BIAS - Informatique de la Biodiversité et Intelligence Artificielle en Sciences agro-écologiques
Mots clés
Développer des méthodes automatiques et des outils intégrés pour identifier et quantifier des structures végétales à différentes échelles, à partir de supports visuels dynamiques et multi-sources.
Le groupe développe les acquis scientifiques récents, notamment en Deep Learning, en intégrant des jeux de données issus des sciences participatives ou de données multi-sources, pour appuyer des questions de recherche sur la biodiversité et en Agro-Sciences : identification taxonomique, distribution des espèces, sélection des réserves, taxonomie intégrative, estimation de rendements agricoles, suivis de la phénologie des plantes, etc. Le groupe aborde des questionnements plutôt méthodologiques, aussi bien sur les fondements de base des algorithmes que sur leur stratégie d’utilisation, par exemple : comment automatiser l’extraction de connaissances dans les données massives et hétérogènes (Collections d’Histoire Naturelle, sciences participatives, captations autonomes,…) ? Comment transposer les techniques de Deep Learning, initialement bien définies pour des données structurées telles que les images, au traitement de données non structurées (maquettes 3D, nuages de points LIDAR, etc.) pour la détection, l’identification ou la prédiction d’objets ? Comment aborder l’articulation modélisation/représentation, et en particulier comment revoir les modèles (de croissance) pour mieux les représenter ? comment adapter le Deep Learning à des problématiques aussi diverses que l’identification des stades de développements ou des maladies des plantes, la génération de modèles de distribution d’espèces (SDM), la sélection de réserves sous contraintes, ou la réduction des biais dans les modélisations s’appuyant sur des données massives incertaines ?
Les plateformes numériques constituent un socle commun des différentes composantes du thème, tant dans les approches développées que la mutualisation des compétences : Pl@ntNet, connue pour sa production remarquable de données (300 millions d'observations en 2021), soulève des challenges de traitements aussi bien sur les aspects gestions que les aspects modélisation et apprentissage ; Wiktrop est dédiée au partage et la diffusion de connaissances sur les adventices tropicales et leur gestion. Elle est en phase d’extension à l’ensemble des régions tropicales ; Mikoko est une plateforme en cours de développement dédiée à la collecte et partage des connaissances sur les plantes de mangroves. Enfin, Agro’Deep, en cours de développement, sera à termes une plateforme de services dédiée au traitement distant de données visuelles pour le dénombrement et l’identification de plantes et de leurs organes via les techniques de Deep Learning en Agroécologie, Agronomie, Agroforesterie et Agropaysages numériques.
Ces plateformes sont à la fois une vitrine du savoir-faire du groupe, un booster de transfert technologique et une source récurrente de financement. L’unité dispose de plusieurs machines avec GPUs pour le prototypage, mais s’appuie sur les plateformes GENCI (Grand Equipement National de Calcul Intensif) ou MBB (Montpellier Bio-informatique et biodiversité ) pour les très grandes expérimentations.
