IA et coraux

Figurants de second plan sur les clichés de poissons chatoyants des amateurs de plongée, les coraux occupent pourtant le devant de la scène pour de nombreux scientifiques, tant leur rôle écologique est fondamental. Ces animaux au squelette calcaire font partie des écosystèmes les plus diversifiés de la planète : bien qu’ils couvrent moins de 0,1 % de la surface totale des océans, ils abritent près d’un tiers des espèces marines connues. Ils ont également un impact majeur sur la vie des habitants de nombreux pays bordés par des récifs: d’après une étude de l’Agence américaine d’observation océanique et atmosphérique, jusqu’à un demi-milliard de personnes dans le monde dépendent des récifs coralliens en ce qui concerne leur sécurité alimentaire et leurs revenus liés au tourisme. Mis en péril notamment par l’augmentation de la température des océans et les pollutions d’origine anthropique locales qui provoquent leur blanchiment et leur mort, les coraux font l’objet d’études approfondies, comme celles du Transnational Red Sea Center (TRSC) qui vise à percer les secrets des espèces de la mer Rouge, particulièrement résistantes au stress lié au changement climatique. C’est dans le cadre de cette mission pilotée par l’EPFL* qu’a été testée DeepReefMap, une intelligence artificielle développée par le Laboratoire de science computationnelle pour l’environnement et l’observation de la terre (ECEO) à l’EPFL capable de reconstituer plusieurs centaines de mètres de récifs de bancs de coraux en 3D sur la base d’un film sous-marin pris par une caméra du commerce en quelques minutes. Elle sait également reconnaître certaines caractéristiques du corail et les quantifier. « Cette méthode démocratise la reconstitution numérique des récifs et donne un gros coup d’accélérateur à leur suivi en réduisant le travail, l’équipement, la logistique ainsi que les coûts informatiques », souligne Samuel Gardaz, responsable des projets du TRSC. Cette recherche fait aujourd’hui l’objet d’une publication dans Methods in Ecology and Evolution.

Classer les coraux selon leur état de santé et leur forme

Afin de faciliter davantage le travail de leurs collègues biologistes œuvrant sur le terrain, les scientifiques ont inclus des algorithmes de segmentation sémantique permettant de classer et quantifier les coraux selon leur état de santé – de sain, c’est-à-dire très coloré, à morts et recouverts d’algues, en passant par le blanc du blanchiment – et d’identifier les formes de croissance de coraux qui sont les plus communs dans les récifs peu profonds de mer rouge selon une hiérarchisation reconnue internationalement – à branches, massifs, durs, mous, etc. -. « L’objectif était vraiment de répondre aux besoins des scientifiques et agents de conservation qui travaillent sur le terrain avec un outil qui peut être déployé largement et très rapidement : à Djibouti, par exemple, il y a 400 km de côte », souligne Jonathan Sauder, qui a fait du développement de cette IA le sujet de sa thèse de doctorat. « Notre méthode ne nécessite pas d’infrastructure informatique coûteuse : sur un ordinateur équipé d’une simple unité de traitement graphique, la segmentation sémantique et la reconstruction 3D peuvent être obtenues dans un temps égal au temps de la vidéo ».