Voici comment les scientifiques utilisent l’apprentissage automatique pour écouter les poissons

Ceci est une histoire d’Inside Science.

Alors que le soleil se lève sur l’île des Samoa américaines, un chœur de voix d’animaux dérive vers le haut. Ce ne sont pas des appels d’oiseaux, cependant – les ronronnements, les clics et les gémissements viennent de sous l’eau. De nouvelles recherches montrent comment l’automatisation peut rendre de plus en plus facile l’écoute des poissons émettant des sons et découvrir l’impact de leur environnement sur eux.

Jill Munger a entendu parler pour la première fois de poissons qui émettent des sons alors qu’elle était étudiante de premier cycle. Un chercheur chevronné lui a parlé d’acoustique marine.

« Elle l’a décrit de cette manière vraiment cool : je peux espionner des créatures dans l’océan, sans les déranger », a déclaré Munger, actuellement chercheur en écologie marine à l’Oregon State University. « Lorsque vous êtes plongeur, vous dérangez la faune lorsque vous nagez, vous ne pouvez donc pas voir ce qu’ils font lorsque vous n’êtes pas là. » Mais la surveillance acoustique passive offre un paysage sonore pur.

Munger a reçu un disque dur avec 18 000 heures de son provenant d’une zone d’hydrophone à 12 stations entretenue par la NOAA et le National Park Service aux Samoa américaines – une quantité de données qui semblait impossible à trier, a-t-elle déclaré. « C’est comme si quelqu’un vous tendait une mixtape d’une semaine, vous n’allez jamais tout écouter. »

Elle a utilisé un logiciel qui a créé un spectrogramme – une lecture visuelle du bruit. Certains des sons étaient facilement identifiables, comme les appels de baleines. Mais il y avait d’autres sons totalement étrangers. « C’était vraiment presque comme un casse-tête pour comprendre quels étaient les différents sons », a-t-elle déclaré. Certaines sections étaient bruyantes, comme du vent, et d’autres comme un vieux disque rayé dominé par le bruit des crevettes qui claquaient. Finalement, elle a déterminé qu’ils provenaient de poissons.

Elle était capable de repérer les moments où les poissons appelaient ensemble – matins et soirs, comme un chœur. Il y avait un son qui excitait particulièrement Munger. Elle adore les chats et le cri de la demoiselle lui a rappelé le ronronnement.

« Tome, [the fish calls] sont très distinctes et pleines de personnalité », a-t-elle déclaré, ajoutant que les demoiselles émettent ce son particulier en claquant leurs dents pharyngées ensemble et en amplifiant le son à travers leur vessie natatoire. Le terme technique est un train d’impulsions, et il est utilisé dans l’accouplement.

Malgré tous les sons intrigants sur le disque dur, Munger savait qu’elle ne serait jamais capable de passer au crible toutes les données. Elle s’est donc tournée vers son frère, Daniel Herrera, un ingénieur en apprentissage automatique, pour obtenir de l’aide. Il lui a dit qu’il s’associerait avec elle sur le projet.

Herrera a écrit le code et ensemble, ils ont formé le modèle. Les découvertes du couple ont été publiées dans la revue Marine Ecology Progress Series. L’échantillon d’apprentissage automatique ou les données d’entraînement comprenaient 400 à 500 appels de demoiselles. Avec ce début, Herrera, co-auteur de l’article, a construit un modèle d’apprentissage automatique qui a identifié avec précision 94% des appels de demoiselles.

Des goulots d’étranglement de la recherche peuvent survenir lorsqu’il est difficile d’analyser efficacement de grandes quantités de données – mais des systèmes comme celui-ci peuvent changer la donne, a déclaré Carrie Bell, chercheuse à l’Institut coopératif de recherche en sciences de l’environnement de l’Université du Colorado à Boulder, qui n’était pas impliqués dans le nouveau journal. « Lorsque vous commencez à introduire des algorithmes et des approches comme l’apprentissage automatique et l’intelligence artificielle et cet apprentissage en profondeur, vous êtes en mesure de créer quelque chose de plus intelligent et de beaucoup plus efficace pour traiter de grandes quantités de données. »

Au-delà de la simple identification, la méthode peut découvrir des indices sur la santé d’un écosystème, a déclaré Bell. Étant donné que les cris des poissons changent avec les conditions environnementales telles que la vitesse du vent, la température de l’eau, l’amplitude des marées et le niveau de pression acoustique, les bruits eux-mêmes peuvent être un indicateur de l’état de l’écosystème, en particulier dans les océans qui subissent rapidement des changements climatiques. Ces approches d’apprentissage automatique ont été utilisées pour analyser les cris des baleines à bosse, mais pas encore dans le monde des poissons.

En plus des ronronnements et des clics que Munger aime, Bell a déclaré dans ses recherches qu’elle avait entendu des poissons – elle ne sait toujours pas quelle espèce – faire des meuglements et d’autres sons mystérieux qui lui rappellent les tubas et les jet skis.

« Les inconnues sont ce qui me fascine le plus, car c’est incroyable que nous soyons ici, en 2022, et que nous puissions comprendre les environnements depuis des décennies, mais il y a encore tellement de choses que nous n’avons même pas encore décrites. »

Inside Science est un service d’actualités de journalisme imprimé, électronique et vidéo à but non lucratif, détenu et exploité par l’American Institute of Physics.