Dans la chaîne d’extinction d’espèces, l’IA peut prédire le prochain maillon à briser

Aug 22, 2023

Il y a environ 100 ans, un programme de contrôle des prédateurs dans le parc national de Yellowstone a entraîné l'extinction des loups originaires de la région. Cela a déclenché la détérioration progressive de l’ensemble de l’écosystème. Sans loups, la population de wapitis a explosé, entraînant un surpâturage. Sans arbres et plantes de taille adéquate, les castors étaient incapables de construire des barrages. Cela a à son tour affecté le débit de l’eau des rivières locales, ce qui a finalement eu un impact sur les poissons.

Si cette cascade écologique s’était produite en 2023, un modèle d’intelligence artificielle aurait pu en prédire les répercussions bien à l’avance.

Un modèle d'apprentissage automatique développé par des scientifiques de l'Université Flinders en Australie peut prédire quelles espèces sont susceptibles de disparaître si un prédateur ou une proie est introduit ou retiré d'un écosystème. Il est formé à partir de données sur la manière dont les différentes espèces interagissent les unes avec les autres.

Une étude publiée dans la revue Ecography définit le cadre permettant de rassembler des données sur les interactions entre espèces et de former des algorithmes d’apprentissage automatique pour prédire les cascades d’extinction – les extinctions secondaires qui se produisent dans le cadre d’un effet d’entraînement des extinctions primaires dans un écosystème.

Le modèle est basé sur la corrélation importante entre les interactions entre les espèces et la santé des écosystèmes. Pour que les écosystèmes du monde entier maintiennent un équilibre sain, il est important de ne pas perturber les réseaux alimentaires complexes qui y existent.

"De nombreuses extinctions qui se sont produites dans le passé et qui se produiront dans le futur se produisent par le biais d'interactions entre espèces", a déclaré à Mongabay John Llewelyn, auteur principal de l'étude et chercheur en modélisation de réseaux paléoécologiques à l'Université de Flinders, dans une interview vidéo. « Un autre exemple est celui des espèces envahissantes qui se déplacent vers une nouvelle zone. Un prédateur introduit pourrait s’attaquer aux espèces indigènes. Il est donc important de prédire ces interactions afin que vous puissiez donner la priorité à leur conservation.

En 2021, Llewelyn et son équipe ont commencé à collecter des données sur la façon dont différentes espèces interagissaient les unes avec les autres. Pour chacune de ces espèces, ils ont également collecté des données sur leurs caractéristiques qui permettraient de déterminer leur position dans le réseau trophique. Cela comprenait des données sur la taille du corps, le régime alimentaire (mangent-ils des plantes ? Sinon, mangent-ils des vertébrés ou des invertébrés ?), le moment de la journée où ils sont actifs (diurne, nocturne ou crépusculaire ?) et leurs habitats (la canopée). ou arbustes ou niveau du sol ?). Une fois que l'équipe aurait formé l'algorithme, elle pourrait alors « lui remettre une liste d'autres espèces avec leurs caractéristiques et demander au modèle 'Qui va manger qui sur cette liste ?' », a déclaré Llewelyn.

Pour corroborer l'efficacité du modèle, Llewelyn l'a testé dans le désert de Simpson en Australie, pour lequel il disposait déjà de données détaillées prédateurs-proies.

"Nous avons en fait prédit avec beaucoup de précision les interactions prédateurs-proies pour le désert de Simpson, y compris pour les espèces introduites là-bas", a-t-il déclaré. "Les renards et les chats sont des prédateurs introduits en Australie, et l'algorithme pourrait sélectionner avec précision les prédateurs de ces espèces."

Llewelyn a déclaré que le modèle, lorsqu'il est utilisé avec d'autres ressources, pourrait être un bon outil pour mettre en œuvre des actions de conservation sur le terrain.

Il a cité l'exemple du renard roux (Vulpes vulpes), une espèce envahissante introduite en Australie depuis l'Europe il y a un siècle. Les renards sont très destructeurs des plantes et des espèces indigènes du pays. Cependant, jusqu’à présent, les renards n’ont pas pu s’établir dans l’État insulaire de Tasmanie. Llewelyn a déclaré que le modèle pourrait être utilisé pour comprendre les implications écologiques et sur la biodiversité si la population de renards devait proliférer en Tasmanie.

"Vous pouvez prédire de quelles espèces il s'attaquerait le plus probablement", a-t-il déclaré. « Vous pouvez alors employer différentes stratégies de conservation ciblées sur ces espèces indigènes vulnérables. Par exemple, vous pourriez les entraîner à éviter les signaux chimiques des renards.

Cependant, étant donné le manque de données sur les interactions entre espèces, la formation du modèle est une tâche difficile.