Continuous foraging behavior shapes patch-leaving decisions in pigeons: A 3D tracking study

En utilisant un suivi 3D automatisé, cette étude démontre que les pigeons intègrent à la fois les coûts de déplacement et leur historique de recherche de nourriture pour prendre des décisions de quitter une zone d'alimentation, confirmant ainsi les principes de la théorie de la recherche optimale.

L'essentiel

🕊️ Le Grand Jeu du Pigeon : Quand le Dîner est en Haut ou en Bas

Imaginez que vous êtes un pigeon. Vous avez faim. Devant vous, il y a deux tables remplies de délicieux petits pois. Mais attention, l'une est posée directement sur le sol, et l'autre est perchée sur un tabouret à 75 cm de hauteur.

C'est exactement le scénario que les chercheurs ont créé pour étudier comment les pigeons prennent des décisions. Ils ne voulaient pas juste voir ce qu'ils mangeaient, mais comment ils pensaient avant de manger.

🎬 Le Film en 3D : Des Caméras qui ne clignent jamais

Habituellement, pour étudier les animaux, les humains doivent regarder des heures de vidéo et compter manuellement chaque mouvement (ce qui est fastidieux et sujet aux erreurs).

Ici, les chercheurs ont utilisé une technologie de pointe, un peu comme un jeu vidéo en réalité virtuelle. Ils ont installé six caméras synchronisées autour d'une grande cage hexagonale. Grâce à une intelligence artificielle (un peu comme un détective numérique), le système a tracé en 3D chaque mouvement de la tête et du corps du pigeon, à 50 images par seconde.

• L'analogie : C'est comme si chaque pigeon portait un costume de super-héros invisible qui enregistrait chaque battement d'aile et chaque picotement de bec, sans jamais le toucher.

🏔️ Le Défi : L'Effort fait la Différence

Les chercheurs ont testé trois configurations :

1. Les deux tables au sol (0-0) : Facile, tout le monde peut y aller.
2. Les deux tables en l'air (75-75) : Tout le monde doit voler un peu, c'est égal pour tous.
3. Une table au sol, une en l'air (0-75) : C'est ici que ça devient intéressant. Le pigeon doit choisir entre la facilité (le sol) et l'effort (le vol).

Ce qu'ils ont découvert :

• Le choix du chemin : Quand les options étaient inégales, les pigeons allaient toujours d'abord vers la table au sol. C'est logique : pourquoi voler si on peut marcher ? Ils économisaient leur énergie.
• Le temps passé : Une fois sur la table au sol (quand l'autre était en l'air), ils y restaient plus longtemps. Pourquoi ? Parce que savoir qu'il faut faire un effort pour aller à l'autre table les rendait plus "paresseux" à quitter la première. C'est comme si vous disiez : "Bon, je suis déjà ici, et aller à l'autre bout me coûte trop cher en énergie, alors je vais finir mon assiette ici."

🍽️ La Théorie du "Dernier Bouchon" (Le Théorème de la Valeur Marginale)

En science, il existe une règle appelée le Théorème de la Valeur Marginale. En termes simples, elle dit : "Quand faut-il arrêter de manger dans un endroit pour aller en chercher un autre ?"

La réponse est : Quand le rythme de la nourriture diminue trop.

• Au début, les tables sont pleines. Le pigeon mange vite.
• Plus il mange, plus il doit chercher les derniers pois cachés. Ça devient lent.
• À un moment, le pigeon se dit : "Je perds trop de temps à chercher ici. Si je pars, je vais peut-être trouver plus vite ailleurs."

La surprise de l'étude :
Les chercheurs ont vu que les pigeons ne calculaient pas juste la faim. Ils tenaient compte de l'histoire de leur repas.

• Si un pigeon a beaucoup picoré sur une table (il l'a "surexploitée"), il est plus susceptible de partir.
• Mais si la table suivante est difficile d'accès (en l'air), il va s'attarder davantage sur la première, même si elle est presque vide. Il accepte de chercher plus longtemps ici plutôt que de payer le "prix" du vol pour aller là-bas.

🧠 Le Pigeon est un Stratège, pas un Robot

L'étude montre que les pigeons ne sont pas de simples machines à manger. Ils sont des stratèges dynamiques.

