Peux-tu te présenter et revenir sur ton parcours ?
Je suis Raphaël Benerradi, doctorant en deuxième année au sein de l’équipe IROKO d’Inria, basée au LIRMM à Montpellier. Ma thèse porte sur un sujet à l’interface entre l’informatique, les statistiques, le machine learning et l’écologie. J’ai d’abord suivi une formation en informatique et en mathématiques à CentraleSupélec à Paris-Saclay, avant de compléter mon parcours par un double diplôme à AgroParisTech, en agronomie. Cette double formation me permet aujourd’hui de travailler à la croisée de ces deux disciplines.
Quel est ton lien avec Pl@ntNet ?
Pl@ntNet réunit plusieurs équipes et je fais partie de celle qui travaille sur les aspects informatiques. Nous collaborons avec les ingénieurs et les porteurs du projet afin d’exploiter les données collectées par l’application dans une perspective de recherche. Ces échanges sont également l’occasion de proposer de nouvelles orientations pour faire évoluer l’application afin qu’elle réponde à la fois aux besoins des utilisateurs et utilisatrices, et aux enjeux scientifiques, notamment en matière de conservation de la biodiversité.
Je bénéficie d’un contrat doctoral financé par une bourse ministérielle de l’école doctorale. Mon lien avec Pl@ntNet passe avant tout par l’équipe de recherche et mes encadrants, Alexis Joly, Christophe Botella et Maximilien Servajean.
Connaissais-tu Pl@ntNet avant de rejoindre l’équipe ?
Oui, mais uniquement comme utilisateur. J’utilisais l’application pour identifier des plantes, sans savoir qu’il s’agissait d’un projet français, encore moins basé à Montpellier. En recherchant un sujet de thèse, je savais que je voulais quelque chose mêlant à la fois l’informatique et les statistiques avec l’écologie. Et c’est en rejoignant ce projet de thèse rattaché à l’équipe Pl@ntNet que j’ai découvert toute la dimension scientifique qu’il y avait derrière. Et en y réfléchissant, c’est assez logique au final, des millions de personnes qui produisent des millions d’observations, ça constitue forcément une ressource exceptionnelle pour répondre à de nombreuses questions de recherche, notamment sur le suivi de la biodiversité.
Et du coup, peux-tu nous parler précisément de ton sujet de thèse ?
Je travaille sur l’estimation des évolutions spatiales et temporelles de la présence des espèces végétales. L’objectif est de produire des cartes indiquant où les plantes sont présentes et d’étudier comment leur répartition évolue au fil du temps. Pour cela, j’utilise les données opportunistes de Pl@ntNet, c’est-à-dire les observations réalisées librement par les utilisateurs. En combinant statistiques et apprentissage automatique, je développe des modèles capables d’estimer la probabilité de présence des espèces dans l’espace et dans le temps.
Quels sont les principaux défis de ce travail ?
Les observations issues de Pl@ntNet sont très nombreuses, mais elles sont aussi biaisées puisqu’elles ne suivent aucun protocole de collecte. Les utilisateurs photographient les plantes où et quand ils le souhaitent, ce qui entraîne mécaniquement une surreprésentation de certains lieux, comme les villes ou les sites touristiques, et de certaines périodes, notamment le printemps. De même, cela entraîne une sous-représentation liée aussi aux lieux et à la période de l’année. Mon travail consiste donc à corriger ces biais afin de distinguer les véritables évolutions écologiques des effets liés aux comportements d’observation.
Je développe donc des modèles statistiques qui distinguent deux phénomènes. Le premier décrit les facteurs écologiques qui expliquent la présence d’une espèce, comme le climat ou l’occupation des sols. Le second modélise le processus d’observation, c’est-à-dire la probabilité qu’une espèce soit effectivement détectée par les utilisateurs selon le lieu, la période ou à cause d’un ensemble d’autres facteurs. J’enrichis ensuite ces modèles grâce à des méthodes de machine learning, notamment des réseaux de neurones, afin d’améliorer leur précision et leur capacité à exploiter ces très grands volumes de données disponibles via Pl@ntNet.
Ces méthodes sont-elles entièrement nouvelles ?
Dans les faits, non, elles s’appuient sur des travaux existants. Mais dans notre cas on les adapte au contexte de Pl@ntNet et de ses données. Les modèles d’occupation existaient déjà dans la littérature scientifique, mais étaient principalement utilisés avec des données collectées selon des protocoles scientifiques stricts. Ces protocoles produisent des données plus qualitatives, moins biaisées. Cependant, ces collectes doivent être organisées, les citoyens et citoyennes mobilisés doivent être formés, cela coûte donc cher et est très chronophage. Par ailleurs, dans ce genre de démarches, on focalise souvent sur une zone ou un groupe d’espèces d’intérêt. On ne remplace pas un travail de botanique ou de suivi de végétation, mais on offre une alternative qui permet de produire des résultats à grande échelle. L’objectif est de se rapprocher, via ces jeux de données massifs, de résultats proches ou équivalents à ceux d’une étude avec un protocole strict. Mais l’objectif n’est pas de remplacer ces suivis scientifiques protocolés, qui restent indispensables, mais de les compléter. Les données massives issues de Pl@ntNet permettent d’étendre les analyses à des échelles spatiales et à un nombre d’espèces qu’il serait difficile d’atteindre avec les seuls protocoles classiques.
