Dr. Sean Yap, chercheur au Centre pour les Solutions Climatiques Basées sur la Nature à l'Université nationale de Singapour, utilise l'intelligence artificielle pour surveiller la biodiversité dans les forêts tropiques. Son travail au laboratoire LAPIS combine la bioacoustique, l'étude des sons animaux, avec des algorithmes d'apprentissage machine pour analyser de vastes quantités d'enregistrements acoustiques. Ces paysages sonores complexes, composés de chants d'oiseaux, de bruits d'insectes et de coassements de grenouilles, servent d'indicateurs clés de la présence et de l'activité des espèces. La méthode consiste à déployer des enregistreurs autonomes capables de capturer des sons sur de longues périodes, générant des données bien plus standardisées que les relevés de terrain traditionnels. Ces derniers, souvent limités par la disponibilité des chercheurs et leur expérience individuelle, ne peuvent observer les espèces que fuyant la présence humaine. Les enregistreurs produisent des spectrogrammes, des représentations visuelles du son, que les modèles d'IA interprètent pour distinguer les bruits anthropiques, comme le trafic, des vocalisations animales, parfois jusqu'au niveau de l'espèce. Les recherches actuelles de Dr. Yap se concentrent sur deux axes principaux : l'impact du bruit humain sur l'activité animale et le rôle des micro-forêts, petits patches de forêt restaurés, dans l'amélioration de la connectivité écologique en milieu urbain. Cependant, l'utilisation de l'IA présente des défis techniques. Les algorithmes performants pour les oiseaux chanteurs aux cris distinctifs peinent parfois à identifier avec précision les espèces produisant des sons de basse fréquence, tels que les pigeons, les colombes et les hiboux, dont les cris sont souvent confondus avec des bruits de circulation. De plus, de nombreux modèles existants sont entraînés sur des données issues d'Amérique du Nord et d'Europe, ce qui réduit leur fiabilité en Asie du Sud-Est, région d'une diversité exceptionnelle mais difficile d'accès. Pour pallier ces limites, l'équipe de NUS travaille à l'affinement des modèles grâce à des données locales collectées sur le terrain. Dr. Yap souligne que ces outils technologiques ne remplacent pas la recherche scientifique traditionnelle mais la complètent. La précision de l'IA dépend étroitement de la qualité des données d'entraînement et de l'expertise écologique des chercheurs. Cette approche permet de collecter des informations plus complètes sur des écosystèmes denses comme les forêts tropiques, difficiles à étudier sur de longues périodes par des méthodes classiques. À l'avenir, Dr. Yap souhaite étendre la surveillance par bioacoustique au-delà des oiseaux, en intégrant les grenouilles, les insectes, les chauves-souris et d'autres mammifères. En développant des algorithmes entraînés spécifiquement sur les espèces locales, la technologie pourrait grandement améliorer la précision de la surveillance de la biodiversité en Asie du Sud-Est, offrant ainsi un outil puissant pour la conservation de ces régions riches en vie.