La ré-identification automatique des animaux — ou Wildlife Re-Identification — est en train de révolutionner les sciences écologiques et les pratiques de suivi de la biodiversité. Grâce à des avancées en vision par ordinateur et en deep learning, il devient aujourd’hui possible de reconnaître un individu animal à partir de simples photographies, sans marquage, sans stress, et avec une précision de plus en plus bluffante. Chez Natural Solutions, cette technologie alimente nos réflexions pour des outils de suivi plus éthiques, plus efficaces et plus collaboratifs. Et au cœur de cette révolution : les datasets partagés comme Wildlife RE-ID.

Identifier les animaux... sans les toucher

Depuis des décennies, les écologues utilisent la méthode de Capture-Marquage-Recapture (CMR) pour estimer les tailles de population. Mais marquer un animal implique souvent de le capturer, le manipuler, voire l'équiper d’un tag ou d’une puce. C’est coûteux, stressant pour l’animal, et parfois irréalisable dans des milieux sensibles.

Avec la ré-identification visuelle, on reconnaît un individu à partir de motifs naturels : les rayures d’un tigre, les taches d’un hippocampe, la courbure d’un aileron de dauphin ou les écailles d’une tortue. C’est ce qu’on appelle le “code-barres visuel”.

Mais pour entraîner une IA à reconnaître ces individus, il faut énormément de données : des images variées, bien annotées, couvrant un maximum d’individus et d’espèces.

Wildlife RE-ID : un jeu de données ouvert pour les chercheurs et les écolos

C’est là qu’intervient le dataset Wildlife RE-ID, l’un des plus complets à ce jour.

🔍 En chiffres :

+200 000 images
+10 000 individus
Plusieurs dizaines d’espèces (mammifères, reptiles, oiseaux, espèces marines)
Annotations détaillées : identifiant de l’individu, date, lieu, espèce

🧠 Ce jeu de données est utilisé pour :

Entraîner des modèles de deep learning à reconnaître les individus,
Tester la robustesse des algorithmes face aux variations (lumière, angle, posture),
Travailler sur le few-shot learning, c’est-à-dire identifier un individu avec seulement quelques photos.

🤝 Le dataset est ouvert à la recherche académique et à l’innovation environnementale. Il est co-construit par des ONG (WWF, WildMe), des universités (Oxford, MILA, Montpellier), et des acteurs du terrain.

Une opportunité pour Natural Solutions et ecoSecrets

Chez Natural Solutions, nous travaillons sur des outils comme ecoSecrets, une plateforme de gestion et d’analyse des données de terrain. Intégrer une brique d’intelligence artificielle capable de reconnaître automatiquement un individu animal sur photo permettrait :

D’automatiser le traitement d’images issues de pièges photo ou de plongées,
De suivre les histoires de vie des individus (déplacements, fidélité au site, longévité),
De nourrir des analyses de type CMR sans marquage physique,
D’impliquer les citoyens (photographes, plongeurs, observateurs) avec des retours immédiats sur les animaux qu’ils observent.

Grâce à des datasets comme Wildlife RE-ID, il devient possible de préentraîner nos modèles sur des milliers d’individus et de les affiner localement sur des espèces cibles comme l’hippocampe, la tortue caouanne ou encore le lynx boréal.

Télécharger le rapport

Et demain ?

Demain, avec ces outils, les aires protégées pourront suivre leur biodiversité en continu, sans perturbation. Les scientifiques gagneront un temps précieux, et les citoyens se sentiront partie prenante de la connaissance du vivant.

👉 Nous croyons en une conservation plus douce, plus technologique, et surtout plus ouverte. Et cela passe, entre autres, par ces grands jeux de données partagés qui font avancer toute une communauté.

🔗 Envie d’en savoir plus ou de contribuer ? Contactez-nous pour découvrir comment intégrer la reconnaissance visuelle dans vos suivis naturalistes.

Mis en avant