Population size estimation when multiple samples carrying the risk of misidentification are taken within the same capture occasion from the same individual

Cet article propose un nouveau modèle statistique étendant l'approche multinomiale latente pour estimer sans biais la taille des populations en tenant compte à la fois des erreurs d'identification et des échantillons multiples provenant d'un même individu lors d'une même occasion de capture, comme démontré par des simulations et une application sur des données de loutres d'Europe.

L'essentiel

Imaginez que vous essayez de compter combien de personnes vivent dans une ville très mystérieuse, mais vous ne pouvez pas les voir directement. Vous devez vous fier à des indices laissés derrière eux, comme des empreintes de pas ou des objets perdus. C'est ce qu'on appelle la capture-recapture dans le monde de la nature : les scientifiques collectent des échantillons d'ADN (par exemple, dans des crottes d'animaux) pour savoir qui est passé par là.

Le problème, c'est que cette méthode a deux gros pièges :

1. La confusion des identités (le "faux jumeau") : Parfois, l'ADN est abîmé ou mélangé. On pense alors avoir trouvé un nouvel animal, alors que c'est le même que celui qu'on a vu avant. C'est comme si vous voyiez deux personnes avec le même manteau rouge et que vous pensiez qu'il y en avait deux, alors que c'est la même personne qui a changé de manteau. Si on ignore cela, on compte trop d'animaux.
2. Le problème du "trop d'indices" : La plupart des anciennes méthodes supposaient qu'un animal ne pouvait laisser qu'un seul indice par jour. Mais dans la réalité, un animal peut laisser plusieurs crottes au même endroit le même jour ! C'est comme si un passant laissait trois tickets de métro différents sur le même banc. Les vieux modèles ne savaient pas gérer cette situation et finissaient par compter le même animal plusieurs fois, faussant les résultats.

La solution proposée par les auteurs

Les chercheurs de cet article ont inventé une nouvelle méthode, un peu comme un nouveau détective très malin.

Au lieu de dire "un animal = un indice", ils disent : "Un animal peut laisser plusieurs indices, et le nombre d'indices suit une certaine logique (comme une pluie de tickets de métro)". Ils utilisent une formule mathématique (une distribution de Poisson) pour comprendre la probabilité qu'un animal laisse 1, 2, 3 ou même 10 crottes lors d'une même journée.

Ce qu'ils ont découvert (avec des analogies)

Ils ont testé leur méthode avec des simulations, comme un entraîneur qui fait répéter un match à ses joueurs pour voir si la stratégie fonctionne.

• Quand il y a assez de preuves : Si les animaux sont assez actifs et laissent beaucoup de traces (par exemple, un indice tous les 3 jours), le nouveau détective compte parfaitement. Il sait distinguer le vrai nombre d'animaux, même s'il y a des erreurs d'identification.
• Quand il y a trop peu de preuves : Si les animaux sont très discrets et laissent très peu de traces (comme un fantôme qui ne laisse qu'un cheveu tous les 10 jours), même le meilleur détective se trompe. Il sous-estime alors le nombre d'animaux, car il ne voit pas assez de preuves pour se rendre compte qu'il y a des erreurs d'identité.

L'exemple concret : Les loutres d'Europe

Pour prouver que leur méthode marche, ils l'ont appliquée à une vraie étude sur les loutres. Ils ont pris des crottes de loutres trouvées dans la nature.

• Résultat : Leur méthode a confirmé ce que les biologistes craignaient : il y avait beaucoup d'erreurs d'identification dans les données.
• Conclusion : Sans leur nouvelle méthode, on aurait eu un chiffre faux. Avec elle, on obtient une image beaucoup plus fidèle de la réalité.

En résumé

Ce papier nous dit : "Ne comptez pas les animaux comme des points sur une feuille, comptez-les comme des histoires."

Si vous ignorez le fait qu'un animal peut laisser plusieurs traces et qu'on peut se tromper sur son identité, votre comptage sera faux. Mais si vous utilisez cette nouvelle "recette mathématique" qui prend en compte la chance de voir plusieurs traces par animal, vous pourrez enfin obtenir un compte exact, même dans les situations les plus chaotiques. C'est une avancée cruciale pour protéger les espèces menacées, car on ne peut pas les sauver si on ne sait pas exactement combien il en reste !

