Biodiversité : Des experts malgaches exploitent l’Intelligence Artificielle pour l’identification de plantes
Des chercheurs, botanistes, enseignants et techniciens malgaches ont récemment pris part à un atelier de présentation des nouvelles fonctionnalités de l’outil PlantNet, organisé dans le cadre du projet européen GUARDEN. Coordonné par Pierre Bonnet, biologiste au Cirad, cet atelier visait à tester et à faire connaître les dernières avancées technologiques de cet outil participatif d’identification des plantes. L’objectif est clair : renforcer les capacités locales en matière de préservation de la biodiversité, en misant sur l’intelligence artificielle et la science ouverte.
PlantNet, un outil intelligent de plus en plus localisé
Créée en 2009 par un consortium de recherche français (Cirad, INRAE, Inria, IRD), la plateforme PlantNet permet d’identifier des plantes à partir de simples photographies de feuilles, fleurs, fruits ou tiges. Grâce aux avancées récentes, l’outil intègre désormais des fonctionnalités de prédiction des espèces en fonction des coordonnées géographiques, ou encore l’identification automatisée de communautés végétales. Ces évolutions répondent aux besoins spécifiques des utilisateurs dans des contextes de biodiversité riches mais souvent peu documentés, comme à Madagascar.
L’atelier a réuni des représentants d’institutions clés telles que le Fofifa, Madagascar National Parks (MNP), le Missouri Botanical Garden (MBG), le Parc Botanique et Zoologique de Tsimbazaza (PBZT), ainsi que des enseignants-chercheurs de l’Université d’Antananarivo. Après une présentation des outils, les participants ont expérimenté leur utilisation sur le terrain, en testant l’application sur les espèces présentes au PBZT. Ces échanges ont permis de recueillir des retours précieux pour améliorer l’adaptation locale de la plateforme.
Vers une reconnaissance plus fine grâce à l’intelligence artificielle
Au-delà de l’identification simple, l’équipe Pl@ntNet, en collaboration avec la Swinburne University of Technology, développe actuellement PlantAIM, un modèle hybride de détection de maladies végétales. Ce système combine la puissance des Vision Transformers (ViT), capables d’analyser globalement une image, et des Convolutional Neural Networks (CNN), spécialisés dans la reconnaissance de détails fins. L’objectif est double : reconnaître la plante et détecter simultanément les symptômes de pathologies.
En effet, ce nouvel outil est d’une grande aide, surtout dans les pays du Sud, afin d’offrir des données plus vagues.
