La reconnaissance faciale expérimentée pour mieux connaître, et se protéger, des grizzlys au Canada et en Alaska

Le 20 novembre 2025, à Bella Coola, en Colombie-Britannique, une province de l’Ouest canadien, un grizzly attaque un groupe d’élèves lors d’une sortie scolaire, blessant 11 d’entre eux. Mêmes reflets mordorés, même masse imposante, aucun collier, aucune tache… Parmi les huit ours capturés après le drame, les autorités ne parviennent pas à identifier l’auteur de l’attaque. Les huit suspects de Bella Coola sont alors relâchés.

« Un outil comme le nôtre aurait pu aider dans ce cas-là », estime Ed Miller. Avec sa collègue Mary Nguyen, l’ingénieur de la Silicon Valley peaufine, depuis 2017, sur son temps libre un logiciel, baptisé « BearID », qui utilise l’apprentissage profond (deep learning) et l’analyse d’images faciales pour identifier les grizzlis. Leur ambition : offrir aux biologistes un œil numérique capable de reconnaître chaque ours sans l’approcher, pour suivre sa santé et ses déplacements tout en limitant les contacts humains. Dans ce projet, ils sont associés à Melanie Clapham, biologiste spécialisée dans l’écologie comportementale à l’université de Victoria, en Colombie-Britannique, qui s’intéressait à la reconnaissance faciale pour ses études sur les grizzlys canadiens, qu’elle observe depuis plus d’une décennie.

Le logiciel s’appuie sur près de 5 000 photos d’une centaine d’ours en Alaska (Etats-Unis) et à Knight Inlet (Colombie-Britannique) – plus de la moitié des 26 000 grizzlis du Canada vivent dans cette province –, un fjord côtier où des centaines de pièges photographiques ont été installés afin de leur tirer le portrait. « Pour observer le comportement individuel d’un ours au fil du temps, il faut d’abord pouvoir l’identifier. Les appareils photo viennent faciliter la tâche des chercheurs sur le terrain », souligne Ed Miller.

Prévenir les conflits

L’algorithme de BearID analyse les traits du visage du grizzly, dont la distance entre le museau et les oreilles, pour reconnaître chaque spécimen. Même si leur corpulence change grandement au gré des saisons, plus de huit fois sur dix, l’ours identifié par le logiciel est le bon. Pour atteindre ce niveau de précision, il faut entre 50 et 100 images de bonne qualité par ours.

Plusieurs parcs nationaux au Canada et aux Etats‑Unis sont séduits par le potentiel de cette technologie pour prévenir les conflits entre ours et humains. « Les autorités veulent savoir si les incursions dans les villages ou les campings sont le fait d’un seul ours ou de plusieurs. C’est une information cruciale pour agir avant qu’un incident ne se reproduise », souligne Ed Miller.

Mais si les photos qui servent à entraîner le logiciel sont de mauvaise qualité, sa fiabilité chute. Une image floue ou partielle peut suffire à tout fausser : dans le cas d’un ours désigné comme responsable d’un incident avec des humains, une erreur d’identification pourrait lui coûter la vie si les autorités s’y fient sans autre vérification.

Par ailleurs, le modèle est compliqué à étendre à certaines espèces dont les spécimens sont trop difficiles à distinguer les uns des autres, comme les ours polaires. A l’inverse, les ours à lunettes, une espèce aux motifs faciaux très marqués, se prêtent davantage à l’exercice.

La biologiste Rebecca Zug, professeure à l’Université San Francisco de Quito, la
capitale de l’Equateur, teste justement le modèle BearID sur ces derniers afin de
mieux protéger la seule espèce d’ours d’Amérique du Sud. Les ours à lunettes, de
grands solitaires qui vivent dans les replis de la cordillère des Andes, comptent parmi les moins connus des ursidés. « Les ours andins sont menacés presque dans toute leur aire de répartition, et nous en savons encore trop peu sur eux : ils sont très timides. Le modèle améliore clairement notre connaissance de ceux-ci », explique la chercheuse.

Sur le terrain, les pièges photo transforment déjà sa pratique. « Avec davantage
d’identification, nous pouvons plus facilement connaître les familles, suivre une
femelle et ses oursons pendant plusieurs années, ce qui nous renseigne aussi sur les corridors écologiques », décrit Rebecca Zug. Les perspectives scientifiques sont considérables : suivre plus aisément la croissance des populations et cartographier leurs déplacements.

Promesse logistique

Pour certaines espèces isolées, la promesse est aussi logistique : moins
d’intervention humaine, qui nécessite capture et collier, stressante pour l’animal, et davantage d’observation passive. « Convaincre un ours d’entrer dans une cage demande beaucoup d’argent, d’efforts et de temps sur le terrain. On doit pouvoir les protéger sans les capturer », assure Rebecca Zug.

Il reste une question : en automatisant l’identification, BearID risque-t-il de réduire les budgets de recherche sur le terrain, finançant moins d’emplois et de formation des biologistes ? « La technologie complète l’observation sur place, mais ne saurait la remplacer », tempère Rebecca Zug.

A terme, BearID pourrait s’allier à d’autres capteurs capables d’évaluer la condition physique d’un animal. Une perte de poids soudaine, par exemple, trahirait un manque de nourriture ou un déséquilibre de l’écosystème. « Nous pourrions détecter ces signaux faibles avant même d’en voir les conséquences sur le terrain, et ainsi mieux les protéger », espère la chercheuse.

[Source: Le Monde]