Machine learning maps the “dark matter” of the global marine fish food web

Imaginez l'océan comme une ville géante et bouillonnante, où chaque poisson, de la minuscule sardine au requin massif, est un résident ayant un métier spécifique. Certains sont des agriculteurs qui mangent des algues, d'autres sont des livreurs qui mangent d'autres poissons, et d'autres encore sont des éboueurs qui nettoient les rues. En écologie, les scientifiques appellent cela le « réseau trophique ». C'est la carte de qui mange qui, et c'est la plomberie invisible qui fait fonctionner toute la ville océanique, en recyclant les nutriments et l'énergie. Mais voici le hic : nous n'avons qu'une carte de quelques rues. La majeure partie de l'océan est un espace vide sur la carte, une « matière noire » de la mer où nous savons que les résidents existent, mais nous n'avons aucune idée de qui mange qui. C'est un énorme problème car, si nous ne savons pas comment la ville est connectée, nous ne pouvons pas prédire ce qui se passera si une tempête frappe ou si un nouveau bâtiment est construit. Nous pourrions penser que la ville est fragile et qu'elle va s'effondrer, alors qu'en réalité, elle pourrait être un réseau robuste et redondant avec de nombreuses routes de secours.

C'est exactement le mystère que une équipe de scientifiques s'est donné pour mission de résoudre. Ils ont réalisé qu'essayer de trouver chaque relation alimentaire en observant simplement les poissons revenait à essayer de cartographier un pays entier en ne marchant que dans les rues de votre propre quartier. Vous rateriez les autoroutes, les ruelles et les raccourcis secrets. Ainsi, au lieu de simplement regarder, ils ont décidé d'utiliser un cerveau informatique super intelligent — l'apprentissage automatique (machine learning) — pour deviner les connexions manquantes. Ils ont nourri l'ordinateur de tout ce qu'il sait déjà sur les poissons : leur apparence, ce qu'ils mangent, où ils vivent et qui sont leurs parents. Puis, ils ont demandé à l'ordinateur de prédire les liens invisibles, transformant une carte parcellaire et brisée en un plan complet et lumineux de la table de dîner de l'océan.

La grande histoire de l'enquêteur de l'océan

Rencontrez la « matière noire » de l'océan
Pendant longtemps, les scientifiques ont tenté de dessiner une carte complète du réseau trophique marin mondial. Considérez cette carte comme un gigantesque réseau social pour les poissons, montrant qui est ami avec qui (ou plutôt, qui est le déjeuner de qui). Le problème est que notre carte actuelle est incroyablement incomplète. C'est comme avoir l'annuaire d'une ville de millions d'habitants, mais qui ne liste que les personnes qui ont été vues en train de discuter au cours des dix dernières années. Nous savons que les poissons sont là, mais nous ne savons pas qui mange qui. Cette information manquante est si vaste et cachée que les auteurs l'appellent la « matière noire » de l'océan — un réservoir massif et invisible de connexions que nous ne pouvons pas voir directement, mais dont nous savons qu'elles doivent exister.

Les plus grandes lacunes de nos connaissances se trouvent dans les endroits les plus passionnants : les océans tropicaux, comme le centre de l'Indo-Pacifique et le Triangle de Corail. Ce sont les « forêts tropicales de la mer », grouillantes de vie, mais ce sont aussi les endroits où nous en savons le moins sur qui mange qui. C'est un peu comme avoir une bibliothèque pleine de livres mais n'en lire que les titres sur les dos dans la section anglaise, tandis que le reste de la bibliothèque demeure un mystère. Les auteurs soupçonnaient que l'océan n'est pas un lieu clairsemé et fragile où un poisson ne mange qu'une seule chose ; ils pensaient qu'il s'agissait probablement d'un réseau dense et interconnecté où les poissons ont de nombreuses options pour leur dîner. Mais sans les données, ils ne pouvaient pas le prouver.

Entrez dans l'enquêteur de l'apprentissage automatique
Pour résoudre cela, les chercheurs ont construit un détective numérique utilisant un type spécial d'apprentissage automatique appelé « apprentissage positif non étiqueté » (positive-unlabeled learning). Voici comment cela fonctionne en langage simple : habituellement, quand vous apprenez à un ordinateur à reconnaître quelque-même chose, vous lui montrez des exemples de ce qu'elle est (un chat) et de ce qu'elle n'est pas (un chien). Mais dans l'océan, nous ne pouvons pas facilement prouver que deux poissons ne se mangent jamais ; nous n'avons juste pas encore vu cela se produire. Peut-être le font-ils, mais personne ne regardait.

