, chercheur chez DeepMind, en entrevue avec Pieuvre.
« Cela passe par la capacité de savoir détecter à quel endroit, et à quel moment, les animaux émettent des sons; l’objectif, en fait, c’est de pouvoir déployer ce modèle au sein de programmes de surveillance acoustique passive, dans le cadre desquels des écologistes vont poser des micros, dans des milieux naturels, enregistrer ce qui se passe, puis collecter les données. »
Et, comme l’indique M. Dumoulin, ces technologies sont de plus en plus accessibles, « il y a de plus en plus d’heures d’enregistrements audio à analyser, à un point tel que cela devient rapidement impossible de le faire à la main ».
Voilà donc où une IA comme Perch entre en scène: la bioacoustique devient alors computationnelle – effectuée par ordinateur –, ce qui laisse la place aux solutions d’intelligence artificielle pour passer à travers ces tonnes de données et donc départager le bon grain de l’ivraie.
L’objectif? Identifier, à travers tous les bruits captés par les micros installés dans des milieux naturels, les cris d’espèces menacées, principalement des oiseaux. « Cela permet de répondre à des questions plus ambitieuses », dit encore M. Dumoulin.
Dans sa deuxième version, lancée en août dernier, Perch a été formé « à l’aide 15 000 catégories de sons différentes », précise le chercheur, « la vaste majorité étant des vocalisations animales ». Il est ainsi question d’oiseaux, d’amphibiens, de mammifères, et même quelques espèces d’insectes.
« C’est une différence par rapport à la première version (du logiciel, NDLR), où l’entraînement était uniquement réalisé avec des vocalisations d’oiseaux », ajoute M. Dumoulin.
Identifier des oiseaux à protéger
Selon ce dernier, en localisant les différentes vocalisations captées par les micros et identifiées par Perch, il est alors possible d’isoler spécifiquement les cris ou les bruits produits par les oiseaux que l’on souhaite étudier, et donc déterminer l’emplacement d’espèces menacées, ou qui nécessitent une surveillance accrue.
« Notre mandat, c’est de fournir ces outils aux gens qui possèdent les connaissances » servant à la conservation des espèces, poursuit Vincent Dumoulin. « Ensuite, c’est à eux de se poser les bonnes questions et de poser les gestes nécessaires. Récemment, dans le cadre d’un partenariat avec une organisation australienne, Perch a permis de détecter une espèce d’oiseau gravement menacée à l’est de Melbourne. »
Avec ces informations cruciales en main, les organismes de protection de la nature peuvent alors collaborer à l’élaboration de mesures de protection, par exemple en empêchant le développement immobilier à certains endroits.
Perch n’est bien sûr pas la première démarche visant à combiner apprentissage machine et identification d’espèces animales, y compris des oiseaux. Pour le public, il existe entre autres Merlin, une application mobile qui dit être en mesure d’identifier correctement les espèces d’oiseaux dont notre téléphone capte les cris, avec une précision d’au moins 50%.
Chez Google DeepMind, l’efficacité de Perch peut être encore plus importante… en fonction de l’endroit où l’on se trouve, dans le monde. « Nous avons davantage de données provenant d’Amérique du Nord et d’Europe. Et en fait, que l’on utilise Merlin ou Perch, la base sur laquelle on s’appuie, ce sont des données provenant de la science citoyenne. Les principaux contributeurs aux bases de données sont les gens qui ont le temps et les moyens de le faire », indique M. Dumoulin.
Autre limite: si le système détecte des vocalisations qui ne correspondent pas tout à fait à ce que les ornithologues et autres spécialistes ont l’habitude de noter, précise le chercheur. Cela peut s’appliquer à une espèce entière, dit-il, mais aussi à des tranches d’âge spécifiques. Impossible, cependant, d’imaginer des vocalisations jamais encore enregistrées par quelque micro que ce soit.
Vincent Dumoulin reconnaît par ailleurs que Perch n’est pas parfait, à l’instar de tous les autres modèles d’IA. « Ce que le logiciel va donner, en fait, c’est un score. Un degré de confiance du modèle dans la détection pour une espèce précise. C’est une structure très classique. L’écologiste peut trouver un équilibre entre la précision du modèle et la capacité d’examen des jeux de données », dit-il.
Pour la suite des choses, les capacités de Perch pourraient aussi servir à la conversation d’autres espèces, notamment des mammifères marins.
« On a déjà effectué des pas dans cette direction, et il n’y a aucune raison de croire qu’on ne pourrait pas utiliser, à leur plein potentiel, les données que nous possédons déjà. Il y a aussi beaucoup de potentiel en ce qui concerne le fait de combiner les informations audios à des images satellite, des recensements manuels… Comment colliger toutes ces informations pour en extraire des connaissances? », conclut Vincent Dumoulin.





