Une combinaison de drones et d’intelligence artificielle promet de transformer l’inventaire forestier : baptisée DINOvTree, la méthode identifie l’espèce d’un arbre et mesure sa hauteur à partir d’une même image acquise par drone, une première selon ses auteurs. Ce procédé a été développé par l’équipe d’Etienne Laliberté, qui avait déjà distingué ses travaux en 2024 avec la victoire du projet Limelight Rainforest au concours international XPRIZE Rainforest.
Rendre possible ce qui était humainement inenvisageable
Les inventaires forestiers traditionnels sont lourds : sur le terrain, deux personnes mettent entre 30 minutes et une heure pour couvrir une parcelle de 20 m sur 20 m en forêt québécoise, et l’identification taxinomique exige souvent des feuilles, fleurs ou fruits invisibles depuis le sol sous une canopée haute de plusieurs dizaines de mètres. Pour les grandes surfaces, cela revient à des mois de travail, voire davantage dans des forêts tropicales denses.
L’ampleur de la tâche explique pourquoi l’équipe considère que, sans ces outils, le travail mené aujourd’hui «n’était pas humainement possible». Le professeur Laliberté le formule ainsi :
« C'est absolument impossible. Il faudrait 1000 personnes pour le faire et, quand bien même, il faudrait que ce soit 1000 experts. »
La nouveauté n’est pas seulement l’usage du drone pour repérer des couronnes d’arbres — technique employée depuis plusieurs années — mais l’intégration d’une capacité de calcul récente qui automatise à la fois la détection des couronnes, l’identification taxinomique et l’estimation de la hauteur.
Une solution pensée pour le terrain
Les concepteurs de DINOvTree ont porté une attention particulière à l’accessibilité : la technologie fonctionne sur du matériel grand public. Selon Arthur Ouaknine, codirecteur du projet, il suffit d’installer un progiciel et une ligne de code pour exécuter le modèle sur son propre ordinateur. Ce choix répond à une demande explicite des écologistes de terrain avec qui l’équipe travaille au Brésil, en Équateur et au Panama.
- Détection et cartographie des couronnes par drone (méthode éprouvée depuis 2024).
- Identification des espèces et estimation de la hauteur traitées simultanément à partir d’une même image.
- Compatibilité avec du matériel grand public et diffusion via un progiciel open-ish pour usage sur ordinateur personnel.
Ce que la méthode apporte — et ce qu’elle ne couvre pas encore
DINOvTree permet d’accélérer considérablement les inventaires et de réduire la dépendance à des cohortes d’experts opérant au sol. En pratique, cela ouvre des perspectives importantes pour la quantification du stock de carbone des forêts, le suivi de la biodiversité et la cartographie à grande échelle des forêts tropicales et tempérées.
Pour autant, les auteurs reconnaissent des limites. L’identification taxinomique demeure un défi particulier : les caractéristiques nécessaires pour distinguer certaines espèces (feuilles, fleurs, fruits) sont souvent inaccessibles depuis le sol ou même depuis la canopée selon l’angle d’observation. Le modèle réduit ces contraintes, mais certains cas restent difficiles à trancher uniquement à partir d’images aériennes.
| Fonction | Apport | Limite |
|---|---|---|
| Détection des couronnes | Cartographie automatisée par drone | Peut être biaisée par occlusions et résolution |
| Identification taxinomique | Première intégration simultanée avec hauteur | Difficultés si traits discriminants invisibles |
| Estimation de la hauteur | Mesure depuis la même image | Précision dépendante de l’angle et des capteurs |
Les auteurs insistent sur le fait que la méthode a été conçue en réponse aux besoins des équipes de terrain et vise à être déployée dans des contextes variés, du Québec aux forêts tropicales d’Amérique du Sud. Le recours à des outils accessibles facilite la diffusion et l’adoption par des groupes de conservation ou des équipes scientifiques disposant de ressources limitées.
Conséquences pour la recherche et la conservation
À l’ère des impératifs climatiques, mieux mesurer le carbone stocké dans les forêts est essentiel pour évaluer les émissions et concevoir des politiques de conservation efficaces. En rendant les inventaires plus rapides et moins dépendants d’experts disponibles localement, DINOvTree pourrait permettre des cartographies plus fréquentes et plus larges, précieuses pour suivre la dynamique forestière et planifier des actions de protection.
Reste toutefois à clarifier, par des validations indépendantes, la robustesse du système sur différents biomes et en présence d’espèces difficiles à distinguer depuis la canopée. Les équipes impliquées paraissent conscientes de ces verrous ; elles ont d’ores et déjà mis l’accent sur l’ergonomie et l’accessibilité pour favoriser l’accueil par les praticiens sur le terrain.
Au-delà de la prouesse technique, DINOvTree illustre la convergence entre capacité de calcul accrue, imagerie aérienne et demandes concrètes de la conservation — une convergence susceptible de redéfinir la manière dont nous mesurons et suivons les géants de nos forêts.