• Ils évaluent le coût du voyage (voler vs marcher).
• Ils se souviennent de ce qu'ils ont déjà mangé.
• Ils ajustent leur comportement en temps réel.

Si vous voyez un pigeon qui reste très longtemps sur un perchoir élevé alors qu'il y a de la nourriture au sol, ne pensez pas qu'il est idiot. Il a probablement déjà calculé que le vol vers le sol ne valait pas la peine par rapport à ce qu'il peut encore trouver en haut.

En Résumé

Cette étude nous apprend que même les animaux les plus communs, comme les pigeons, prennent des décisions complexes basées sur un calcul constant : "Est-ce que l'effort pour aller ailleurs vaut le coup par rapport à ce que je mange ici ?"

Grâce à cette technologie de suivi 3D, nous avons pu voir que leur cerveau fonctionne comme un petit ordinateur de navigation, pesant le pour et le contre à chaque seconde, exactement comme nous le ferions si nous devions choisir entre rester dans un restaurant calme ou aller chercher un sandwich dans un autre quartier en pleine pluie ! 🌧️🥪

Résumé technique

1. Problématique et Contexte

L'étude s'inscrit dans le cadre de la théorie de la recherche optimale de nourriture (Optimal Foraging Theory) et du Théorème de la Valeur Marginale (MVT) de Charnov (1976). Le MVT postule qu'un animal doit quitter une zone de nourriture (un « patch ») lorsque le gain marginal instantané de cette zone tombe en dessous du gain moyen attendu dans l'environnement global, en tenant compte des coûts de déplacement.

Bien que ces théories soient bien établies, leur validation expérimentale chez les vertébrés souffre souvent de limitations méthodologiques :

• Difficulté à quantifier précisément les coûts de déplacement et les dynamiques comportementales continues.
• Dépendance à des codages manuels qui manquent de résolution temporelle.
• Incertitude sur la manière dont les animaux intègrent l'histoire de leur recherche (expérience cumulative) et les signaux environnementaux actuels pour prendre des décisions de départ.

L'objectif de cette recherche était de tester ces prédictions chez le pigeon (Columba livia) dans un environnement semi-naturel contrôlé, en manipulant les coûts de déplacement (via l'élévation des plateformes) et en utilisant un suivi comportemental haute résolution pour analyser les décisions de quitter un patch en temps réel.

2. Méthodologie

Sujets et Environnement :

• Sujets : 12 pigeons voyageurs adultes (9 utilisés pour l'analyse finale après exclusion de 3 sujets non motivés).
• Appareillage : Une arène hexagonale de 2x2 mètres équipée de deux plateformes de nourrissage (60x50 cm), chacune contenant 30 trous cachés avec des pois.
• Manipulation expérimentale : Trois conditions d'élévation des plateformes ont été testées pour moduler le coût de déplacement (marche vs vol court) :
  1. 0-0 : Les deux plateformes au sol.
  2. 0-75 : Une plateforme au sol, l'autre à 75 cm de hauteur.
  3. 75-75 : Les deux plateformes à 75 cm de hauteur.
• Protocole : Séances de 20 minutes avec accès répété aux deux patches. Les pigeons ont été soumis à une restriction alimentaire (85-90% du poids libre) pour maintenir la motivation.

Suivi Comportemental et Traitement des Données :

• Acquisition : Six caméras RGB synchronisées (50 Hz, 1440x1080 px) montées autour de l'arène.
• Analyse par IA : Utilisation de DeepLabCut pour l'estimation de pose sans marqueur (markerless) et d'Anipose pour la triangulation 3D des coordonnées du pigeon.
• Extraction de caractéristiques :
  • Détection automatique des visites (position de la tête par rapport aux plateformes).
  • Comptage des coups de bec (pecks) via l'analyse des minima locaux de la distance tête-surface.
  • Calcul de la cinématique : latence, durée de visite, temps de transit, distance parcourue, variabilité inter-coups (RMSSD temporel et spatial).
• Analyse Statistique :
  • Modèles linéaires mixtes (LMM) pour les performances globales.
  • Modèle de Cox à effets mixtes (Survival Analysis) pour prédire la probabilité instantanée de quitter une plateforme (temps jusqu'à l'événement). Ce modèle intègre des prédicteurs dynamiques : condition de la plateforme, paramètres de recherche actuels (taux de picorage, variabilité) et histoire cumulative (rapport de « sur-picorage » ou overpecking).

