Mercredi 02 Juillet 2025
Une équipe de chercheurs de l'École polytechnique fédérale de Lausanne (EPFL) a dévoilé lors de la CVPR 2025 MammAlps, un projet qui combine la vision artificielle, l'éthologie et l'observation discrète de la faune sauvage. L'initiative, menée en collaboration avec le Parc national suisse, a pour but de mieux cerner les modes de vie des mammifères alpins grâce à une base de données vidéo multimodale unique en son genre.
Saisir le comportement de la faune sauvage est primordial pour prévoir les conséquences 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, rendent possible leur étude sans les déranger. Néanmoins, l'analyse manuelle des clichés qu'ils produisent se révèle gourmande en temps et incomplète.
L'équipe de l'EPFL, dirigée par le doctorant Valentin Gabeff et encadrée par les professeurs Alexander Mathis et Devis Tuia, relève ce défi avec MammAlps, un ensemble de données vidéo multimodal et multi-angle conçu pour entraîner des modèles d'IA aptes à identifier les espèces et à interpréter leurs agissements sur le terrain.
Une base de données annotée et multimodale
Les scientifiques ont installé des pièges photographiques sur trois secteurs du Parc national suisse, chacun représentatif d'un milieu écologique distinct. Chaque secteur a été pourvu de trois caméras positionnées selon des angles différents, afin de capturer la même scène avec un maximum de contexte spatial.
Déclenchées par le mouvement, elles ont filmé pendant six semaines diverses espèces : cerf élaphe, renard, loup, lièvre variable 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, assurant sa conformité avec les règles de protection 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 garantir précision et cohérence, 8,5 heures ont été conservées pour leur richesse comportementale.
Les séquences vidéo ont été enrichies par des enregistrements audio des sons environnants, ainsi que par des cartes environnementales décrivant les éléments du paysage (rochers, points d'eau, buissons), susceptibles d'influencer les déplacements et interactions des animaux. Les conditions météorologiques ont également été prises en compte pour permettre une étude contextuelle plus précise.
Les comportements ont été classifiés selon deux niveaux : des actions précises (marcher, flairer) jusqu'à des activités plus globales (jouer, chercher de la nourriture). Cette structure hiérarchique aide les algorithmes d'IA à mieux situer les comportements observés.
Des perspectives prometteuses pour la conservation
Les travaux se poursuivent activement : l'équipe analyse les données recueillies en 2024 tout en menant de nouvelles campagnes sur le terrain en 2025 afin d'approfondir l'étude des dynamiques comportementales à travers les saisons.
À terme, MammAlps pourrait permettre de repérer plus rapidement les effets du dérèglement climatique, de déceler des attitudes singulières liées à des maladies, ou à la réintroduction d'espèces rares.
Une reconnaissance internationale
MammAlps a été désigné comme un point fort lors de la conférence CVPR 2025, l'un des événements les plus réputés dans le domaine de la vision par ordinateur. Une reconnaissance amplement méritée pour un projet qui allie innovation technologique et engagement écologique.
L'ensemble de données MammAlps est accessible en ligne à des fins de recherche sur le site : {{HREF}}https://eceo-epfl.github.io/MammAlps/{{/HREF}}
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. {{HREF}}https://arxiv.org/html/2503.18223v1{{/HREF}}
