Comment l'IA aide à faire progresser la science de la bioacoustique pour sauver les espèces menacées

L'un des moyens utilisés par les scientifiques pour protéger la santé des écosystèmes sauvages de notre planète consiste à utiliser des microphones (ou des hydrophones sous-marins) pour collecter de vastes quantités de données audio riches en vocalisations d'oiseaux, de grenouilles, d'insectes, de baleines, de poissons et bien plus encore. Ces enregistrements peuvent nous en apprendre beaucoup sur les animaux présents dans une zone donnée, ainsi que d'autres indices sur la santé de cet écosystème. Cependant, donner du sens à autant de données reste une tâche colossale.

Aujourd'hui, nous publions une mise à jour de Perch, notre modèle d'IA conçu pour aider les conservationnistes à analyser les données bioacoustiques. Ce nouveau modèle offre de meilleures prédictions prêtes à l'emploi sur les espèces d'oiseaux que le modèle précédent. Il s'adapte mieux aux nouveaux environnements, en particulier les milieux sous-marins comme les récifs de corail. Il est entraîné sur un éventail plus large d'animaux, y compris les mammifères, les amphibiens et le bruit anthropique, soit près de deux fois plus de données au total, issues de sources publiques telles que Xeno-Canto et iNaturalist. Il peut démêler des scènes acoustiques complexes sur des milliers, voire des millions d'heures de données audio. Et il est polyvalent, capable d'aider à répondre à de nombreux types de questions, de « combien de bébés naissent » à « combien d'individus sont présents dans une zone donnée ».

Afin d'aider les scientifiques à protéger les écosystèmes de notre planète, nous mettons à disposition cette nouvelle version de Perch en tant que modèle ouvert et la rendons disponible sur Kaggle.

Exemples de réussite : Perch sur le terrain

Depuis son lancement initial en 2023, la première version de Perch a déjà été téléchargée plus de 250 000 fois et ses solutions en accès libre sont aujourd'hui bien intégrées dans les outils utilisés par les biologistes sur le terrain. Par exemple, la bibliothèque de recherche vectorielle de Perch fait désormais partie du logiciel BirdNet Analyzer de Cornell, très largement utilisé.

De plus, Perch aide BirdLife Australia et l'Australian Acoustic Observatory à créer des classificateurs pour plusieurs espèces australiennes uniques. Par exemple, nos outils ont permis la découverte d'une nouvelle population du très discret Pédionome errant.

Des travaux récents ont également montré que la version précédente de Perch peut être utilisée pour identifier des oiseaux individuels et suivre l'abondance des oiseaux, réduisant potentiellement le besoin d'études de capture-marquage-recapture pour surveiller les populations.

Enfin, les biologistes du LOHE Bioacoustics Lab de l'Université de Hawaï l'ont utilisée pour surveiller et protéger les populations de méliphages, qui occupent une place importante dans la mythologie hawaïenne et sont menacés d'extinction en raison de la malaria aviaire transmise par des moustiques non indigènes. Perch a aidé le LOHE Lab à repérer le chant des méliphages près de 50 fois plus vite que leurs méthodes habituelles, leur permettant de surveiller davantage d'espèces de méliphages sur des territoires plus vastes. Nous espérons que ce nouveau modèle accélérera encore ces efforts.

Démêler la bande sonore de la planète

Le modèle Perch peut prédire quelles espèces sont présentes dans un enregistrement, mais ce n'est qu'une partie de l'histoire : nous fournissons également des outils qui permettent aux scientifiques de créer rapidement de nouveaux classificateurs à partir d'un seul exemple et de surveiller les espèces pour lesquelles les données d'entraînement sont rares ou pour des sons très spécifiques comme les cris des juvéniles. À partir d'un seul exemple sonore, la recherche vectorielle avec Perch fait ressortir les sons les plus similaires dans un ensemble de données. Un expert local peut ensuite marquer les résultats de la recherche comme pertinents ou non pour entraîner un classificateur.

Ensemble, cette combinaison de recherche vectorielle et d'apprentissage actif avec un modèle d'intégration performant est appelée modélisation agile. Notre récent article, « The Search for Squawk: Agile Modeling in Bioacoustics », montre que cette méthode fonctionne aussi bien pour les oiseaux que pour les récifs de corail, permettant la création de classificateurs de haute qualité en moins d'une heure.

Perspectives : l'avenir de la bioacoustique

Ensemble, nos modèles et nos méthodes permettent de maximiser l'impact des efforts de conservation, laissant plus de temps et de ressources pour un travail concret sur le terrain. Des forêts de Hawaï aux récifs de l'océan, le projet Perch illustre l'impact profond que nous pouvons avoir lorsque nous appliquons notre expertise technique aux défis les plus pressants du monde. Chaque classificateur créé et chaque heure de données analysée nous rapprochent d'un monde où la bande sonore de notre planète est celle d'une biodiversité riche et florissante.

Remerciements

Ces recherches ont été développées par l'équipe Perch : Bart van Merriënboer, Jenny Hamer, Vincent Dumoulin, Lauren Harrell et Tom Denton, ainsi qu'Otilia Stretcu de Google Research. Nous remercions également nos collaborateurs Amanda Navine et Pat Hart de l'Université de Hawaï, ainsi que Holger Klinck, Stefan Kahl et l'équipe BirdNet du Cornell Lab of Ornithology. Et tous nos amis et collaborateurs dont nous aurions parlé dans ce billet de blog si nous avions eu un millier de mots supplémentaires.