Une équipe de l'Université du Michigan a mis au point un algorithme d'apprentissage automatique intégré au logiciel LeafMachine2. Créé par William Weaver, chercheur au sein du programme Schmidt AI in Science, cet outil permet de mesurer automatiquement la surface et l'épaisseur des feuilles à partir d'images numériques de spécimens conservés dans les herbiers. Cette avancée s'inscrit dans l'édition 2026 du rapport State of the World's Plants and Fungi des Jardins botaniques royaux de Kew, qui souligne le rôle central des technologies numériques face aux crises climatiques et de la biodiversité. En traitant plus de 22 000 feuilles issues de 1 580 espèces de plantes à fleurs ligneuses, les chercheurs ont utilisé le système pour estimer la masse foliaire par unité de surface. Les résultats, publiés dans New Phytologist, montrent que cette caractéristique est fortement corrélée aux niveaux de température et d'ensoleillement, bien plus qu'aux précipitations. Cette validation confirme la fiabilité des mesures automatisées pour cartographier les adaptations végétales à grande échelle. L'outil présente également un intérêt majeur pour la paléobotanique. La reconstruction des climats anciens repose souvent sur des fossiles dont la masse foliaire ne peut être mesurée directement. En s'appuyant sur le principe physique selon lequel un pétiole doit être plus épais pour supporter une feuille plus lourde, les scientifiques utilisent les données modernes comme proxy pour analyser des archives fossiles. Cette méthode permet de reconstituer les conditions environnementales passées à partir de simples empreintes végétales. L'exploitation assistée par intelligence artificielle des herbiers, dont les collections historiques remontent au XIXe siècle, transforme fondamentalement la recherche écologique. En automatisant l'extraction de données à partir de millions de spécimens numérisés, ces technologies accélèrent l'analyse des tendances évolutives et des impacts anthropiques. Ce croisement entre la biologie des végétaux et l'informatique démontre comment les outils numériques modernes peuvent revitaliser les archives scientifiques passées pour éclairer les stratégies de conservation futures.