Mon travail consiste alors à composer avec ces données opportunistes massives issues de Pl@ntNet, à développer des implémentations capables de traiter ces volumes de données très importants et à les enrichir grâce aux méthodes de deep learning développées dans l’équipe. Tout cela pour tirer des résultats exploitables et scientifiquement solides alors même que les données de base peuvent être biaisées.
Quelle est la principale contribution de Pl@ntNet à tes recherches ?
L’apport essentiel est constitué par les observations produites par les utilisateurs et utilisatrices. Mon travail repose sur ces données, mais également sur la qualité de leur identification. Les évolutions de l’algorithme d’identification peuvent influencer les observations disponibles ; c’est pourquoi mes modèles peuvent aussi contribuer à détecter d’éventuelles anomalies ou erreurs introduites lors des mises à jour de cet algorithme. C’est un travail que je mène notamment conjointement avec Vanessa Hequet, botaniste chez Pl@ntNet, qui s’intéresse justement à la détection des erreurs, des anomalies et des biais.
Par exemple,si un changement brutal est observé dans les données concernant une espèce, il peut refléter une évolution écologique réelle ou alors un changement dans les comportements des utilisateurs ou encore une modification de l’algorithme d’identification. En identifiant plus clairement ces situations, il devient possible de vérifier la qualité des identifications, d’améliorer l’algorithme et, si nécessaire, de renforcer les contrôles réalisés par les botanistes. Ce travail est encore exploratoire mais il montre que la recherche peut contribuer directement à améliorer la qualité des données produites par Pl@ntNet.
Quel est, selon toi, l’intérêt scientifique de ces recherches et leur apport pour Pl@ntNet ?
Les données de Pl@ntNet offrent un terrain d’étude unique pour développer de nouvelles méthodes statistiques et de machine learning capables de corriger les biais inhérents aux données de science participative. Au-delà de l’intérêt méthodologique, ces travaux peuvent produire des connaissances utiles à la conservation de la biodiversité, par exemple en détectant le déclin d’espèces végétales et en orientant des mesures de protection. Pour Pl@ntNet, ils permettent de valoriser les données produites par les utilisateurs et de mieux comprendre le fonctionnement de l’algorithme d’identification, afin d’améliorer sa fiabilité et de renforcer la confiance des experts comme des utilisateurs et utilisatrices.
Existe-t-il d’autres sources de données comparables à celles de Pl@ntNet ?
Il existe quelques plateformes similaires, comme iNaturalist, qui collecte également des observations opportunistes mais sur un ensemble plus large d’organismes vivants. Pl@ntNet se distingue toutefois par sa spécialisation sur les plantes et par son caractère très grand public, ce qui lui permet de recueillir des observations réalisées par des utilisateurs aux profils très variés. Cette diversité apporte des informations complémentaires à celles issues de programmes de science participative plus protocolés, comme Vigie-Nature par exemple, dont les données sont généralement plus précises mais beaucoup moins nombreuses. Les données de Pl@ntNet permettent ainsi de couvrir un territoire beaucoup plus vaste, y compris des espaces peu étudiés par les protocoles classiques comme les zones urbaines par exemple. Les deux approches sont donc complémentaires : les programmes protocolés offrent une grande qualité d’observation, tandis que Pl@ntNet apporte une masse de données sans équivalent.
En effet, la science participative occupe aujourd’hui une place essentielle, en particulier pour le suivi de la biodiversité. Les chercheurs ne peuvent pas, à eux seuls, produire les volumes de données nécessaires pour observer les évolutions des espèces à grande échelle. Les contributions des utilisateurs et utilisatrices, souvent réalisées sans qu’ils aient conscience de participer à la recherche, représentent donc une ressource précieuse. Dans le cas de Pl@ntNet, le nombre très important d’observations constitue une opportunité exceptionnelle pour répondre à des questions scientifiques qui seraient autrement totalement inaccessibles. La recherche repose désormais aussi sur cette contribution collective des citoyens et citoyennes.
Ce type de recherche aurait-il été possible il y a une vingtaine d’années ?
Probablement pas à cette échelle. Bien que des collections naturalistes existaient déjà, les plateformes numériques ont profondément changé les possibilités offertes à la recherche en permettant de rassembler des millions d’observations. Aujourd’hui, je travaille sur un jeu de données d’environ 2,6 millions d’observations de qualité couvrant près de 10 000 espèces végétales. Il reste impossible de suivre toutes ces espèces, mais ces volumes permettent déjà d’en analyser plusieurs centaines, voire un millier, ce qui aurait été difficilement envisageable il y a vingt ans avec les outils et méthodologies classiques. Les plateformes comme Pl@ntNet ont ainsi ouvert de nouvelles perspectives pour le suivi de la biodiversité, mais toujours complétées par des méthodes plus traditionnelles.
Si tu te projettes dans cinq ans, quelles évolutions aimerais-tu voir apparaître dans Pl@ntNet ?
L’une des applications envisagées dans le cadre de ma thèse serait que l’application puisse, au moment de l’identification d’une plante, indiquer si cette espèce est en augmentation ou en régression dans une région donnée, ou encore signaler qu’il s’agit d’une observation rare présentant un intérêt particulier. Côté utilisateur, j’aimerais également que l’application soit plus explicable. Au-delà du simple résultat, elle pourrait expliquer pourquoi une espèce est proposée, en mettant en avant les caractéristiques de la plante qui ont conduit à cette identification et en suggérant, si nécessaire, de photographier certains détails ou de prendre un autre angle pour améliorer la prédiction. Cette capacité à expliquer les décisions de l’algorithme constitue selon moi une évolution importante.
