Automating Visual Recognition of Leprosy in Wild Chimpanzees

Imaginez un monde où les gardes de sécurité les plus vigilants de la nature sont des caméras silencieuses et immobiles, cachées dans la profondeur de la forêt. Ce ne sont pas celles qui attrapent les cambrioleurs, mais celles qui surveillent les résidents les plus éphémères de la planète : les animaux sauvages. Depuis des décennies, les scientifiques comptent sur ces « pièges photographiques » pour dénombrer les animaux et étudier leur vie, mais le volume colossal de séquences qu'ils génèrent est accablant. C'est comme essayer de trouver un type spécifique de feuille dans une montagne de feuilles d'automne à la main ; cela prend un temps infini, et vous pourriez manquer les plus importantes. C'est là que la magie de l'Intelligence Artificielle (IA) entre en scène. Voyez l'IA comme un détective super rapide et infatigable, capable de scanner des milliers de photos en quelques secondes, à la recherche de minuscules indices qui pourraient échapper à l'œil humain. Mais voici la partie délicate : apprendre à un ordinateur à reconnaître un animal malade est bien plus difficile que de lui apprendre à reconnaître un tigre. Les animaux bougent, se cachent derrière les arbres, et ont des apparences différentes selon la lumière. La grande question que se posent les scientifiques est la suivante : pouvons-nous construire un détective numérique assez intelligent pour repérer une maladie simplement en regardant une photo floue d'un singe dans les bois, sans avoir besoin d'une équipe d'experts pour regarder chaque seconde de vidéo ?

C'est exactement le défi relevé par une équipe de chercheurs qui tentent de sauver les chimpanzés sauvages d'une maladie terrible appelée la lèpre. Vous pensez peut-être que la lèpre est un problème humain, mais c'est aussi un tueur silencieux pour ces grands singes. Lorsqu'un chimpanzé tombe malade, il ne se sent pas seulement un peu indisposé ; il développe des changements physiques très visibles. Sa peau peut perdre sa couleur, ses oreilles peuvent paraître épaisses et enflées, ou il peut perdre des poils et même des doigts. Ces signes sont comme un drapeau rouge vif agitant au vent, mais comme les chimpanzés vivent à l'état sauvage et n'aiment pas les humains, nous ne pouvons pas simplement nous approcher pour les examiner. Nous devons compter sur ces pièges photographiques. Le problème est que les caméras enregistrent tellement de vidéos qu'il est impossible pour les humains de tout regarder. Les chercheurs ont donc construit un nouveau type de pipeline d'IA pour faire le travail de surveillance à leur place.

D'abord, ils ont créé une immense bibliothèque de données d'entraînement appelée « PanLep300 ». Imaginez cela comme un immense album photo contenant plus de 125 000 images découpées de chimpanzés, provenant de centaines de vidéos différentes sur cinq ans. Ils ont soigneusement étiqueté chaque image, indiquant quels chimpanzés étaient en bonne santé et lesquels présentaient les signes effrayants d'une lèpre avancée. Crucialement, ils ne se sont pas contentés de jeter toutes les photos dans un tas ; ils les ont organisées de manière à imiter la vie réelle. Ils se sont assurés que l'IA ne voyait jamais le même chimpanzé spécifique ou le même emplacement de caméra pendant son « entraînement » que lors de son « examen final ». Cela garantit que l'IA apprend à repérer la maladie elle-même, et non qu'elle mémorise simplement que « le Chimpanzé Bob s'assoit toujours près de la Caméra 5 ».

Une fois l'IA prête, les chercheurs ont testé trois méthodes différentes pour la rendre plus intelligente. La première méthode consistait à regarder un instantané unique : l'IA regardait une seule photo d'un chimpanzé et décidait s'il était malade. La deuxième méthode consistait à regarder un court clip vidéo de 16 images du chimpanzé en train de marcher, en espérant que voir le mouvement aiderait. La troisième méthode était la plus complexe, où l'IA essayait de comprendre toute la séquence vidéo à la fois, en apprenant comment le chimpanzé se déplaçait et changeait d'aspect au fil du temps.

