‍Comment l'intelligence artificielle aide à protéger la biodiversité marine

L'intelligence artificielle aide les scientifiques à protéger les océans en analysant automatiquement d'immenses volumes d'images, de vidéos et de données environnementales. Elle sert à identifier des espèces, cartographier des habitats, suivre l'état des récifs coralliens et anticiper certains risques. Elle n'observe pas à la place des chercheurs : elle rend exploitable ce qu'ils collectent.

Reconnaître des milliers de poissons sur des heures de vidéo sous-marine. Annoter des campagnes photographiques de récifs. Croiser température de l'eau, données satellitaires et traces génétiques. Le goulot d'étranglement de l'océanographie n'est plus la collecte c'est l'analyse.

L'essentiel en 5 points

• Le problème n'est plus de collecter des données océaniques, mais de les analyser. Une campagne d'observation produit des millions d'images qu'aucune équipe ne peut traiter manuellement.
• La vision par ordinateur identifie espèces, coraux et habitats à partir d'images et de vidéos, en une fraction du temps nécessaire à une annotation humaine.
• 🇫🇷 La France a lancé un programme dédié : le challenge IA-Biodiv de l'ANR et de l'AFD, démarré en 2022 pour quatre ans, arrive à échéance cette année.
• L'IA se combine à d'autres technologies : satellites, caméras sous-marines, sonars, capteurs et ADN environnemental.
• Ces applications reposent sur des métiers de la data et de l'IA  les mêmes compétences que celles employées en finance ou en marketing, appliquées à la recherche.

👉 Découvrir la filière Data & Intelligence Artificielle 👉 Découvrir les métiers du numérique

‍

Pourquoi l'océan a-t-il besoin d'intelligence artificielle ?

Parce qu'il produit plus de données qu'on ne sait en traiter. Images sous-marines, vidéos, relevés de température et de salinité, bathymétrie, enregistrements acoustiques, imagerie satellitaire, ADN environnemental : une seule campagne d'observation peut générer des téraoctets.

Historiquement, l'annotation de ces données est manuelle. Un chercheur visionne, identifie, compte, classe. Le travail est rigoureux, et lent  au point que certaines campagnes attendent des mois avant d'être exploitées.

L'IA ne remplace pas cette expertise. Elle en déplace le point d'application : le scientifique passe de l'annotation à la vérification et à l'interprétation.

L'urgence, elle, est documentée. Selon l'Agence française de développement, les populations d'espèces marines ont chuté de 56 % depuis 1970. Protéger suppose d'abord de mesurer.

Comment l'IA reconnaît-elle les espèces marines ?

Par apprentissage supervisé. On entraîne un modèle sur des milliers d'images déjà identifiées par des experts ; il apprend à repérer les caractéristiques visuelles qui distinguent une espèce d'une autre, puis applique cet apprentissage à de nouvelles images.

Concrètement, le modèle aide à identifier des espèces, compter des individus, reconnaître un type d'habitat et traiter en quelques heures ce qui prendrait des semaines.

Ces modèles d'apprentissage profond sont particulièrement adaptés aux données brutes non structurées  images satellitaires, vidéos sous-marines, mesures environnementales spatialisées  que les approches statistiques classiques exploitent mal.

En France, l'expérimentation est très concrète : à Nausicaá, la start-up Visioon teste depuis 2026 un outil de reconnaissance d'espèces, le projet Pictum, dans le bassin californien du site.

Qu'est-ce que le challenge IA-Biodiv ?

Le challenge IA-Biodiv est un programme de recherche lancé le 23 février 2022 par l'Agence nationale de la recherche (ANR), cofinancé par l'Agence française de développement (AFD), pour une durée de quatre ans. Son objectif : développer des méthodes d'IA capables de prédire l'évolution de la biodiversité marine sous l'effet du changement climatique et des activités humaines.

Trois équipes ont été retenues, parmi lesquelles :

• FISH-PREDICT, qui analyse des données massives pour caractériser les écosystèmes côtiers de Méditerranée et du Pacifique à l'aide de modèles de distribution d'espèces.
• SMART-BIODIV, porté par un consortium français associant notamment l'Unité mixte internationale Georgia Tech-CNRS de Lorraine et CentraleSupélec.

L'enjeu du challenge n'est pas la reconnaissance d'images : c'est la construction d'indicateurs de biodiversité fiables à partir de données hétérogènes. Un problème de data science avant d'être un problème d'écologie.

Lancé en 2022 pour quatre ans, le programme arrive à son terme en 2026.

