Observer sans déranger : quand l’IA s’invite dans l’étude de la faune alpine

Comprendre le comportement de la faune sauvage est essentiel pour anticiper les impacts du changement climatique ou de l’activité humaine sur les écosystèmes. Les pièges photographiques, moins intrusifs que l’observation directe ou le marquage par capteur, permettent de les étudier sans les perturber. Toutefois, l’analyse manuelle des images qu’ils génèrent s’avère chronophage et partielle.

L’équipe de l'EPFL, menée par le doctorant Valentin Gabeff et supervisée par les professeurs Alexander Mathis et Devis Tuia, répond à ce défi avec MammAlps, un ensemble de données vidéo multimodal et multi-angle destiné à entraîner des modèles d’IA capables d’identifier les espèces et d’interpréter leurs comportements sur le terrain.

Les chercheurs ont installé des pièges photographiques sur trois sites du Parc national suisse, chacun représentatif d’un habitat écologique différent. Chaque site a été équipé de trois caméras positionnées sous des angles différents, afin de capter la même scène avec un maximum de contexte spatial.

Activées par le mouvement, elles ont filmé pendant six semaines différentes espèces : cerf élaphe, renard, loup, lièvre de montagne et chevreuil entre juin et août 2023, de jour comme de nuit. L’ensemble du protocole a été validé par la Commission de recherche du Parc national, garantissant sa compatibilité avec les règles de préservation en vigueur.

Au total, plus de 43 heures de séquences brutes ont été enregistrées. Après avoir été traitées par des modèles de détection (MegaDetector, ByteTrack), puis annotées manuellement pour assurer précision et cohérence, 8,5 heures ont été retenues pour leur richesse comportementale.

Les séquences vidéo ont été complétées par des enregistrements audio des sons ambiants, ainsi que par des cartes environnementales décrivant les éléments du paysage (rochers, sources d’eau, buissons), susceptibles d’influencer les déplacements et interactions des animaux. Les conditions météorologiques ont également été intégrées pour permettre une analyse contextuelle plus fine.

Les comportements ont été étiquetés selon deux niveaux : des actions précises (marcher, renifler) jusqu’à des activités plus globales (jouer, chercher de la nourriture). Cette structure hiérarchique permet aux algorithmes d’IA de mieux contextualiser les comportements observés.

Les travaux se poursuivent activement : l’équipe analyse les données récoltées en 2024 tout en menant de nouvelles campagnes sur le terrain en 2025 pour affiner l’étude des dynamiques comportementales à travers les saisons.

À long terme, MammAlps pourrait permettre d’identifier plus rapidement les effets du dérèglement climatique, de détecter des comportements inhabituels liés à des maladies, ou à la réintroduction d'espèces rares .

MammAlps a été sélectionné en tant que Highlight à la conférence CVPR 2025, l’un des événements les plus prestigieux dans le domaine de la vision par ordinateur. Une reconnaissance méritée pour un projet qui combine innovation technologique et engagement écologique.

L’ensemble de données MammAlps est accessible en ligne à des fins de recherche sur le site : https://eceo-epfl.github.io/MammAlps/

Références de l'article : Valentin Gabeff, Haozhe Qi, Brendan Flaherty, Gencer Sumbül, Alexander Mathis, Devis Tuia. "MammAlps : Un ensemble de données vidéo multi-vues de surveillance du comportement des mammifères sauvages dans les Alpes suisses". Conférence IEEE/CVF sur la vision par ordinateur et la reconnaissance de formes (CVPR), Nashville, TN, 2025. https://arxiv.org/html/2503.18223v1