Eawag Rapport d'activité 2021

12
L'intelligence artificielle au service de la surveillance du plancton
Grâce à des méthodes d'apprentissage automatique, les ordinateurs parviennent à reconnaître avec fiabilité les
minuscules organismes qui vivent dans les lacs suisses et à les classifier. À l'avenir, ces machines pourront aider à
prédire le développement de certaines populations, comme par exemple les blooms de cyanobactéries toxiques.
Photo L'Aquascope, microscope
submersible, à l'œuvre
pour photographier les différentes
espèces de plancton
dans le lac de Greifen.
Jonas Steiner, Eawag
Des chercheurs de l'Eawag ont étudié la diversité du
plancton des lacs de Greifen et de Hallwyl à l'aide de
microscopes submersibles spéciaux. «Nous observons
les populations de plancton dans leur environnement
naturel – sans interférer dans les interactions entre les
différentes espèces», explique Francesco Pomati, responsable
du projet Aquascope de l'Eawag, dans lequel des
milliers d'images du plancton sont prises chaque jour par
un appareil photo submersible associé à un microscope.
Un système très fiable qui ne se fatigue pas
Si ces photos sont examinées une à une par des spécialistes
selon la méthode traditionnelle, ceux-ci parviennent
tout au plus à déterminer les organismes
présents sur quelques dizaines de prises de vue par
jour. Le chef de groupe de recherche Marco Baity-Jesi
et son équipe du département Analyse des systèmes,
évaluation intégrée et modélisation ont maintenant développé
des algorithmes grâce auxquels des machines
sont capables d'effectuer cette classification en toute
autonomie. Et ce, sur près d'un million de photos par
jour – quasiment sans erreurs et sans perte d'efficacité.
Les chercheurs ont tout d'abord alimenté leurs modèles
dits de «deep learning» avec des exemples d'entraînement,
soit des milliers de photos sur lesquelles les
spécialistes avaient déjà identifié le plancton. Chaque
photo fait progresser la machine dans son apprentissage
automatique. Elle affine ainsi d'image en image
ses capacités à reconnaître les caractéristiques des
différentes espèces et donc à les classifier.
De multiples possibilités d'application dans la recherche
sur l'eau
«Nous avons aujourd'hui atteint une précision de
98 pour cent», indique Baity-Jesi. Dans le projet
Aquascope, l'intelligence artificielle aide à mieux comprendre
la dynamique de développement du plancton et
permettra ainsi par exemple de prédire l'apparition des
blooms toxiques de cyanobactéries. Mais l'apprentissage
automatique intervient aussi de plus en plus dans
d'autres domaines de la recherche sur l'eau. Il permet
ainsi d'améliorer la prévision des crues ou d'identifier,
à partir de photos, les effets des substances chimiques
sur les cellules de poissons.
Aquascope
Photos du plancton