Un étrange ronronnement capté sur un récif d’Hawaï : l’intelligence artificielle n’arrive toujours pas à dire qui l’a produit

Au large d’Hawaï, des chercheurs ont isolé un son mystérieux sur un récif corallien. Même leur algorithme d’IA dernier cri cale.

Dans un article publié par la revue scientifique PLOS Computational Biology et relayé par un média anglophone spécialisé dans la nature, des océanographes américains décrivent un étrange « ronronnement » entendu sur un récif d’Hawaï. Leur algorithme d’intelligence artificielle, conçu pour trier automatiquement des millions de sons sous-marins, a réussi à reconnaître plusieurs espèces… sauf celle à l’origine de ce bruit inconnu.

Un récif corallien qui bourdonne de sons

Contrairement à l’image d’un océan silencieux, les récifs coralliens forment un véritable brouhaha acoustique. Entre les cliquetis, crépitements, pops et gazouillis, des dizaines d’espèces se font entendre en permanence.

« Imaginez une salle bondée, remplie de personnes qui parlent toutes en même temps, et vous essayez de distinguer les mots de plusieurs personnes », illustre Daniel Duane, océanographe au Naval Undersea Warfare Center Division Newport, cité dans l’étude.

Ce vacarme n’est pas un détail anecdotique : il renseigne sur la santé du récif. Selon le chercheur, des récifs en bon état, riches en vie, émettent beaucoup de sons. À l’inverse, « il a été montré que les communautés récifales dégradées produisent beaucoup moins de sons ».

Plus un récif est vivant, plus il “parle” : le volume sonore devient un indicateur de sa bonne santé.

Pour les scientifiques, écouter ces paysages sonores sous-marins revient donc à suivre l’état de l’écosystème, sans avoir à envoyer des plongeurs en permanence.

Pourquoi l’IA devient un outil clé pour écouter l’océan

Pour analyser ces enregistrements sur de longues durées, les équipes s’appuient désormais sur l’intelligence artificielle. Les algorithmes permettent de passer au crible des années de données audio bien plus vite qu’une équipe humaine.

Un premier type d’outil, largement utilisé, repose sur l’« apprentissage supervisé » :

• les chercheurs fournissent des milliers d’exemples déjà étiquetés (par exemple des chants de rorquals bleus) ;
• l’algorithme apprend à reconnaître ces signatures sonores ;
• il repère ensuite automatiquement les mêmes types d’appels dans de nouveaux enregistrements.

« Par exemple, vous donnez au modèle un millier d’exemples d’appels de baleines bleues, et il apprend à identifier d’autres appels de baleines bleues à partir des exemples que vous lui avez fournis », détaille Daniel Duane.

Cette approche a déjà permis, souligne l’étude, d’attribuer à la baleine de Bryde un mystérieux son métallique surnommé « biotwang », entendu dans la fosse des Mariannes.

Passer à l’apprentissage non supervisé pour démêler le chaos sonore

Sur un récif corallien, la tâche se complique. Les sons se chevauchent, de nombreuses espèces restent inconnues, et les algorithmes classiques se contentent souvent de classer un enregistrement comme « biologiquement actif », sans distinguer les auteurs des bruits.

Pour dépasser cette limite, l’équipe a misé sur une autre approche : l’« apprentissage non supervisé ». Dans ce cas, aucun exemple pré-étiqueté n’est fourni au départ.

« L’algorithme passe en revue un large jeu de données et regroupe les signaux selon leur similarité », explique Duane.

Les chercheurs ont ainsi analysé une année entière d’enregistrements collectés sur quatre sites différents à Hawaï. Le résultat impressionne par son ampleur : plus de sept millions de détections, automatiquement réparties en 29 groupes de sons distincts.

Un an de bruit récifal à Hawaï : plus de sept millions de signaux, rangés par l’IA en 29 “familles” sonores.

Damselfish, poissons-perroquets, baleines… et un inconnu

Pour comprendre ce que l’algorithme avait réellement distingué, les scientifiques ont ensuite écouté au hasard plusieurs extraits de chaque groupe, puis les ont comparés à des connaissances déjà établies.

Ils espéraient identifier « un ou deux » types de sons bien précis. L’IA en a finalement révélé neuf :

• deux types d’appels de demoiselles (damselfish) ;
• des sons d’alimentation de poissons-perroquets ;
• des appels de poissons holocentridés (poissons-écureuils et poissons-soldats) ;
• un son de poisson non identifié ;
• trois unités distinctes de chants de baleines à bosse ;
• des bruits de navigation de navires.

Les autres groupes contenaient surtout des bruits difficiles à exploiter : coups, chocs, sons isolés peu caractéristiques.

Pour vérifier la fiabilité du système, les chercheurs ont recoupé les vocalisations des demoiselles avec des vidéos tournées par FishEye Collaborative, à l’aide d’une caméra à 360°. Le modèle tombait juste dans au moins 82 % des cas, d’après l’étude.

