Les plateformes de science citoyenne dédiées à la biodiversité, telles qu'iNaturalist et eBird, font face à une nouvelle menace croissante : les images générées par l'intelligence artificielle. Ces outils deviennent de plus en plus difficiles à distinguer des photographies réelles, risquant de contaminer les bases de données qui alimentent la recherche scientifique. Récemment, l'entomologiste indépendant Kris Anderson a repéré sur iNaturalist une observation d'une mante-feuille-de-mort originaire de Malaisie. Bien que l'image présentât toutes les caractéristiques visuelles du genre Deroplatys, des anomalies anatomiques au niveau de la tête et des antennes ont alerté le chercheur. Il s'agissait en réalité d'une création numérique, l'espèce n'existant pas. Des cas similaires ont été documentés par Alexander Lees, spécialiste de la biodiversité à l'Université de Manchester, notamment concernant un mésangeau du saule en Écosse aux pattes déformées et un oriole sud-américain retouché pour ressembler à un merle à épaulettes. Le modèle Google Gemini, testé par l'équipe de Lees, confirme la facilité avec laquelle ces altérations ou générations complètes peuvent tromper même des experts ornithologues et des algorithmes de classification. Cette infiltration de données synthétiques pose un risque concret pour l'intégrité des publications scientifiques et des évaluations environnementales. Si les canulars taxonomiques ne sont pas nouveaux, comme en témoigne le célèbre faux du papillon Charlton au dix-huitième siècle, l'intelligence artificielle générative agit comme un multiplicateur de menace. Elle permet à toute personne disposant d'un temps libre de produire des observations falsifiées convaincantes à grande échelle, compliquant le travail de vérification dans un domaine déjà confronté à une pénurie de taxonomistes. En réponse, les plateformes commencent à s'adapter. iNaturalist a intégré des outils communautaires pour signaler le contenu potentiellement généré par une IA, tandis que l'Atlas de la vie australienne rappelle que la gestion rigoureuse des données inclut historiquement le filtrage systématique des intrusions fantaisistes. Selon les experts, une stratégie efficace repose sur trois piliers : la mise en place de protocoles d'authentification d'images et de vérification des métadonnées, la sensibilisation du public aux risques de ces technologies, et le maintien d'une validation humaine stricte. Loin de rejeter systématiquement l'IA, les chercheurs soulignent que cet outil peut également servir la conservation. Des modèles d'apprentissage automatique sont déjà utilisés avec succès pour prédire les migrations aviaires, surveiller les efflorescences algales ou trier des millions d'images de pièges photographiques, à condition que la classification finale reste toujours sous contrôle humain. Face à la convergence entre la crise climatique, le déclin de la biodiversité et l'essor des IA génératives, la vigilance des communautés de passionnés et des curateurs demeure le meilleur rempart pour préserver la fiabilité des registres scientifiques mondiaux.