L'IA confond les animaux sauvages : une étude révèle les faiblesses de l'identification automatique des espèces

Édité par : Svitlana Velhush

Dans les réserves naturelles de Colombie, un piège photographique a capturé un petit marsupial. L'intelligence artificielle, ayant reçu la photo et des informations sur la localité, l'a identifié avec assurance comme une espèce qui ne vit pas dans le pays. Les experts, eux, ont déterminé le véritable habitant — Metachirus myosuros. Ce cas est devenu le point de départ d'une nouvelle étude montrant à quel point les modèles d'IA généralistes sont loin d'un travail fiable avec la nature sauvage.

Le chercheur Gustavo Nicolás Páez Salamanca a testé le modèle GPT-5.2 sur dix mille photographies de vertébrés de Colombie téléchargées sur iNaturalist. Le modèle devait nommer la famille, le genre et l'espèce pour chaque cliché, en connaissant seulement le pays de la prise de vue et sans avoir le droit de refuser de répondre. Le résultat exact au niveau de l'espèce n'a atteint que 9,5 pour cent — environ une photographie sur dix.

La précision variait fortement selon les groupes d'animaux. Chez les mammifères et les reptiles, elle atteignait 17–19 pour cent, tandis que chez les amphibiens, les oiseaux et les poissons, elle descendait sous les cinq pour cent. Les erreurs survenaient plus souvent avec les espèces dont les photographies publiques sont peu nombreuses et avec celles décrites récemment par la science, comme Coendou vossi, élevé au rang d'espèce distincte seulement en 2025.

De telles erreurs ne sont pas un simple détail technique. Si un animal rare est confondu avec un autre plus connu, sa présence peut passer inaperçue. Un nom incorrect ou l'indication d'une espèce hors de son aire de répartition naturelle peut fausser les données sur la distribution des animaux et influencer les plans de protection des territoires.

L'étude n'appelle pas à renoncer à l'IA. Au contraire, l'auteur propose de l'utiliser comme premier filtre : vérifier les propositions automatiques à l'aune des classifications actuelles et des aires de répartition connues, et transmettre les observations douteuses ou importantes à des spécialistes. Les modèles devraient être autorisés à reconnaître leur incertitude au lieu d'être obligés de répondre.

Bien que le travail se concentre sur la faune colombienne, les problèmes mis en évidence sont caractéristiques de la surveillance de la biodiversité dans d'autres régions. La fiabilité de l'identification automatique dépend directement du volume et de la qualité des données disponibles sur les espèces.

Pour que l'IA aide réellement à préserver la nature, ses prédictions doivent être combinées avec des connaissances scientifiques vérifiées et l'expertise des biologistes de terrain.

2 Vues

Sources

  • When AI misidentifies wildlife: New study maps where species identification fails

  • phys.org

Commentaires

Lire plus d'articles sur ce sujet :

Avez-vous trouvé une erreur ou une inexactitude ?Nous étudierons vos commentaires dans les plus brefs délais.