L’IA qui compte les espèces : quand l’intelligence artificielle sert le vivant

TL;DR : On entend souvent que l’intelligence artificielle est par nature extractive — une technologie au service de la surveillance, de la publicité ciblée, de la concentration du pouvoir. Cette lecture est partielle. La même infrastructure est aujourd’hui utilisée pour identifier des espèces menacées, protéger des parcs naturels contre le braconnage, et accélérer la découverte de médicaments pour les maladies oubliées des pauvres. La question n’est pas “IA oui ou non” mais “au service de qui, avec quelles règles ?”

Voici une statistique qui devrait figurer dans tous les rapports sur l’avenir de l’IA : en 2025, des citoyens ordinaires ont soumis près de 300 millions d’observations de plantes, d’animaux, de champignons et d’autres organismes à une plateforme commune. Ces données ont alimenté plus de 4 000 articles scientifiques sur la biodiversité mondiale.

Ces observateurs ne sont pas des chercheurs en blouse blanche. Ce sont des randonneurs avec un téléphone, des jardiniers curieux, des enfants en sortie scolaire. Leur outil s’appelle iNaturalist. Il combine intelligence artificielle et intelligence collective pour faire quelque chose que les gouvernements et les laboratoires seuls ne pourraient jamais financer : cartographier le vivant à l’échelle planétaire, en temps réel.

C’est cet usage de l’IA que cet article documente. Pas la promesse — les faits.

Les 4,3 millions d’yeux du vivant

iNaturalist est né d’un projet de master à Berkeley en 2008. Aujourd’hui, la plateforme compte 4,3 millions d’utilisateurs enregistrés, dont 400 000 actifs chaque mois. Son algorithme d’identification visuelle analyse vos photos et suggère l’espèce correspondante, affinée par la validation communautaire.

Le résultat est un flux de données écologiques sans précédent. Des scientifiques utilisent ces observations pour suivre l’expansion ou le recul des espèces envahissantes, détecter des populations inconnues de plantes rares, mesurer les effets du changement climatique sur les cycles de floraison, et documenter des espèces dans des régions où aucun chercheur n’est présent.

Ici, l’IA ne remplace pas l’observation humaine. Elle l’amplifie. L’algorithme de reconnaissance visuelle traite ce que 4 millions de regards humains collectent. La validation par la communauté corrige les erreurs. Le résultat est plus fiable que si l’une ou l’autre des deux intelligences opérait seule.

Un point d’honnêteté s’impose : la plateforme n’est pas sans biais géographique. L’Europe du Nord et l’Amérique du Nord sont sur-représentées. L’Afrique subsaharienne et les régions rurales d’Asie du Sud-Est — là où la biodiversité est souvent la plus riche — restent sous-documentées. La carte du vivant que dresse iNaturalist reflète aussi la carte des inégalités d’accès aux smartphones.

La sentinelle des parcs

La déforestation et le braconnage se produisent souvent dans des endroits difficiles d’accès, parfois la nuit, toujours hors de portée des équipes de terrain insuffisantes. C’est là qu’intervient la deuxième application de l’IA dont il faut parler.

EarthRanger, développé par l’Allen Institute for Artificial Intelligence, est une plateforme de gestion de données pour les équipes de conservation. Elle agrège en temps réel les données issues des caméras pièges, des capteurs acoustiques, des GPS portés par les animaux et des rapports des équipes de terrain. L’IA repère les schémas — un véhicule qui s’arrête trop longtemps, un mouvement nocturne anormal dans une zone sensible — et alerte les gardes.

Selon des rapports secondaires, le système est déployé dans 76 pays et 650 aires protégées. Une revue publiée en 2025 dans Frontiers in Ecology and Evolution — dont le premier auteur est affilié au programme EarthRanger — documente comment cette génération d’outils “révolutionne la détection et la perturbation du commerce illégal d’espèces sauvages”, en combinant logiciels open source, IA, capteurs acoustiques et imagerie satellite.

Nuance importante : les chiffres de déploiement (76 pays, 650 parcs) proviennent de communications secondaires et non du texte de l’article Frontiers lui-même. Ils doivent être traités comme des ordres de grandeur indicatifs plutôt que comme des données vérifiées indépendamment.

Ce que l’on peut affirmer avec certitude : l’approche a changé la nature du travail de conservation. Des équipes auparavant réactives — elles découvraient les carcasses après coup — peuvent désormais être préventives. Le braconnage reste un fléau massif ; ces outils ne le résolvent pas seuls, mais ils changent les probabilités en faveur des défenseurs.

La protéine gratuite de l’humanité

En 2022, Google DeepMind a publié une base de données de 200 millions de structures protéiques prédites par AlphaFold, librement accessibles à toute personne dans le monde. Déterminer la structure 3D d’une protéine prenait auparavant des mois ou des années ; AlphaFold le fait en quelques secondes.

