Ils découvrent que le chant des oiseaux est essentiel pour déchiffrer le langage humain et les neuroscientifiques explosent d'enthousiasme : une découverte sans précédent

Une équipe de l'Université de l'Oregon a présenté TweetyBERT, un système capable de segmenter et de classer le chant des canaris sans étiquettes humaines préalables et avec des performances proches de celles des experts. Cette avancée intéresse les neurosciences, mais elle pourrait également ouvrir une voie utile pour suivre les changements dans la communication animale au sein des populations sauvages.

Les Canaris ne vont pas « traduire » le langage humain du jour au lendemain. Mais leur chant vient de franchir une étape importante dans la compréhension de la manière dont le cerveau apprend, organise et produit des séquences complexes de sons. C'est ce que propose TweetyBERT, un nouveau modèle d'apprentissage automatique développé par des chercheurs de l'Université de l'Oregon et publié le 3 mars 2026 dans la revue motifs.

Jusqu’à présent, de nombreux outils d’intelligence artificielle analysant les vocalisations animales nécessitaient quelque chose de lent et très peu évolutif : des milliers de fragments audio étiquetés par des personnes. « Les méthodes actuelles d'IA pour analyser les vocalisations animales nécessitent des données étiquetées par l'homme, un processus lent et laborieux », explique Tim Gardner, professeur agrégé de bio-ingénierie à l'Université de l'Oregon. Selon le chercheur, TweetyBERT peut traiter des enregistrements non étiquetés, identifier des unités de communication et annoter des séquences. En pratique, cela signifie moins de travail manuel et beaucoup plus de rapidité dans l’étude de chansons complexes.

Pourquoi les scientifiques accordent autant d'attention aux canaris

Ce n'est pas un caprice. Les neuroscientifiques utilisent les canaris depuis des années car ce sont des oiseaux chanteurs capables d’apprendre des chants longs et complexes tout au long de leur vie. Et cela en fait un bon modèle pour étudier les comportements acquis. De plus, leurs chants ne sont pas un simple trille répété. Selon l’Université de l’Oregon, ils peuvent être constitués de 30 à 40 syllabes différentes enchaînées en séquences. Il y a déjà une structure, une mémoire et un ordre. Ce n'est pas rien.

George Vengrovski, un étudiant diplômé du laboratoire de Gardner, a développé TweetyBERT précisément pour automatiser cette tâche d'annotation. Le système adapte l'architecture BERT, connue pour son utilisation dans le traitement du langage, mais l'emmène au domaine acoustique du chant des oiseaux. Qu’est-ce que cela signifie en pratique ? Que le modèle apprend à partir de fragments audio cachés, ce qui revient à dissimuler des morceaux d'un enregistrement et à demander à la machine de déduire ce qui manque. Et ce, en travaillant avec une résolution temporelle dix fois supérieure à celle de nombreux modèles conçus pour la parole humaine.

Ce que TweetyBERT a vraiment accompli

Voici la partie importante. L'étude indique que TweetyBERT apprend seul les unités de chant telles que les notes, les syllabes et les phrases, et peut ensuite les regrouper d'une manière très proche des annotations faites par des experts humains. Lors d'un test avec des données non vues lors de l'entraînement, le modèle pré-entraîné a atteint un taux d'erreur total de 2,5 %, très proche des 1,3 % obtenus par une version entièrement supervisée. Traduit en langage normal, le système est assez proche de ce que réalise un modèle alimenté avec des étiquettes humaines, mais sans trop dépendre de ces travaux antérieurs. Et cela change beaucoup les règles du jeu.

L’œuvre laisse également un indice intéressant sur la manière dont le chant évolue au fil du temps. Les auteurs ont observé que la représentation interne du modèle était assez stable au sein d’une même saison, mais variait clairement entre les chants de printemps et d’automne. Chez les canaris, cela correspond à quelque chose déjà connu de la science : leur chant change avec les saisons et reflète des processus de plasticité neuronale. En d’autres termes, TweetyBERT ne se contente pas de classer les sons, il peut également être utilisé pour suivre l’évolution des répertoires vocaux.

Ce qui est intéressant pour la nature et l'environnement

Et c’est là que l’actualité devient particulièrement attractive pour ceux qui regardent au-delà du laboratoire. Gardner souligne que l'approche de TweetyBERT ne semble pas limitée à une seule espèce. La note officielle de l'Université de l'Oregon souligne que, avec quelques modifications, elle pourrait être appliquée aux populations naturelles d'oiseaux pour détecter des changements dans leurs schémas vocaux. A quoi ça servirait ? Pour mieux surveiller la façon dont ils réagissent à l’expansion des infrastructures humaines ou au changement climatique. Dans un monde où il y a plus de bruit, plus de routes et des habitats plus soumis à des pressions, la bonne audition des oiseaux peut être bien plus importante qu’il n’y paraît.

L'université indique également que l'approche locale est déjà utilisée avec les dauphins et les baleines, ce qui suggère une utilité plus large pour l'étude de la communication animale. Il est préférable de le dire calmement. L’étude ne prétend pas que nous sommes sur le point de traduire les conversations animales comme s’il s’agissait de phrases humaines, mais elle propose un nouvel outil pour trouver des modèles là où il y avait auparavant des montagnes d’audio difficiles à trier. Et cela, pour l’écologie comportementale et la surveillance de la faune, peut s’avérer très précieux.

La nuance à ne pas perdre de vue

Il y a aussi des limites et il est bon de les dire. L'article lui-même reconnaît que le modèle a été entraîné avec environ 15 heures d'enregistrements de trois canaris et qu'il a fallu utiliser au préalable un détecteur de chants pour éliminer les appels, les bruits de cage et les longs silences. De plus, les auteurs admettent qu’ils n’ont pas encore complètement testé les performances de TweetyBERT avec plus de bruit ambiant ou chez des espèces peu étudiées, et que certains écarts continuent d’apparaître par rapport aux étiquettes humaines. C'est dans une large mesure la différence entre un outil prometteur et un outil déjà consolidé pour le travail de terrain. Le problème n'est pas mineur.

À la base, la valeur de TweetyBERT ne consiste pas à vendre l’idée selon laquelle un canari « parle » comme une personne. Il est sur quelque chose de plus sérieux et de plus utile. Trier des sons complexes à grande échelle, détecter des régularités, suivre les évolutions dans le temps et donner aux neurosciences, mais aussi à la biologie comportementale, un moyen plus rapide d'entendre ce qui échappait auparavant à des milliers d'heures d'enregistrement. Parfois, le progrès ne consiste pas à faire plus de bruit, mais à apprendre à mieux écouter.

L'étude officielle a été publiée dans motifs.

L'entrée Ils découvrent que le chant des oiseaux est la clé pour déchiffrer le langage humain et les neuroscientifiques explosent d'émotion : une découverte sans précédent a été publiée pour la première fois sur ECOticias.com.