Ainsi, au lieu de traiter les paires non observées comme « ne se mangeant certainement pas l'une l'autre », l'ordinateur les traite comme « nous ne savons pas encore ». Il apprend les règles à partir des 10 549 relations alimentaires que nous connaissons avec certitude. Il cherche des indices tels que :

• La taille : La bouche du prédateur peut-elle contenir la proie ? (Limitation de l'ouverture buccale ou « gape limitation »).
• La famille : Appartiennent-ils à la même famille ? (Les poissons étroitement apparentés mangent souvent des choses similaires).
• Le quartier : Vivent-ils à la même profondeur et à la même température de l'eau ?
• Le goût : Ont-ils des régimes alimentaires similaires ?

En combinant ces indices, l'ordinateur commence à prédire les liens « manquants » avec un haut niveau de confiance. C'est comme résoudre un puzzle où vous avez l'image sur la boîte et quelques pièces éparpillées ; l'ordinateur utilise le motif pour compléter le reste de l'image.

La grande révélation : L'océan est une autoroute animée, pas une impasse
Lorsque l'équipe a laissé son détective informatique traiter les chiffres, les résultats ont changé la donne. Ils sont partis d'une carte mondiale de 2 454 espèces de poissons et 10 549 liens alimentaires connus. L'ordinateur a prédit 50 725 nouveaux liens alimentaires à haute probabilité que nous n'avions pas encore documentés.

Cette découverte a complètement changé la forme du réseau trophique de l'océan.

• De parcellaire à dense : Avant cette étude, la « connectivité » (un mot savant pour désigner le nombre de connexions existantes par rapport au nombre de connexions possibles) était d'un infime 0,18 %. Cela ressemblait à une île isolée où les poissons se connaissaient à peine. Après l'ajout des liens prédits, la connectivité a bondi à 0,98 %. L'océan n'est pas un réseau clairsemé ; c'est un système d'autoroutes densément connecté.
• Plus large, pas plus haut : Les auteurs ont découvert que ces liens manquants ne rendaient pas la chaîne alimentaire plus longue (en ajoutant de nouvelles couches de prédateurs au sommet). Au lieu de cela, ils la rendaient plus large. Les poissons ont beaucoup plus d'options pour leur dîner que nous ne le pensions. Si un prédateur perd un type de proie, il dispose probablement de dizaines d'autres choix. Cette « redondance » signifie que l'océan est probablement bien plus résilient aux changements que nous le craignions.
• Le mystère tropical : Les plus grands écarts se trouvaient effectivement dans les tropiques. Dans le centre de l'Indo-Pacifique, le nombre de liens prédits était plus de 15 fois supérieur à ce que nous avions enregistré. Dans la « Haute Mer » (l'océan ouvert loin des terres), le nombre de liens a augmenté d'environ 5 fois. Même dans la zone de pénombre (entre 50 et 500 mètres de profondeur), il y avait des milliers de connexions cachées qui n'attendaient qu'à être trouvées.

Ce que cela signifie pour l'avenir
L'étude suggère que nos anciennes cartes de l'océan étaient trompeuses. Nous pensions que le réseau trophique était fragile et brisé, mais il est en réalité un réseau robuste et redondant. C'est une excellente nouvelle pour la santé de l'océan. Cela implique que les écosystèmes marins pourraient mieux rebondir après des chocs, comme la surpêche ou le changement climatique, car il existe de nombreuses routes de secours pour l'écoulement de l'énergie.

Cependant, les auteurs prennent soin de préciser qu'il s'agit d'une prédiction, et non d'un recensement final. Ils ne sont pas allés attraper chaque poisson pour vérifier son estomac ; ils ont utilisé un modèle puissant pour inférer ce qui est probablement présent. Le modèle suggère que la « matière noire » de l'océan est réelle et massive, mais que nous devons encore aller vérifier ces liens dans le monde réel.

La carte n'est plus blanche. Nous avons désormais un plan probabiliste qui nous montre où chercher ensuite. À mesure que l'océan se réchauffe et que les poissons déménagent dans de nouveaux quartiers, cette nouvelle compréhension du réseau trophique sera cruciale. Elle aide à prédire comment l'océan se réorganisera, garantissant que même si les résidents changent, la plomberie de l'écosystème reste solide. L'océan n'est pas aussi vide ou fragile que nous le pensions ; c'est un monde animé et interconnecté, et nous commençons enfin à voir l'image complète.