La complémentarité AI et Science participative au service des Objectifs pour le Développement Durable
Un article de Nature Sustainability par Dilek Fraisl, Linda See, Steffen Fritz, Mordechai Haklay (Muki) & Ian McCallum datant de fin 2024 met en avant l’ambition de Pl@ntNet à mêler Intelligence Artificielle et Science Participative comme un exemple dans la lutte contre le changement climatique et ses conséquences. Fraisl et ses collaborateurs et collaboratrices mettent en avant le rôle crucial que peut jouer cette synergie et en particulier dans le monitoring de la biodiversité. Un enjeu d’autant plus important que les auteurs notent l’incapacité de nombreux Etats à produire les données nécessaires à l’accomplissement des indicateurs prévus en 2015 dans le cadre des Objectifs pour le Développement Durable promus par l’ONU. L’IA constitue donc une solution mais aussi un risque auquel Pl@ntNet apporte un précieux retour d’expérience. Cet article s’intéresse tout particulièrement à la place que la Science Participative, une fois conjuguée au potentiel de l’IA, peut prendre dans l’accomplissement des ODD.
Pl@ntNet, un modèle IA-Sciences participatives ayant fait ses preuves pour éviter les éceuils du “Tout IA”
Deux avancées majeures dans la conception de l’IA permettent aujourd’hui d’en apercevoir un potentiel nouveau, en particulier au service de la lutte dans le Changement Climatique. Tout d’abord, l’IA générative qui va produire de nouvelles données en analysant des données préexistantes, notamment textuelles et visuelles. Mais le deuxième modèle, celui du Deep Learning utilisé par Pl@ntNet est particulièrement important pour les auteurs. Le Deep Learning ou « apprentissage profond » en français permettant à partir de grandes quantités de données de faire produire des résultats à une machine en se reposant sur un apprentissage similaire à celui d’un être humain.
Or, les auteurs constatent que malgré le potentiel énorme de l’IA cette technologie peut vite devenir un piège si prise seule.
En effet, l’utilisation croisée de la Science Participative et de l’IA, notamment comme le démontre le cas de Pl@ntNet, améliore significativement la qualité des données d’entraînement sur lesquelles se basent le modèle Pl@ntNet. Les auteurs mettent en avant l’importance des Sciences Participatives dans leur capacité à fournir le volume massif de données nécessaire à l’entraînement d’IA performantes. IA qui bien qu’utiles pour les ODD, pourraient devenir un poids supplémentaire si utilisées seules car le coût d’implémentation de solutions IA sans cet apport massif de données reviendrait à ralentir un processus manuel déjà très en retard. Par ailleurs, cette synergie limite un biais de sélection qui pèse sur les données d’entraînement : un focus trop important sur des jeux de données pre-existants et manquant donc cruellement de spécificités sur des zones du Globe plus reculées ou moins bien recensées. A ce titre, Pl@ntNet, comme Inaturalist ou encore GalaxyZoo proposent des solutions simples et efficaces aux limitations et aux éceuils mentionnés plus haut.
Nous vous invitons à retrouver et à lire l’article dans son intégralité au lien suivant : https://www.nature.com/articles/s41893-024-01489-2. Celui-ci explore plus en détails le sujet mais aussi les opportunités et les limites inhérentes à la synergie IA-Sciences Participatives.
