Quantifying Avian Morphological Evolution through Deep Representation Learning

Imaginez essayer de comprendre comment une voiture a changé sur 100 ans. Vous pourriez mesurer le moteur, la taille des roues et la forme du capot avec une règle. C'est facile parce que les voitures sont faites de pièces dures et rigides. Mais et si vous vouliez étudier comment les plumes d'un oiseau, son poitrail duveteux ou la façon dont il tient ses ailes ont changé ? Vous ne pouvez pas poser une règle sur la texture d'une plume ou sur le motif coloré d'un oiseau sans que cela ne bouge ou ne change. Pendant longtemps, les scientifiques étudiant l'évolution devaient s'appuyer sur des « points de repère » — des points spécifiques sur un squelette qu'ils pouvaient mesurer à la main. C'était comme essayer de cartographier un nuage en ne mesurant que ses contours. Cette méthode était lente, nécessitait qu'un humain devine où placer la règle, et passait complètement à côté des parties molles, spongieuses et colorées des animaux, qui sont souvent les plus importantes pour la survie.

Maintenant, imaginez un nouveau genre de détective qui n'utilise pas de règle du tout. À la place, il utilise un cerveau surpuissant appelé « Apprentissage Profond » (Deep Learning). Cette technologie est comme un étudiant qui a regardé des millions d'images et a appris à repérer de minuscules différences entre les choses sans que personne ne lui dise quoi chercher. Les scientifiques utilisent cela pour reconnaître des visages ou des chats, mais une nouvelle étude pose la question : ce cerveau numérique peut-il aussi comprendre comment les animaux évoluent ? La grande question est de savoir si un ordinateur peut regarder une photo d'un oiseau, ignorer l'arrière-plan, et comprendre son « plan corporel » — sa forme, sa couleur et sa texture — et utiliser cela pour déterminer comment différentes espèces sont liées, sans avoir besoin de connaître son arbre généalogique au préalable. Si cela fonctionne, cela pourrait révolutionner notre compréhension de l'histoire de la vie sur Terre, transformant une supposition floue et subjective en une carte mathématique claire.

---

L'observateur d'oiseaux numérique

Dans cette étude, une chercheuse nommée Jiao Sun a décidé d'apprendre à un ordinateur à être l'observateur d'oiseaux ultime. Au lieu de mesurer des os, l'ordinateur a été nourri par une bibliothèque massive de plus de 4,8 millions de photos d'oiseaux, représentant plus de 10 000 espèces différentes. Le but n'était pas seulement de dire : « C'est un rouge-gorge », mais de comprendre l'essence visuelle de chaque oiseau.

L'ordinateur a utilisé un type spécifique d'intelligence artificielle appelé Réseau de Neurones Convolutifs (CNN), qui est comme un œil numérique qui apprend en observant des motifs. Les chercheurs ont entraîné cet œil à reconnaître chaque espèce d'oiseau de la bibliothèque. Une fois que l'ordinateur était devenu assez « intelligent » pour distinguer un moineau d'un épervier, les chercheurs ne se sont pas contentés de regarder la réponse finale. Au lieu de cela, ils ont regardé à l'intérieur du cerveau de l'ordinateur pour voir les « vecteurs de caractéristiques » — les nombres complexes et de haute dimension que l'ordinateur a créés pour décrire chaque oiseau. Considérez ces nombres comme une empreinte digitale unique et invisible pour la forme, la couleur et la texture de chaque oiseau.

Cartographier la forêt invisible

Voici la partie magique : les chercheurs ont pris ces empreintes digitales numériques et les ont tracées sur une carte géante et invisible. Ils n'ont pas dit à l'ordinateur ce qu'était une « famille » ou un « ordre ». Ils l'ont simplement laissé trier les oiseaux en fonction de la similitude de leurs empreintes digitales numériques.

