L’intelligence artificielle révolutionne la cartographie de Posidonia oceanica dans toute la Méditerranée

Une équipe de chercheurs de l'Institut de physique interdisciplinaire et des systèmes complexes (IFISC, CSIC-UIB) et du Centre d'études avancées de Blanes (CEAB-CSIC) a développé un système basé sur l'intelligence artificielle capable de cartographier automatiquement Posidonia oceanica à partir d'images satellite.

Le modèle, considéré comme « révolutionnaire », permet d’identifier avec une précision de plus de 90 % les herbiers marins de cet écosystème méditerranéen clé, l’un des plus précieux et menacés de la planète.

Posidonie océanique cartographiée grâce à l'intelligence artificielle des satellites

Un modèle développé par le CSIC et l'UIB utilise l'intelligence artificielle et les images satellite pour cartographier automatiquement Posidonia oceanica en Méditerranée.

Une équipe de chercheurs de l'Institut de Physique Interdisciplinaire et des Systèmes Complexes (IFISC, CSIC-UIB) et du Centre d'Etudes Avancées de Blanes (CEAB-CSIC) ont développé un système d'intelligence artificielle (IA) sur images satellite pour cartographier automatiquement Posidonia oceanica, considéré comme « révolutionnaire ».

La publication scientifique « Indicateurs écologiques » s'est fait l'écho de cette étude («Un cadre d'apprentissage profond généralisable pour la cartographie à grande échelle des habitats d'herbiers marins') qui permet de détecter et de cartographier précisément les herbiers de Posidonie océanique dans toute la Méditerranée à l'aide d'images satellite, explique l'UIB dans un communiqué.

Un écosystème marin clé et gravement menacé

Les herbiers de posidonies comptent parmi les écosystèmes les plus précieux et en même temps les plus menacés de la planète et, en Méditerranée, ils jouent un rôle fondamental dans la protection du littoral, l’habitat et la protection de la biodiversité marine et le stockage du carbone.

L'UIB rappelle que ces prairies sous-marines disparaissent à un rythme inquiétant en raison de l'aménagement du littoral, de la pollution et du changement climatique.

Un modèle de deep learning entraîné sur des données réelles

L'université assure que la surveillance de son état et de sa répartition est donc essentielle à sa conservation, mais les méthodes traditionnelles sur le terrain sont coûteuses et prennent du temps.

Le nouveau cadre d’IA développé par une équipe de chercheurs de l’IFISC et du CEAB-CSIC pourrait révolutionner la façon dont ces habitats essentiels sont observés et protégés.

Précision de plus de 90 % dans la détection des herbiers marins

Le modèle, appelé Camele (Consense for Automated Marine Ecosystem Labelling and Evaluation), utilise des techniques d'apprentissage profond appliquées à des images satellite à haute résolution pour détecter et cartographier automatiquement Posidonia oceanica et d'autres habitats benthiques avec une précision sans précédent.

Manuel Matías, de l'IFISC, explique les clés d'un modèle qui « va au-delà des études locales de validation de principe pour offrir un outil solide et généralisable pour la cartographie des habitats à grande échelle ».

« En combinant l'apprentissage automatique avec une vaste base de données écologiques, nous pouvons désormais surveiller les fonds marins de la Méditerranée de manière plus rapide, plus fiable et à une fraction du coût des méthodes traditionnelles », détaille-t-il.

Le cadre est basé sur des réseaux de neurones convolutifs entraînés avec des images multispectrales haute résolution de PlanetScope, une constellation de satellites d'observation de la Terre qui fournit une couverture mondiale quotidienne, ainsi que 19 ans de données détaillées sur l'habitat du gouvernement des Baléares.

L'ensemble de données résultant couvre environ 2 500 kilomètres carrés de côtes, dont Majorque, Minorque, Ibiza, Formentera et Cabrera.

Un outil ouvert pour la conservation de la Méditerranée

Pour tester la capacité de généralisation du modèle, les chercheurs l'ont formé sur les données d'une seule île et ont validé ses prédictions sur les autres. Étonnamment, le modèle a correctement identifié les herbiers marins, même dans des environnements écologiques différents, démontrant une grande capacité d'adaptation à de nouvelles régions.

Lors des tests, Camele a atteint une précision moyenne de plus de 90 % dans l'identification et la délimitation des herbiers marins, telle que mesurée par l'indice Intersection-over-Union, une mesure standard qui quantifie le degré d'accord entre les prédictions du modèle et les zones réellement cartographiées.

L'étude a également introduit de nouveaux critères d'évaluation conçus spécifiquement pour les tâches de segmentation d'images, permettant une évaluation plus réaliste de la précision du modèle.

« Ce qui distingue Camele, c'est sa robustesse – commente Alex Giménez (IFISC) -, même face à des conditions environnementales inconnues, le système a produit des cartes fiables de la couverture des herbiers marins, cohérentes avec les observations sur le terrain. »

En plus d'être une innovation scientifique, la nature en libre accès de Camele en fait un outil précieux pour la conservation marine.

Des modèles formés et une plateforme de visualisation en ligne sont disponibles gratuitement, permettant aux chercheurs, aux agences environnementales et aux décideurs politiques d'adapter le cadre aux différentes régions de la Méditerranée. Cette accessibilité favorise des actions de conservation coordonnées et un suivi plus cohérent à long terme.

Selon Manuel Matías, l'outil peut « aider à détecter les premiers signes de perte ou de fragmentation des herbiers marins et permettre des réponses de gestion plus rapides et plus efficaces ».

Pour l’avenir, l’équipe vise à élargir le cadre pour suivre d’autres indicateurs de santé des écosystèmes et à étendre son application au-delà des îles Baléares.

En combinant l’IA et la télédétection, l’étude ouvre la voie à une nouvelle génération de systèmes de surveillance écologique capables de suivre le rythme rapide des changements environnementaux. Continuez à lire dans NATURE.