Comment l'IA aide-t-elle à surveiller les récifs coralliens ?

Les récifs sont le terrain d'application le plus avancé, parce qu'ils se photographient massivement et se dégradent vite.

L'usage principal est l'annotation automatisée d'images : identifier, sur chaque photo, quelles portions correspondent à quel type de corail, sain ou blanchi. C'est un travail répétitif, colossal en volume, et parfaitement adapté à la vision par ordinateur. La NOAA emploie pour cela l'outil CoralNet, qui a permis de ramener le traitement de certaines campagnes de plusieurs mois à quelques semaines.

L'imagerie satellitaire entre également en jeu. Des travaux publiés en 2025 ont testé la détection de récifs à partir des données du satellite ICESat-2 couplées à des modèles de machine learning  une approche qui permet de couvrir des zones inaccessibles à la plongée.

L'IA peut-elle prévoir le blanchissement des coraux ?

Elle peut y contribuer, en croisant des données environnementales pour identifier les conditions qui précèdent un épisode. Température de surface, salinité, observations satellitaires, données de capteurs : des systèmes de prévision écologique développés par la NOAA utilisent l'IA pour anticiper les conditions favorables au blanchissement massif.

Le mouvement d'ensemble tient en trois verbes : observer, comprendre, anticiper. C'est le passage du troisième au deuxième qui est difficile  un modèle qui prédit bien n'explique pas nécessairement pourquoi.

L'intelligence artificielle peut-elle sauver les océans ?

Non, pas seule  et la nuance compte. Une IA identifie, classe, analyse, prédit. Elle ne collecte pas les données, ne définit pas les protocoles, ne valide pas les résultats et ne décide d'aucune politique publique. Elle est un instrument de mesure, au même titre qu'un sonar.

Il faut ajouter un point que l'enthousiasme technologique escamote souvent : l'IA a elle-même un coût environnemental. Entraîner et faire tourner des modèles consomme de l'énergie. La question de son bilan net, dans un usage écologique, est légitime et mérite d'être posée plutôt qu'évitée.

Enfin, une grande partie de la valeur vient des humains, y compris non-scientifiques. Le programme eDNA Expeditions de l'UNESCO en est l'illustration : sa première phase a mobilisé 250 citoyens volontaires et permis d'identifier plus de 4 000 espèces à partir de plus de 400 échantillons, avant le lancement d'une deuxième phase en 2025.

L'avenir de la protection des océans sera autant humain que technologique.

Quelles technologies observent la biodiversité marine ?

L'IA n'est qu'une brique dans une chaîne d'instruments.

Caméras sous-marines  pour observer espèces et comportements en continu, y compris là où la plongée est impossible.

Satellites et télédétection  pour couvrir de vastes surfaces et suivre l'évolution d'une zone dans le temps.

Sonars et capteurs  pour cartographier les fonds et mesurer les paramètres physico-chimiques.

ADN environnemental (eDNA)  pour détecter la présence d'une espèce à partir des traces génétiques qu'elle laisse dans l'eau, sans jamais l'observer.

Intelligence artificielle  pour rendre exploitable ce que les quatre précédentes produisent.

Quels métiers de l'IA travaillent sur ces sujets ?

Derrière chaque projet, des profils techniques que l'on retrouve à l'identique dans d'autres secteurs :

• Le Data Scientist construit les modèles d'analyse et de prédiction.
• L'Ingénieur en Intelligence Artificielle conçoit et entraîne les systèmes de reconnaissance.
• Le Développeur en Machine Learning fait passer un modèle du prototype de laboratoire au système opérationnel.
• L'Ingénieur Data construit les pipelines qui acheminent et nettoient des données hétérogènes souvent la partie la plus lourde du projet.
• Les métiers du développement web construisent les interfaces qui rendent ces analyses utilisables par des non-spécialistes.

C'est l'enseignement le plus utile de ce sujet pour un futur étudiant : les compétences sont les mêmes qu'en finance, en marketing ou en santé. C'est le domaine d'application qui change  et il se choisit.

Se former à l'IA et à la Data

Chez NEXA Digital School, la filière Data & Intelligence Artificielle forme en alternance, du Bac +3 au Bac +5 :

• Bachelor Data & Business Intelligence programmation, mathématiques, exploitation de données.
• Mastère Data & Intelligence Artificielle  spécialisation Data Analyst ou Data Scientist.

La formation est financée à 100 % par l'entreprise d'accueil, et l'alternant est rémunéré.

👉 Demander la brochure · Venir à une journée portes ouvertes · Candidater