3. Contributions Clés

1. Approche Technologique Avancée : L'étude démontre l'efficacité d'un système de suivi 3D automatisé et non invasif pour quantifier des comportements de recherche de nourriture complexes (mouvements, picorage, transitions) avec une précision temporelle et spatiale inégalée, éliminant le besoin de codage manuel.
2. Modélisation Dynamique des Décisions : Au-delà des mesures agrégées, l'application d'une régression de Cox permet de modéliser la décision de quitter un patch comme un processus continu influencé par l'état immédiat et l'histoire de la session.
3. Intégration de l'Histoire de Recherche : Introduction du concept de « sur-picorage » (overpecking ratio) comme proxy de la valeur cumulative relative entre les patches, démontrant que les pigeons ajustent leurs seuils de départ basés sur l'investissement passé.

4. Résultats Principaux

Choix du Patch et Coûts de Déplacement :

• Préférence pour le coût minimal : Dans la condition asymétrique (0-75), les pigeons ont systématiquement visité la plateforme au sol en premier, indépendamment de sa position latérale.
• Latence de transition : Le temps pour atteindre le deuxième patch était significativement plus long dans la condition 0-75 (coût de vol vertical) que dans les conditions symétriques (0-0 ou 75-75).
• Transitions et Auto-transitions : Le nombre de transitions entre les deux patches était plus faible en condition 0-75. Cependant, les plateformes élevées ont généré plus d'« auto-transitions » (départs et retours immédiats sur le même patch), probablement dus à des contraintes de manœuvre spatiale sur les plateformes surélevées.

Dynamique de la Recherche et Décisions de Départ :

• Durée de séjour : La probabilité de quitter un patch était significativement réduite pour les plateformes élevées dans la condition 0-75 par rapport aux autres conditions. Cela suggère que le coût de déplacement élevé augmente le seuil de valeur marginale requis pour partir (conforme au MVT).
• Facteurs prédictifs du départ : Le modèle de Cox a révélé que la probabilité de quitter un patch est influencée par :
  • L'histoire cumulative : Un nombre plus élevé de visites précédentes et un rapport de sur-picorage élevé réduisent la probabilité de quitter (le pigeon reste plus longtemps s'il a déjà investi beaucoup).
  • L'activité actuelle : Un taux de picorage élevé et une variabilité inter-coups spécifique réduisent la probabilité de départ.
  • La distance parcourue : Une plus grande distance parcourue vers une plateforme augmente la durée de la visite suivante (effet d'investissement).
• Évolution temporelle : Au fil de la session, l'activité de recherche diminue (moins de coups de bec, moins de surface couverte), et les pigeons passent plus de temps hors des plateformes (comportement exploratoire) à mesure que les patches s'épuisent.

Effets Individuels :

• Les pigeons plus lourds (par rapport à leur poids libre) et plus jeunes ont tendance à quitter les plateformes plus rapidement et à picorer plus intensément, suggérant un état motivationnel plus élevé.

5. Signification et Implications

Cette étude valide expérimentalement les prédictions du Théorème de la Valeur Marginale dans un contexte dynamique et semi-naturel chez un oiseau. Elle démontre que :

1. Flexibilité décisionnelle : Les pigeons ne suivent pas de règles rigides (ex: quitter après un nombre fixe de coups), mais ajustent continuellement leur stratégie en intégrant les coûts de déplacement, la dépletion locale et leur propre historique de recherche.
2. Rôle de l'investissement : Le coût de déplacement (effort physique) modifie directement la perception de la valeur du patch, augmentant la durée de séjour sur les patches difficiles d'accès une fois que le coût a été engagé.
3. Méthodologie : L'approche combinant suivi 3D automatisé et modèles de survie (Cox) offre un cadre robuste pour étudier la cognition animale et les mécanismes de prise de décision en temps réel, applicable à d'autres espèces et tâches.

En conclusion, les décisions de départ des pigeons émergent d'une interaction dynamique entre l'état interne (motivation, histoire de recherche) et la structure environnementale (coûts de déplacement, disponibilité de la nourriture), confirmant que l'optimisation de la recherche de nourriture est un processus adaptatif et contextuel.