Résumé technique

Résumé Technique : Estimation de la taille des populations avec échantillonnage multiple et risque d'erreur d'identification

1. Problématique

L'utilisation croissante de l'échantillonnage non invasif (par exemple, l'extraction d'ADN à partir de fèces) dans les programmes de suivi par capture-marquage-recapture (CMR) soulève un défi méthodologique majeur : le risque d'erreur d'identification (misidentification).

• Conséquence de l'ignorance : Si ces erreurs sont ignorées, elles entraînent une surestimation systématique de la taille de la population, car un individu unique est compté à tort comme plusieurs individus différents.
• Limitation des modèles existants : Bien que des modèles aient été développés pour corriger les erreurs d'identification, ils reposent sur une hypothèse restrictive : un seul échantillon peut être prélevé par individu lors d'une occasion de capture donnée.
• La réalité du terrain : Dans de nombreux programmes (notamment basés sur l'ADN fécal), il est fréquent de prélever plusieurs échantillons d'un même individu lors d'une même occasion de capture. Les modèles actuels ne prennent pas en compte ces observations répétées, ce qui conduit à des estimations biaisées.

2. Méthodologie

Les auteurs proposent une extension du modèle multinomial latent (LMM) initialement développé par Link et al. (2010) pour intégrer la complexité des échantillonnages multiples.

• Approche statistique : Le nouveau modèle intègre une distribution de Poisson pour modéliser le nombre d'échantillons prélevés sur un même individu lors d'une occasion de capture donnée.
• Paramètre clé : Le paramètre $\lambda$ (lambda) représente le nombre attendu d'échantillons par individu et par occasion.
• Validation :
  1. Simulations : Des simulations numériques ont été menées pour évaluer la performance du modèle sous différentes conditions de $\lambda$ et de nombre d'occasions de capture.
  2. Application empirique : Le modèle a été appliqué à un jeu de données réel concernant des fèces de loutre d'Europe (Lutra lutra), issues d'une étude précédente (Lampa et al., 2015).

3. Contributions Clés

• Extension théorique : Développement d'un cadre mathématique capable de gérer simultanément les erreurs d'identification génétique et les observations répétées (plusieurs échantillons par individu par occasion).
• Modélisation de la fréquence d'échantillonnage : Introduction d'une distribution de Poisson pour décrire la variabilité du nombre d'échantillons par individu, dépassant la contrainte "un individu = un échantillon" des modèles précédents.
• Preuve de concept empirique : Démonstration de l'utilité du modèle sur un cas d'étude concret (la loutre), validant sa capacité à détecter et corriger les erreurs d'identification dans des conditions réelles.

4. Résultats

Les résultats des simulations et de l'application sur les données de loutres sont les suivants :

• Estimations non biaisées : Le modèle produit des estimations précises de la taille de la population lorsque le nombre attendu d'échantillons par individu ($\lambda$) est suffisamment élevé. Les seuils identifiés sont :
  • $\lambda \ge 0,36$ avec 5 occasions de capture.
  • $\lambda \ge 0,23$ avec 7 occasions ou plus.
• Sous-estimation critique : Lorsque $\lambda$ est faible (ex. $\lambda = 0,11$), correspondant à une détection d'environ 42 % à 62 % des individus selon le nombre d'occasions (5, 7 ou 9), le modèle tend à sous-estimer systématiquement la taille de la population.
• Application aux loutres : L'application du modèle aux données de loutres a confirmé la présence d'erreurs d'identification, corroborant les attentes des auteurs de l'étude originale. Le modèle a permis d'ajuster l'estimation de la population en tenant compte de ces erreurs et des échantillons multiples.

5. Signification et Impact

Cette recherche est fondamentale pour l'écologie de la conservation et la génétique des populations :

• Précision accrue : Elle permet d'obtenir des estimations de taille de population non biaisées dans des scénarios où les individus sont échantillonnés à plusieurs reprises par occasion, une situation courante mais auparavant mal modélisée.
• Optimisation des protocoles : Les résultats indiquent que la fiabilité de l'estimation dépend fortement de l'intensité de l'échantillonnage ($\lambda$). Cela guide les gestionnaires sur le nombre d'occasions et l'intensité de collecte nécessaires pour obtenir des résultats fiables.
• Nécessité du modèle : L'étude démontre que l'application de modèles classiques (ignorant les répétitions) dans des contextes d'ADN fécal conduit à des conclusions erronées. Le nouveau modèle est donc indispensable pour une gestion précise des populations sauvages lorsque des erreurs d'identification et des observations répétées sont présentes.