L’intelligence artificielle à la rescousse des baleines

Prendre de la hauteur

On doit parfois aussi chercher les cétacés depuis un point de vue qui couvre un plus grand espace. Ce sont des tâches qui nécessitent beaucoup de rigueur et de temps aux analystes!

Global Spatial Technology Solutions (GSTS) détecte depuis les satellites de l’Agence Canadienne Spatiale les baleines noires de l’Atlantique Nord. En utilisant les données de modélisations des routes empruntées par le trafic maritime et des modèles de déplacement des baleines noires lors de l’alimentation, GSTS espère anticiper de potentielles collisions en traquant les baleines et les navires aux environs.

Afin d’identifier les zones à haute densité des populations menacées de baleines noires de l’Atlantique Nord et des bélugas de Cook Inlet en Alaska, une initiative du projet GAIA (Geospatial Artificial Intelligence for Animals) détecte ces cétacés depuis des images satellitaires de haute résolution.

Mettez-vous dans la peau d’un analyste et cherchez le mammifère marin dans cette image aérienne prise, parmi de milliers d’autres, pour effectuer un relevé des phoques.

À l’écoute des cétacés

Surveiller les cétacés visuellement depuis les airs ou les mers peut s’avérer difficile logistiquement et coûteux. L’acoustique passive, à des fins d’analyses spécifiques, est rentable pour surveiller les mammifères sur des saisons et des années entières!

Dans un travail de détection et de classification de l’espèce, le modèle INSTINCT analyse des mois d’enregistrement à la recherche des vocalisations des bélugas de Cook Inlet. Le modèle est très précis et a pu effectuer en une nuit un travail qui s’effectue manuellement en deux semaines. INSTINCT a aussi détecté et classifié 18 millions de vocalises de rorquals communs en deux mois, économisant 6 ans de travail aux scientifiques. De plus, il a apporté des réponses concernant les aires de distribution saisonnières de ces rorquals dans les mers de Béring et des Tchouktches.

Dans le Saint-Laurent, le chercheur Clément Chion développe l’IA avec le Groupe de Recherche sur les Mammifères marins (GREMM) pour détecter les cris des bélugas à partir de milliers d’heures d’enregistrements acoustiques. Ils espèrent pouvoir localiser et émettre des prévisions sur l’emplacement futur des bélugas entendus. Dans ce cas, l’IA permettra de mieux gérer l’environnement que ces baleines blanches partagent avec les activités humaines. L’IA s’implante globalement et localement!

En partenariat avec la première nation Gitga’at et le North Coast Cetacean Society, WWF-Canada mène le projet SWAG depuis 2020 en Colombie-Britannique. Quatre hydrophones équipés d’un GPS surveillent 200 km2 de terrain dans le chenal Squally, pour détecter les sons des cétacés, leur localisation, leur nombre et leur déplacement. L’algorithme différencie les sons, parfois non perceptibles à l’oreille humaine, des épaulards, des rorquals communs et des rorquals à bosses. Plus la quantité de données récoltées est importante, plus l’outil sera en mesure d’associer des vocalisations à des comportements (socialisation, alimentation, etc.): on appelle cela l’apprentissage automatique!

De nombreux centres de recherches incorporent maintenant l’IA afin d’économiser du temps aux scientifiques, sur des tâches spécifiques qui sont monotones… comme celle de l’identification des cétacés! Effectuer ce travail ardu manuellement est très long en raison de plusieurs facteurs, qui varient selon les espèces mises sous la loupe. La qualité des images varie tout comme le temps alloué pour identifier les individus.

Prenons l’exemple québécois de l’identification des bélugas. Les bélugas sont particulièrement difficiles à identifier du fait de leur couleur, qui change à travers le temps. Ils ont même des marques qui disparaissent! Le seul moyen de les identifier correctement est en utilisant des marques distinguables sur les flancs ou encore sur leur crête dorsale. À la fin d’une seule journée de recherche sur l’eau, les scientifiques peuvent avoir pris des centaines de photos de bélugas.

Cette tâche de photo-identification demande beaucoup de concentration et s’avère répétitive. C’est ici que l’assistance par IA entre en jeu. Le logiciel d’intelligence artificielle isole les bélugas, qui se tiennent souvent proches les uns des autres, et les recadre individuellement dans de nouvelles photos. Il distingue aussi les flancs gauche et droit en plus d’identifier les bélugas déjà connus par le centre. Dans le cas contraire, l’animal obtiendra un nouveau code unique.

L’IA peut permettre d’évaluer l’état de santé des cétacés. Une équipe de recherche du GREMM compte aussi intégrer l’IA à la photogrammétrie pour effectuer du suivi de population chez les bélugas du Saint-Laurent. La photogrammétrie, une mesure quasi complète de l’animal, permet d’évaluer la condition physique, de repérer les grossesses, et même de différencier les mâles des femelles de façon non-invasive. L’IA sauvera du temps aux scientifiques en mesurant les animaux automatiquement et rapidement! Une technique de développement semblable pour le suivi des grands rorquals pourrait aussi être développée.

Ces données servent à surveiller le bien-être des cétacés et à remarquer si une population s’adapte ou non à des changements dans son environnement.

Il ne fait aucun doute que l’IA est importante, et pourrait devenir essentielle pour la protection des espèces menacées. Son usage lui permet de détecter, d’identifier, et de comprendre les structures sociales et la communication des cétacés. Elle peut apporter plus de compréhension quant à l’étude des populations : à leur taille, leur répartition et leur longévité. Il est possible de comprendre comment les cétacés utilisent leurs habitats et de cartographier les modèles de migration. L’étude des cétacés par ordinateur, comme pour le suivi, est une méthode moins invasive, car elle ne nécessite pas de poses de balise.

L’IA permet de raccourcir le temps entre la détection et la prise de décision, et de donner accès à des données récentes. Des données fiables rapidement transmises ne seront que bénéfiques pour les décisions économiques, sociales, politiques et environnementales, qui concernent la protection des espèces.

Défis et limites

Néanmoins, l’IA apporte son lot d’obstacles. Tout d’abord, il faut lui fournir une grande quantité de données pour qu’elle soit efficace et précise. De plus, l’erreur est toujours possible et les données peuvent être inexactes! L’humain doit rester investi dans l’IA, car l’expertise des scientifiques pour interpréter les données est essentielle. Il faut aussi s’assurer que l’usage de cette technologie reste responsable. Elle ne doit pas être détournée de son rôle scientifique et utilisée à d’autres fins, comme pour le braconnage, les baleiniers ou encore le tourisme de masse. Malgré tout, l’IA nous ouvre à toutes sortes de possibilités. À nous de les saisir !