Un projet qui réunit plusieurs partenaires internationaux envisage de se servir de la numérisation massive récente des herbiers et des avancées dans le domaine de l’intelligence artificielle pour développer des modèles pouvant permettre de prédire les changements du climat.
Grâce à l’intelligence artificielle, les chercheurs veulent désormais décupler leurs capacités d’annotation et élargir les possibilités d’exploitation des herbiers afin de créer des modèles d’anticipation des changements climatiques.
Cette nouvelle approche pour traiter les centaines de milliers d’espèces végétales (près de 400 000 espèces végétales) recensées à travers le monde mobilise actuellement plusieurs institutions de recherche dont le Centre de coopération internationale en recherche agronomique pour le développement (CIRAD).
Le chercheur Pierre Bonnet du CIRAD qui participe à ces travaux indique que la création des modèles d’anticipation des changements climatiques se fera à partir des informations sur le nombre ou la proportion de structures reproductrices, notamment les bourgeons, les fleurs et les fruits, observables sur chaque spécimen d’herbier.
Selon les explications de ce botaniste, les données prendront la forme de services informatiques web « permettant par exemple de sélectionner des spécimens d’herbiers dans une base de données en ligne et d’obtenir des annotations automatisées sur ces spécimens ».
Ces annotations, récupérées par les chercheurs, a-t-il indiqué, pourraient ensuite être intégrées dans des modèles prédictifs.
Pour sa part, Katelin D. Pearson, chercheure à l’université polytechnique d’État de Californie (Etats-Unis), estime que « trouver toujours plus d’applications pour les spécimens numérisés ne fait qu’augmenter la valeur des herbiers dans la sphère publique et, à un niveau très bas, pour les bailleurs de fonds potentiels ».
Elle ajoute que « la numérisation des herbiers africains, ainsi que la poursuite de l’exploration botanique et du catalogage, serait un énorme avantage en termes de capacité pour la prédiction ».
