Fish-Predict

Le projet Fish-Predict : prédire la biodiversité des poissons récifaux

Présentation générale du projet

Face aux menaces croissantes, la conservation et la gestion durable des systèmes marins côtiers posent des défis majeurs auxquels les scientifiques, les nations, les organisations non gouvernementales et les gestionnaires sont aujourd’hui confrontés.

Étonnamment, nous manquons encore d’un ensemble d’indicateurs écologiques pertinents et de modèles prédictifs qui pourraient aider à mieux comprendre la dynamique de ces systèmes socio-écologiques et de mieux anticiper leur avenir dans un contexte de changement climatique et de surexploitation. Réunir des experts en biodiversité et en intelligence artificielle est essentiel pour combler cette lacune en tirant le meilleur parti de jeux de données massifs mais non structurés sur la mer Méditerranée et l’océan Pacifique. Les spécialistes en biodiversité vont proposer de nouveaux indicateurs alors que les experts en IA vont développer de nouveaux algorithmes intégrant de multiples sources d’information.

Les grands objectifs du projet

• Le metabarcoding de l’ADN environnemental (ADNe), qui consiste à récupérer et à analyser l’ADN naturellement libéré par les organismes dans leur environnement, a le potentiel de révolutionner le suivi de la biodiversité marine. Cette méthode non invasive est basée sur la filtration et l’analyse de fragments d’ADN libérés par les espèces dans l’eau et qui persistent dans l’environnement pendant environ 12 à 24 heures. Pourtant, seule une minorité d’espèces de poissons (25%) est actuellement présente dans les bases de données génétiques de référence disponibles en ligne, ce qui limite l’étendue de la biodiversité détectée par ADNe. Ici, nous proposons de développer un algorithme en IA capable d’assigner des séquences d’ADNe avec précision et rapidement à des espèces de poissons et, quand l’espèce n’est pas identifiée, à des niveaux de taxinomiques supérieures ou à des lignées phylogénétiques.

• Les recensements visuels sous-marins ont une efficacité limitée car ils sont contraints par la profondeur et le temps pendant lequel les plongeurs sous-marins peuvent opérer, et par le nombre de plongeurs experts capables d’identifier et de compter les poissons avec précision. Comme alternative, les vidéos sous-marines sont de plus en plus utilisées pour étudier les poissons de récifs peu profonds (0-40m) et mésophotiques (40-120 m). Si l’installation de caméras sous-marines capables d’enregistrer des vidéos haute définition pendant plusieurs heures est une tâche facile, l’analyse de ces vidéos prend beaucoup de temps, ce qui empêche son utilisation pour un suivi efficace et large échelle de la biodiversité. Nous proposons de surmonter cette difficulté en collectant un ensemble d’annotations sans précédent de poissons récifaux sur photos et en entraînant de nouveaux algorithmes en IA capables de détecter et d’identifier automatiquement les poissons sur les vidéos.

• L’approche la plus courante utilisée en écologie pour cartographier, comprendre et prédire la distribution des espèces et de la biodiversité consiste à s’appuyer sur des modèles linéaires multiples et des algorithmes de type ‘machine learning’. Cependant, ces méthodes sont sensibles à la dimensionnalité des données d’entrée, un problème connu sous le nom de “malédiction de la dimensionnalité”. Elles ignorent également les interactions potentielles entre les espèces et la plupart des informations contenues dans les données d’observation satellitaires et d’autres sources. Ici, nous ambitionnons de construire de nouveaux modèles hybrides en IA combinant des réseaux neuronaux profonds avec des méthodes de gestion des ressources sémantiques. Nous répondrons également au manque d’observations in situ pour de nombreuses espèces rares, grâce à la connaissance de leurs relations avec les espèces les plus communes et le contexte socio-environnemental.

Le consortium

MARBEC

La raison d’être de l’UMR MARBEC est de produire et diffuser des connaissances, former des scientifiques et fournir des expertises dans le domaine de la biodiversité marine et ses usages, principalement en Méditerranée et dans les écosystèmes marins tropicaux. MARBEC cherche à mieux comprendre la dynamique des écosystèmes marins par la bancarisation, le traitement et la modélisation d’une masse considérable de données in situ et issues de modèles.

Le projet est co-porté par MARBEC qui apportera ses connaissances et ses bases de données en écologie marine mais aussi son expertise dans le traitement automatisé des vidéos sous-marines par des approches en Intelligence Artificielle pour détecter et identifier les espèces de poissons récifaux.

LIRMM

Le Laboratoire d’Informatique, de Robotique et de Microélectronique de Montpellier – LIRMM – est une Unité Mixte de Recherche, dépendant conjointement de l’Université Montpellier et du CNRS. Ses activités de recherche positionnent pleinement le LIRMM au cœur des sciences et technologies de l’information, de la communication et des systèmes. Sur le plan théorique, elles abordent les fondements du calcul, la science des données et l’intelligence artificielle, la bio-informatique, l’analyse d’images et le génie logiciel.