Ces structures intéressent la biologie du vivant autant que la pharmacologie. Comprendre comment une protéine se plie, c’est comprendre comment un organisme fonctionne — ou dysfonctionne. Et dans le domaine de la conservation, les protéines sont des biomarqueurs : elles permettent de détecter des maladies chez les animaux sauvages, de comprendre les mécanismes d’adaptation climatique, de développer des traitements pour des espèces en voie de disparition.

Plus de 500 000 chercheurs de 190 pays ont accédé à la base AlphaFold. Parmi eux, des équipes travaillant avec l’initiative Drugs for Neglected Diseases (DNDi) sur la Leishmaniose et la maladie de Chagas — deux maladies qui tuent des dizaines de milliers de personnes par an dans les régions les plus pauvres, et qui n’intéressent pas les laboratoires pharmaceutiques dont le modèle repose sur la solvabilité des patients.

C’est ici que la question de l’accès devient politique. Une technologie dont les résultats sont verrouillés derrière des brevets reste au service de ceux qui peuvent payer. Une technologie dont les résultats sont librement partagés devient un bien commun — et peut servir des maladies oubliées que le marché ignore.

AlphaFold a été publié en open access. Ce choix n’était pas inévitable ; il était délibéré.

IA extractive versus IA régénérative : comment distinguer les usages

Face à un projet ou un produit présenté comme de “l’IA pour le bien”, quelques questions permettent de distinguer le greenwashing de la réalité :

1. Qui contrôle les données ? iNaturalist est géré par une organisation à but non lucratif ; les données sont open access. EarthRanger est open source. AlphaFold est publié librement. Comparez avec un outil d’IA écologique dont les données restent propriété d’une entreprise cotée en bourse : le modèle économique finira par orienter les décisions.

2. Qui bénéficie du résultat ? L’IA régénérative produit des biens communs — une base de données accessible, un médicament sans brevet, une carte partagée. L’IA extractive capture la valeur pour ses actionnaires. La même technologie peut servir l’un ou l’autre selon la structure de gouvernance.

3. Le système est-il auditable ? Un algorithme qui influence des décisions de conservation — où patrouiller, quelle zone protéger — doit pouvoir être examiné par les parties prenantes locales. L’opacité des modèles propriétaires pose un problème démocratique autant que technique.

4. L’IA concentre-t-elle ou distribue-t-elle l’agentivité ? iNaturalist donne à un lycéen de Bretagne ou une chercheuse de Nairobi les moyens de contribuer à la science. C’est la distribution de l’agentivité. Un système qui concentre la capacité de décision dans les mains d’une poignée d’opérateurs va dans le sens inverse.

Ces critères ne sont pas une liste de contrôle parfaite. Ils sont un point de départ pour poser les bonnes questions — avant d’accepter que la prochaine technologie “au service de la planète” le soit vraiment.

Ce que vous pouvez faire

La contribution la plus directe est aussi la plus accessible : installer iNaturalist et photographier le vivant autour de vous. Une observation dans votre jardin, votre rue, votre forêt locale enrichit une base de données mondiale utilisée par des chercheurs que vous ne rencontrerez jamais.

Au-delà du geste individuel, les choix institutionnels comptent davantage. Soutenir des politiques de publication en open access, exiger que les projets d’IA financés par des fonds publics partagent leurs données, et favoriser les entreprises qui publient leurs algorithmes sont des leviers structurels.

La frontière entre IA extractive et IA régénérative n’est pas technologique. Elle est politique. Elle se trace dans les statuts juridiques, les licences, les structures de gouvernance — et dans les choix que nous faisons collectivement sur ce que la technologie doit servir.

300 millions d’observations de biodiversité. 200 millions de structures protéiques. Des parcs protégés sur quatre continents. Ces chiffres existent parce que des institutions ont choisi de mettre leurs outils en commun. D’autres ont fait le choix inverse.

La question n’est pas de savoir si l’IA va “sauver la planète”. C’est une question mal posée. La bonne question : à quelle IA donnons-nous notre confiance, notre temps, et nos votes ?

Sources

• iNaturalist — Wikipedia — vérifié 2026-05-02
• The rising tide of conservation technology — Frontiers in Ecology and Evolution — publié 27 mai 2025, vérifié 2026-05-02
• AlphaFold Protein Structure Database — EMBL-EBI — vérifié 2026-05-02
• AlphaFold reveals the structure of the protein universe — Google DeepMind — publié juillet 2022, vérifié 2026-05-02

À lire aussi :

• AlphaFold : 200 millions de structures protéiques offertes à la science mondiale
• 300 millions d’yeux sur la nature