Tous les jours, des animaux sauvages meurent sur les routes. Mais nous avons désormais à notre disposition un outil qui pourrait aider à leur sauver la vie en avertissant les automobilistes de leur présence : l’intelligence artificielle.
Le Centre brésilien d’études sur l’écologie routière estime que quelque 475 millions d’animaux sauvages meurent sur les routes du pays chaque année. C’est colossal. Mais des chercheurs de l’université de São Paulo (Brésil) proposent aujourd’hui une solution pour limiter les collisions mortelles avec les véhicules. Dans la revue Scientific Reports, ils expliquent comment l’intelligence artificielle pourrait aider à détecter les animaux sauvages en bordure de route et attirer ainsi l’attention des automobilistes.
Apprendre à l’intelligence artificielle à détecter les animaux sauvages
L’opération n’est pas si simple. Pour y arriver, il faut développer des modèles de vision par ordinateur capables d’une détection rapide dans des environnements où la visibilité n’est souvent pas la meilleure. Pour point de départ, les chercheurs ont simplement utilisé près de 2 000 photos trouvées sur Internet. De quoi construire une base de données des mammifères brésiliens les plus susceptibles d’être heurtés par les voitures. Des fourmiliers, des loups, des tapirs.
Les chercheurs ont ensuite fait le choix de privilégier la vitesse de détection à la précision. Ils ont ainsi opté pour un algorithme de vision par ordinateur baptisé YOLO, pour You Only Look Once — comprenez, « Vous ne regardez qu’une seule fois ». Et ils ont testé le tout sur des vidéos d’animaux sauvages enregistrées dans le parc écologique de São Carlos. Résultat : les modèles ont correctement détecté les animaux dans 80 % des cas.
Des améliorations à venir
Il reste tout de même aux chercheurs à travailler sur la détection de nuit, par temps pluvieux ou lorsque les animaux sont partiellement cachés. Dans ces cas particuliers, le système ne donne pour l’instant pas entière satisfaction. En attendant, de nouvelles images vont être ajoutées à la base de données — celles prises par des pièges photographiques, par exemple, ou par des caméras routières — et des tests en situation réelle seront conduits en partenariat avec les opérateurs d’autoroute et les municipalités.