Le résultat fut stupéfiant. Bien que l'ordinateur n'ait jamais appris les règles de la taxonomie des oiseaux (les noms scientifiques et les arbres généalogiques), il a naturellement regroupé les oiseaux en familles et en ordres qui correspondent presque parfaitement au monde réel. C'était comme si l'ordinateur regardait une photo d'un manchot et une photo d'un albatros et réalisait : « Hé, ces deux-là se ressemblent plus pour moi qu'un canard », et les classait ensemble.

L'étude a révélé que cette carte numérique pouvait capturer des choses qu'une règle traditionnelle ne pouvait pas mesurer. Elle a réussi à regrouper des oiseaux qui se ressemblent parce qu'ils mènent des vies similaires, même s'ils ne sont pas étroitement apparentés. Par exemple, elle a regroupé les oiseaux nocturnes comme les chouettes et les engoules parce qu'ils ont tous deux de grands yeux et des plumes de camouflage pour chasser la nuit. Elle a également regroupé les oiseaux qui ressemblent à des poules ou des cailles, même s'ils appartiennent à des familles différentes, car ils possèdent tous ce même type de morphologie « terrestre ». L'ordinateur avait découvert que l'évolution conduit souvent des animaux différents à se ressembler s'ils font face aux mêmes défis — un concept appelé évolution convergente.

L'« explosion précoce » de la diversité aviaire

Les chercheurs ont ensuite utilisé cette nouvelle carte pour regarder en arrière dans le temps. Ils voulaient voir comment les formes des oiseaux ont changé après l'événement d'extinction massive qui a tué les dinosaures (l'extinction K-Pg, il y a environ 66 millions d'années).

En utilisant un tour mathématique spécial qui traite leur carte comme une surface courbe (une sphère) plutôt que comme une feuille plate, ils ont simulé la manière dont les formes des oiseaux auraient pu évoluer. Ils ont trouvé un motif d'« explosion précoce » (early-burst). Cela signifie qu'immédiatement après la disparition des dinosaures, qui ont laissé beaucoup d'espaces vides dans le monde, les oiseaux n'ont pas seulement changé lentement. Ils ont explosé en nouvelles formes et tailles très rapidement.

Les données suggèrent que dans une fenêtre géologique relativement courte, les oiseaux ont rempli environ 50 % de l'« espace de forme » qu'ils occupent aujourd'hui. C'est comme une pièce qui était vide, et soudain, une immense foule de gens s'y précipite, remplissant chaque coin avec des tenues et des styles différents, puis la pièce s'est simplement remplie de quelques personnes supplémentaires au cours des quelques millions d'années suivantes. Cela soutient l'idée que lorsque la nature efface le tableau, la vie s'engouffre pour remplir les niches vides avec une diversité extrême.

Pourquoi cela importe

Cette étude est importante car elle prouve que nous n'avons plus besoin d'être des experts en anatomie pour mesurer l'évolution. Nous pouvons simplement utiliser des images. L'ordinateur a appris à voir le « plan corporel » d'un oiseau — sa forme et sa structure globales — plutôt que de se laisser distraire par la texture des plumes. C'est un changement par rapport à l'ancienne façon de penser, qui supposait que les ordinateurs ne s'intéressaient qu'aux textures.

Les chercheurs ont montré que cette méthode est incroyablement puissante. Elle peut gérer des traits mous, ondulants et colorés qui sont impossibles à mesurer avec une règle. Cela suggère que l'histoire de la vie est écrite dans les pixels d'une photographie, et qu'avec les bons outils numériques, nous pouvons lire cette histoire plus rapidement et plus précisément que jamais. Bien que la carte de l'ordinateur ne soit pas parfaite — il regroupe parfois des oiseaux qui se ressemblent mais ne sont pas apparentés, ou manque certaines espèces récemment découvertes — elle offre une nouvelle façon évolutive et quantifiable de mesurer la beauté et la complexité de la biodiversité. Elle transforme l'art désordonné et subjectif de la description des animaux en une science mathématique précise.