| Acronyme | Intitulé | Durée |
|---|---|---|
| AMPLI | AMPLI, Learning and Inverse Procedural Modeling for Authoring Large Virtual Worlds Porteur : Eric GUERIN (LIRIS - INSA Lyon / CNRS) | 2020 - 2025 |
| Biodiversa+ Pilot on invasive species | Biodiversa+ Pilot on Monitoring invasive alien species Porteur : Toke THOMAS HOVE (Aarhus Univ.) | 2023 - 2024 |
| COCOA4FUTURE | Cocoa4Future : Sustainability of production systems and new dynamics in the cocoa sector Porteur : Patrick JAGORET (CIRAD) | 2020 - 2024 |
| CoForFunc | Toward a biome-scale monitoring of the COngo basin FORest FUNCtional composition Porteur : Raphaël PELISSIER | 2024 - 2027 |
| DeepAE | Génération de traits caractéristiques numériques des systèmes agroécologiques issus de l\'analyse des processus d'identification dans des images aériennes Porteur : Marc JAEGER | 2022 - 2024 |
| eco2adapt | Ecosystem-based Adaptation and Changemaking to Shape, Protect and Maintain the Resilience of Tomorrow’s Forests Porteur : Alexia STOKES | 2023 - 2027 |
| FAO - lutte préventive face au criquet pèlerin | Consolider les bases de la stratégie de lutte préventive et développer la recherche opérationnelle sur le criquet pèlerin en région occidentale (FOA - CZZ2415) Porteur : Cyril PIOU (CIRAD) | 2021 - 2024 |
| GUARDEN | safeGUARDing biodiversity and critical ecosystem services across sectors and scales Porteur : Pierre BONNET | 2022 - 2025 |
| MAMBO | MODERN APPROACHES TO THE MONITORING OF BIODIVERSITY Porteur : Toke THOMAS HOVE (Aarhus Univ.) | 2022 - 2026 |
| OFVI | One Forest Vision Initiative Porteur : Jean-François SOUSSANA (INRAE) | 2023 - 2027 |
| PAPEETE | Promouvoir l’Agroécologie par la prédiction intégrative du risque sanitaire à partir de données Participatives d’Epidémiosurveillance à l’Echelle du TErritoire Porteur : Florence CARPENTIER (Agroparistech) | 2024 - 2026 |
| Pl@ntAgroEco | Nouvelles perspectives sur la caractérisation des maladies des plantes et les associations de taxons basées sur l'apprentissage profond et les sciences participatives Porteur : Pierre BONNET | 2023 - 2027 |
| Pl@ntHealth | Plant disease monitoring in crowdsourced image streams Porteurs : Pierre BONNET / Alexis JOLY | 2018 - 2027 |
| VARUNA | Des Living Lab territoriaux pour développer des synergies entre enjeux de conservation et de valorisation de la biodiversité forestière Porteur : Frédérique JANKOWSKI (CIRAD) | 2023 - 2026 |
| XPrize Rainforest | Participation of the Brazilian team to XPrize Rainforest challenge Porteur : Castro SOUZA Vinicius (Plant Taxonomy from University of São Paulo (USP)) | 2019 - 2024 |
LEBLANC César 2022 - 2025. Prédiction des trajectoires futures de la biodiversité par apprentissage machine. Ecole doctorale : I2S / Université de Montpellier. Dir : JOLY Alexis
- Équipe Zenith de l’Inria (consortium Pl@ntNet) : Alexis Joly (CR, data scientist), Jean-Christophe Lombardo (IR)
- Équipe ICAR du LIRMM (CNRS/UM) : Gérard Subsol (CR, imagerie), Marc Chaumont (DR, imagerie)
- Equipe ECOS de l’UR HortSys (Cirad) : Emile Faye (DR, agroécologue)
- Equipe CoffeeAdapt de l’UMR IPME (IRD-Cirad-UM) : Benoit Bertrand (CR, production fruitière)
- UMR ITAP (Irstea-SupAgro):De Rudnicki (IR, électro.), Guizard (DA, vision), Rabatel (DR, hyperspectrale, drone)
- UMR Emmah Equipe Swift, Inra Avignon : Claude Doussan (CR, Sciences du sol)
- TEC (Technologico de Costa-Rica) : Erick Mata-Montero (Associate Professor, biodiversity informatics)
- University of Florida : Pamela Soltis, évolution des plantes, directrice des activités de recherche d’IdigBio
- University of California, Santa Barbara : Susan Mazer, écologie de l'évolution et génétique
- UR CIRAD AIDA : Pascal Marnotte et Marion Schwartz (malherbologues), Aude Ripoche (modélisatrice)
- UMR SELMET : Vincent Blanfort (agrostologue) et Samantha Bazan (conservatrice herbier Cirad)
- CNRA Côte d’Ivoire : Etienne Téhia (malherbologue)
- Strand Life Science en Inde : P. Rajagopal et T. Vattakeven (développement portails collaboratifs)
- Kenya Forest Service (KFS - conservation et gestion ressources forestières)
- Kenya Marine and Fisheries Research Institute (KMFRI-conservation et gestion ressources marines)
- Swinburne University of Technology, Malaisie (DR, Lee Sue Han)