Le projet est co-porté par le LIRMM qui apportera son expertise sur l’utilisation de l’apprentissage automatique, et plus particulièrement des réseaux neuronaux profonds, et des modèles probabilistes appliqués principalement à la modélisation de la distribution des espèces, au traitement des données visuelles et à la modélisation des graphes.

ESPACE DEV

ESPACE-DEV est une unité de recherche, basée à Montpellier avec de nombreux implantations dans les territoires outre-mer et à l’étranger, avec pour objet commun « la caractérisation et la préparation des transitions pour une viabilité du système intégré société-environnement ». Il est décliné sur plusieurs thèmes et méthodologies riches des compétences de l’unité, et avec une démarche scientifique en science de la durabilité. Cela oriente les recherches vers des approches ancrées dans la quête de solutions, la co-construction avec les acteurs, et le développement d’infrastructures de support et de partage de données. Nos recherches méthodologiques sont centrées autour de traitements de données spatiales, vers des chaînes de traitement, recherche d’indicateurs, ainsi que l’analyse, fouille et intégration de données hétérogènes massives.

ESPACE-DEV sera chargé d’utiliser les sciences et les informations géospatiales pour améliorer notre compréhension des océans et des écosystèmes côtiers par le biais de la télédétection et de divers types d’images satellites.

CEFE

Le CEFE, basé à Montpellier, est l’un des plus importants laboratoires de recherche en Écologie en France. Il vise à comprendre la dynamique, le fonctionnement et l’évolution du vivant, de «la bactérie à l’éléphant », et « du génome à la planète ». Il s’appuie sur trois ambitions : comprendre le monde vivant pour anticiper ce que sera demain, conduire à des innovations et répondre aux attentes de la société ; pratiquer une science « rassembleuse » et diverse dans ses approches disciplinaires. Les questions de recherche sont posées dans un contexte marqué par la prégnance des changements planétaires, le développement de nouvelles technologies de manipulation du vivant, et l’exigence croissante de la société pour la recherche.

Le CEFE interviendra principalement sur le traitement des données massives générées par le metabarcoding de l’ADN environnemental (ADNe). Leur expertise en bio-informatique et en génomique environnementale nous permettra d’assigner efficacement les séquences générées aux espèces de poissons ou à leurs lignés phylogénétiques.

Lab STICC

Le Lab-STICC, UMR CNRS 6285, est le laboratoire structurant la recherche « des capteurs à la connaissance » en Bretagne avec un pôle de référence à visibilité internationale en recherche sur les systèmes communicants. Le Lab-STICC s’intéresse notamment aux micro-ondes et matériaux, aux communications et architecture et circuits, mais aussi aux outils de connaissance, d’information, et de décision comme les modèles en intelligence artificielle.

Dans le projet, le Lab-STICC apportera son expertise en IA pour l’observation et la surveillance des océans, notamment en ce qui concerne les modèles et approches d’apprentissage profond à partir de la dynamique spatio-temporelle et des données de télédétection multimodales.

LECA

Le Laboratoire d’Écologie Alpine (LECA) est une Unité Mixte de Recherche (UMR) du CNRS, de l’Université Grenoble Alpes (UGA) et de l’Université Savoie Mont-Blanc (USMB), membre de l’Observatoire des Sciences de l’Univers de Grenoble (OSUG). Les recherches du LECA visent à comprendre les mécanismes à l’origine de la biodiversité, à comprendre sa dynamique et décrypter son rôle dans le fonctionnement des socio-écosystèmes, et à prédire sa réponse aux pressions anthropiques (changements climatique, pollution, invasions biologiques,). Notre travail se base sur l’observation, l’expérimentation et la modélisation. Nous cherchons à développer des modèles prédisant la réponse de la biodiversité aux changements. Nous les appliquons pour résoudre des questions sociétales en lien avec l’évaluation des services rendus par les écosystèmes, la gestion de l’environnement, et la conservation de la biodiversité.

Dans le cadre de ce projet, le LECA travaillera sur le web sémantique et la représentation des connaissances des poissons dans leur environnement socio-environnemental afin de sélectionner au mieux les indicateurs les plus pertinents de pression (pêche, climat) et de l’efficacité de protection (réserves ou éloignement de l’homme) mais aussi des interactions entre espèces. Cette tâche permettra d’intégrer de multiples bases de connaissances dans les modèles d’apprentissage profond par le biais d’une forme de mécanisme d’attention signal-entité servant de base à de nouveaux modèles hybrides d’IA. Le LECA participera aussi activement à la modélisation de la distribution des espèces et leur projection dans le temps et l’espace.