##16 – Recenser la faune européenne… grâce à une IA ?

Camouflé sur un tronc, le piège photographique attend patiemment la venue d’un animal. ©Pixabay

Lors d’une conférence qui s’est déroulée pendant la Fête de la science 2025, Bastien Boussau, directeur de recherche au laboratoire de biométrie et de biologie évolutive (LBBE), a présenté des projets de développement d’intelligence artificielle (IA) appliqués à la biologie. Parmi eux Deep Faune, un outil de détection et de classification des espèces animales prises en photo.

Les pièges photographiques sont des outils qui ont révolutionné nos observations de la faune sauvage. Ils sont placés dans la nature pour capturer des images d’animaux sans intervention humaine. Les photos permettent, entre autres, de vérifier la présence d’une espèce dans un milieu, de déterminer la taille de sa population, ses interactions avec les autres espèces, etc. Ce sont des données précieuses habituellement traitées par les biologistes. Alors, pourquoi faire appel à une IA ?

Pour y répondre, imaginons-nous partir en vacances et prendre des photos… beaucoup de photos. Certains d’entre nous avoueront qu’ils ne les trient pas au retour car c’est un travail trop fastidieux. Dans le cas des pièges photographiques, l’idée est à peu près similaire. La quantité de données est telle qu’il faut une équipe de plusieurs chercheurs et des centaines, voire des milliers d’heures pour tout annoter. « [Deep Faune] c’est un type de travail utile pour la recherche en biologie […] parce qu’on a aujourd’hui des technologies qui nous permettent de générer une grande quantité de données et qui requièrent ce genre d’approches d’identification automatique des animaux », explique Bastien Boussau.

Les applications de l’IA en biologie sont nombreuses. Bastien Boussau explique comment elle peut aussi aider à étudier la répartition des espèces. © Anaïs Plautard

Une IA pour identifier des espèces

Le projet Deep Faune, à l’origine français, réunit plus d’une cinquantaine d’acteurs de la conservation et de la recherche, notamment le LBBE. En 2023, le logiciel était capable d’identifier « 26 espèces animales ou groupes taxonomiques supérieurs communs en Europe »^[1]. Aujourd’hui, il peut en identifier une trentaine. Son fonctionnement repose sur le principe du deep learning, « apprentissage profond » en français, une structure qui s’inspire du cerveau humain avec des « réseaux de neurones ». Ce jargon ne cache en réalité que des fonctions mathématiques associées les unes aux autres. On fournit ensuite à l’IA une grande quantité d’images annotées par des humains avant de la laisser se débrouiller. « Pour chaque pixel, elle analyse la quantité de rouge, de vert et de bleu pour ensuite déterminer le nom de l’espèce », résume le chercheur.

Et les premiers résultats s’avèrent probants ! En septembre 2025, une équipe allemande publie une étude relatant l’efficacité de Deep Faune sur des images prises dans 10 zones protégées en Allemagne^[2]. Et là où une centaine de chercheurs s’est relayée pendant 500 jours pour traiter un peu moins d’un million d’images, Deep Faune, lui, a mis 7 jours avec une précision de 90 %. Un résultat plus que satisfaisant qui procure un gain de temps considérable pour les chercheurs. Ces derniers peuvent alors se concentrer sur les tâches plus ardues comme l’interprétation des résultats.

Par Anaïs Plautard, étudiante en Master 1 Information et Médiation Scientifique et Technique, Université Claude Bernard Lyon 1. 

Notes : 

[1] Rigoudy, N., et al., The DeepFaune initiative: a collaborative effort towards the automatic identification of European fauna in camera trap images, European Journal of Wildlife Research, Volume 69 (2023).

[2] Henrich, M., et al., Camera traps and deep learning enable efficient large‐scale density estimation of wildlife in temperate forest ecosystems, Remote Sensing in Ecology and Conservation (2025).