L’intelligence artificielle au service de la faune marine

Cinq espèces de poissons que consomment les fous de Bassan: le maquereau, le hareng, le capelan, le lançon et le sébaste.
Photo: Pêches et Océans Canada Cinq espèces de poissons que consomment les fous de Bassan: le maquereau, le hareng, le capelan, le lançon et le sébaste.

Pour caractériser le régime alimentaire des fous de Bassan nichant au parc national de l’Île-Bonaventure-et-du-Rocher-Percé, les chercheurs ont attaché aux oiseaux une caméra miniature, un GPS et un consignateur de plongée, trois instruments qui fournissent des informations précises sur la faune marine du golfe du Saint-Laurent. Deuxième de deux textes.

Comment accélérer le repérage et l’identification des poissons qui apparaissent sur les quantités astronomiques d’images vidéo captées par les caméras fixées sur des fous de Bassan ? Pour y arriver, le chercheur David Pelletier, enseignant au Cégep de Rimouski, a eu recours à l’intelligence artificielle, et plus particulièrement à une technique appelée apprentissage profond (deep learning).

L’informaticien Olivier Leclerc, du Centre de développement et de recherche en intelligence numérique (CDRIN) de Matane, lui a prêté main-forte en mettant au point un réseau de neurones artificiels capable de reconnaître cinq espèces de poissons que consomment les fous de Bassan : le maquereau, le hareng, le capelan, le lançon et le sébaste.

Ce réseau de neurones a d’abord dû être entraîné pour permettre à l’ordinateur de reconnaître des objets — en l’occurrence ces poissons — sur des images. Cet apprentissage a été fait en présentant à l’algorithme des milliers d’images d’abord étiquetées par un expert, qui aura au préalable indiqué les éléments correspondant au poisson à reconnaître et l’espèce à laquelle il appartient. « La personne qui annote doit être un expert qui sait reconnaître les caractéristiques distinctives des espèces. […] La machine doit apprendre, par exemple, que la nageoire d’une espèce est plus pointue que celle d’une autre », explique Isabelle Cayer, la directrice générale du CDRIN.

La machine observera alors ces éléments en analysant mathématiquement les dégradés et les contrastes de couleur entre les pixels voisins d’une image. L’algorithme verra alors des agencements particuliers de pixels qui, souvent, correspondent aux caractères morphologiques de chaque espèce, explique l’experte. « Par exemple, la machine découvrira mathématiquement que le maquereau dont le dos est rayé de noir et de bleu présente des patterns alternatifs de noir et de bleu : l’algorithme se crée des règles d’analyses comme celle-là, qu’il appliquera ensuite dans les autres photos. »

La quête de la précision

Pour bien entraîner un réseau neuronal comme celui-là, il faut lui présenter beaucoup de données — en l’occurrence des images contenant les poissons consommés par le fou de Bassan —, et de bonne qualité, souligne Mme Cayer. « Il faut choisir des données qui sont parlantes. »

David Pelletier a récupéré de telles données en installant des caméras dans les aquariums du musée Exploramer de Sainte-Anne-des-Monts. Il a également obtenu des jeux de données sur le sébaste dans les bassins de l’Institut Maurice-Lamontagne et des photos de maquereaux auprès de pêcheurs sur les quais.

À ce stade-ci, « notre réseau a une précision de 80 %, ce qui veut dire que 8 images sur 10 seront bien interprétées par l’algorithme de reconnaissance », explique l’enseignant-chercheur au cégep de Rimouski. Une précision qui lui apparaît suffisante pour passer rapidement à travers l’imposante quantité de données vidéo que lui et ses collègues ont accumulée. « Ça nous évite de devoir tout visionner », résume-t-il. M. Pelletier a d’ailleurs l’intention d’améliorer la performance du programme en lui fournissant de nouvelles images à la luminosité et à la composition plus variées.

La tâche du réseau neuronal n’est pas aussi simple qu’il y paraît, fait remarquer M. Pelletier, car « les oiseaux [qui portent la caméra] et les poissons se déplacent rapidement, il est donc difficile de bien voir ». Quand l’oiseau plonge dans l’eau, il crée aussi du bouillon, une multitude de petites bulles d’air, autour de lui. « Or, ces bulles peuvent parfois être interprétées comme des poissons. L’algorithme doit apprendre à les différencier », ajoute-t-il.

Heureusement, les fous de Bassan se nourrissent surtout de poissons qui se déplacent en bancs composés d’une seule espèce, ce qui simplifie un peu la tâche de l’algorithme.

Étudier la biodiversité

Le projet auquel David Pelletier prend part est baptisé ReCAPP (pour Reconnaissance et classification automatiques des poissons pélagiques de l’estuaire maritime et du golfe du Saint-Laurent). Et bien qu’il avait comme objectif premier de créer un outil d’analyse rapide des images rapportées par les fous de Bassan, le chercheur croit au potentiel de la combinaison de l’imagerie sous-marine et de l’intelligence artificielle (IA) dans l’étude de la biodiversité des écosystèmes marins.

« L’outil ne détruit pas les fonds marins comme les méthodes traditionnelles d’évaluation des stocks et de détection de la biodiversité utilisées jusqu’à présent, qui se font beaucoup à l’aide de chaluts », remarque-t-il.

À Pêches et Océans Canada, on utilise déjà l’imagerie sous-marine, mais l’analyse des données se fait à la main : ce sont des techniciens qui identifient les espèces sur les bandes-vidéo obtenues par des caméras attachées à l’arrière de bateaux ou sur des bouées. « Ce travail très redondant et fastidieux, qui demande des heures et des heures, pourrait être fait rapidement par l’IA », souligne M. Pelletier.

« Pour des raisons financières et logistiques, Pêches et Océans Canada n’effectue le suivi que des espèces présentant une qualité commerciale, raconte l’enseignant-chercheur. Il en résulte que nous connaissons très peu de choses sur le mode de vie, l’abondance, la distribution des espèces comme le capelan et le lançon, qui sont pourtant des chaînons importants du réseau trophique des océans. »

Il soutient d’ailleurs que l’utilisation d’oiseaux marins équipés de technologies miniaturisées permettrait de combler certains retards dans l’étude de ces poissons moins bien connus. « Les oiseaux ne permettent pas un échantillonnage aléatoire, mais ils nous fournissent des informations sur l’endroit précis où se trouvent les espèces qui sont des proies du fou de Bassan. On pourrait aussi avoir recours à d’autres espèces d’oiseaux marins, comme le guillemot marmette, qui plonge à de plus grandes profondeurs et qui se nourrit d’autres espèces. »

« On pourrait avoir une armée d’observateurs ailés qui nous aiderait à mieux connaître tous les poissons qui vivent dans le Saint-Laurent », fait valoir David Pelletier.

Une version précédente de cet article, qui indiquait que David Pelletier était affilié à l'Université du Québec à Rimouski, a été modifiée.



À voir en vidéo