Une intelligence artificielle suisse déniche les ours d’Alaska au cœur de leur transformation estivale
L’École polytechnique fédérale de Lausanne, en collaboration avec Alaska Pacific University, a développé PoseSwin, un système d’intelligence artificielle capable d’identifier individuellement des ours bruns d’Alaska malgré la transformation physique saisonnière liée à la prise de poids et au renouvellement du pelage.
IA suisse PoseSwin identifie les ours d’Alaska malgré leur mue estivale
Le projet repose sur l’analyse de caractéristiques morphologiques stables, telles que la forme du museau, l’angle du front, la position des oreilles et des cicatrices, plutôt que sur la silhouette. Alexander Mathis, chercheur à l’EPFL, a orienté le développement vers des descripteurs faciaux et structurels peu sensibles aux variations saisonnières.
Insight clé: l’approche centrée sur des repères anatomiques réduit la dépendance aux variations de masse corporelle observées entre printemps et automne.
Architecture et méthode d’apprentissage de PoseSwin
PoseSwin utilise une architecture dérivée des grands modèles multimodaux, adaptée aux images, et un apprentissage par comparaison d’images. Le modèle est entraîné sur des triplets: deux images d’un même individu prises à des moments différents et une image d’un individu distinct.
La représentation en espace d’embedding regroupe les images d’un même ours et éloigne celles d’autres individus, facilitant l’identification malgré des vues imparfaites. Insight clé: la technique triplet améliore la robustesse aux variations d’angle et de luminosité.
Corpus, tests et adaptabilité inter-sites
La collecte conduite par Beth Rosenberg a fourni plus de 72 000 images de 109 ours au parc de McNeil River entre 2017 et 2022. Des essais dans le parc national de Katmai ont permis de reconnaître des individus et de cartographier des déplacements saisonniers sur une cinquantaine de kilomètres.
Insight clé: la volumétrie et la diversité temporelle des images constituent un facteur déterminant de transfert entre populations.
Conséquences réglementaires, opérationnelles et risques
Sur le plan juridique, les autorités fédérales suisses observent l’évolution du règlement européen AI Act pour définir les cadres applicables aux systèmes de reconnaissance. La loi fédérale sur la protection des données concerne principalement les personnes, mais la collecte d’images en contexte de terrain implique des obligations contractuelles avec partenaires locaux et gestionnaires de réserves.
Acteurs concernés: EPFL, Alaska Pacific University, gestionnaires des parcs, ONG de conservation, entreprises technologiques et autorités fédérales suisses. Points d’attention: généralisation inter-populations, besoin d’annotations de qualité, risques d’utilisation malveillante des données et contraintes logistiques des réseaux de caméras. Insight clé: l’outil offre des gains opérationnels mesurables pour la recherche et la gestion, sous réserve d’encadrement juridique et de protocoles de sécurité des données.