Voici le retournement de situation surprenant : la méthode la plus simple a gagné. Les chercheurs ont découvert que l'IA n'avait pas besoin d'être une critique de cinéma ou une experte en mouvement. En fait, la meilleure approche consistait à prendre les photos individuelles (les « crops »), à laisser l'IA deviner si chacune semblait malade, puis simplement à compter les votes. Si la plupart des photos d'une séquence disaient « malade », alors le chimpanzé était malade. Il s'avère que la lèpre est une maladie statique ; les signes ne changent pas rapidement comme un mouvement de danse. Ils sont juste là, comme une tache sur une chemise. Essayer d'apprendre à l'IA à analyser le mouvement complexe du chimpanzé (les méthodes « vidéo ») a en réalité rendu les résultats légèrement moins bons ou pas meilleurs que la simple observation des photos individuelles. Les modèles complexes étaient comme des étudiants essayant de résoudre un problème de mathématiques en écrivant un roman sur les chiffres, alors qu'ils n'avaient qu'à les additionner.

L'étude a également découvert quelques « pièges » qui font trébucher même l'IA la plus intelligente. Un problème majeur se produit au tout début et à la fin d'un clip vidéo. Lorsqu'un chimpanzé entre dans le cadre, il est souvent à moitié caché ou flou. Lorsqu'il en sort, c'est la même chose. Les chercheurs ont constaté que si l'IA essaie de faire la moyenne du score de toute la vidéo, ces moments flous ou de présence partielle font baisser le score, faisant passer un chimpanzé clairement malade pour un sujet sain. C'est comme un étudiant qui obtient un score parfait à un examen, mais qui reçoit un zéro parce qu'il est arrivé en retard en classe et a manqué la première question ; la moyenne gâche le résultat. Pour corriger cela, l'équipe a montré qu'en coupant simplement le début et la fin flous des clips (une stratégie de « découpe » ou « trimmed ») ou en ne comptant que les images les plus nettes et les plus convaincantes (une stratégie des « 25 % supérieurs »), l'IA devient beaucoup plus précise.

Une autre découverte intéressante concernait l'arrière-plan. Les chercheurs ont essayé de supprimer l'arrière-plan de la forêt des photos, ne laissant que le chimpanzé, pensant que cela aiderait l'IA à se concentrer. Étonnamment, cela a rendu l'IA moins performante. Il semble que l'IA utilisait des indices provenant de la forêt — comme le type d'arbres ou la luminosité — pour aider à déterminer si le chimpanzé était malade. En supprimant l'arrière-plan, ils ont accidentellement supprimé ces indices utiles. C'est comme essayer de deviner l'humeur de quelqu'un en regardant uniquement son visage, pour réaliser que vous aviez en fait besoin de voir la fenêtre pluvieuse derrière lui pour comprendre pourquoi il était triste.

En fin de compte, les chercheurs ont démontré que nous pouvons construire un système pour dépister la lèpre chez les chimpanzés sauvés en utilisant simplement une caméra intelligente et un ordinateur. Ils ont proué que vous n'avez pas besoin d'un robot super complexe capable de détecter le mouvement pour faire le travail ; un bon œil pour le détail sur une seule photo, combiné à une manière intelligente de compter les résultats, est suffisant. Bien que le système ne soit pas encore parfait et nécessite davantage de tests avec des groupes de chimpanzés plus larges, il offre un outil puissant. Il suggère qu'à l'avenir, nous pourrions surveiller des forêts entières de la faune sauvage, repérant les maladies précocement et sauvant des vies, le tout sans jamais avoir à déranger les animaux ou à passer des années à regarder des heures de vidéo interminables. La leçon principale est que, parfois, la façon la plus simple d'aborder un problème est la plus efficace pour le résoudre.