Un « profond ronronnement » venu d’un poisson invisible

Parmi tous ces sons, l’un a retenu l’attention : celui d’un poisson encore non identifié. L’animal n’a pas été vu, mais sa signature sonore apparaît très claire dans les données.

Duane décrit ces appels comme « presque comme un ronronnement très profond ». Selon lui, le mode de vie de ce poisson expliquerait son anonymat jusqu’ici.

« Ils semblent ne vocaliser que la nuit, lorsque les suivis visuels avec des caméras ou des plongeurs ne sont pas pratiques », indique-t-il.

Un poisson inconnu ferait vibrer le récif d’Hawaï d’un ronronnement grave, audible uniquement la nuit, loin des caméras.

En analysant leur rythme d’émission, l’équipe a repéré un motif bien précis : ces appels suivent un cycle lunaire. L’« inconnu » vocalise la nuit, surtout lorsque la lune n’est pas dans le ciel, tandis que les holocentridés, eux, s’expriment à l’aube et au crépuscule, avec des pics lors de la pleine lune.

Un outil prometteur pour la protection des récifs

Pour les spécialistes des récifs coralliens, l’enjeu dépasse la simple curiosité. La capacité à extraire les sons de chaque groupe d’animaux au sein du brouhaha général pourrait offrir un nouveau moyen de suivre l’état des écosystèmes.

« Différents groupes réagissent de manière différente aux facteurs de stress environnementaux », rappelle Daniel Duane. Par exemple, un récif blanchi va voir la population de la plupart des poissons diminuer, mais l’activité des poissons-perroquets augmenter, ceux-ci se nourrissant des algues qui prolifèrent alors sur le corail affaibli.

En cartographiant finement les sons des différentes familles de poissons, les scientifiques espèrent donc :

• repérer plus vite les récifs en déclin ;
• identifier quels groupes d’animaux résistent ou disparaissent ;
• ajuster les mesures de protection en fonction des espèces clés encore présentes.

L’équipe souhaite désormais affiner son modèle pour qu’il reconnaisse un éventail encore plus large de types de sons, puis le tester sur d’autres récifs dans le monde. L’objectif : savoir si les mêmes méthodes fonctionnent dans des environnements différents, avec d’autres espèces dominantes.

Ce que cette étude dit aussi de l’IA

Le travail mené à Hawaï illustre un usage encore peu médiatisé de l’intelligence artificielle : la recherche de signaux inconnus, et pas seulement la reconnaissance de signaux déjà catalogués.

Avec l’apprentissage non supervisé, l’IA ne sait pas à l’avance ce qu’elle cherche. Elle met simplement en lumière des motifs récurrents que l’oreille humaine ou une équipe limitée en temps ne repèrerait pas dans une telle masse de données.

Cette approche intéresse déjà d’autres domaines :

• la surveillance acoustique de mammifères marins menacés ;
• le suivi de la biodiversité dans les forêts via les sons d’oiseaux et d’insectes ;
• la détection d’activités humaines illégales (pêche, déforestation) par leurs bruits caractéristiques.

Dans tous ces cas, l’IA ne remplace pas les biologistes, mais leur sert d’outil de tri massif. Ce sont ensuite les chercheurs qui interprètent, comparent aux vidéos, aux observations de terrain et décident si un bruit correspond à une espèce connue ou à un candidat nouveau, comme ce poisson « ronronnant » d’Hawaï.

Écouter les récifs depuis la France : où en sont les recherches ?

Pour un lecteur français, ces travaux font écho aux programmes menés dans les territoires d’outre-mer, notamment en Polynésie française, en Nouvelle-Calédonie ou à La Réunion, où les récifs coralliens subissent aussi le réchauffement et la pollution.

En France, des équipes de recherche et des organismes publics ou associatifs utilisent la bioacoustique pour suivre la biodiversité marine, sur des principes similaires :

• déploiement de microphones sous-marins (hydrophones) sur des zones récifales ;
• enregistrement en continu sur plusieurs mois ;
• analyse des signaux par des logiciels de traitement audio et, de plus en plus, par des algorithmes d’IA.

Le but reste le même que dans l’étude hawaïenne : gagner du temps par rapport aux suivis visuels, forcément limités, et disposer d’indicateurs complémentaires sur l’état des récifs. En France comme à Hawaï, ces données peuvent venir appuyer la création de réserves marines, la réglementation de la pêche ou la limitation du trafic maritime dans certaines zones sensibles.

Les travaux menés dans le Pacifique américain intéressent donc directement les équipes françaises : les méthodes d’apprentissage non supervisé testées à Hawaï peuvent être adaptées à d’autres récifs tropicaux, avec leurs propres chorales de poissons, de crustacés et de mammifères marins.

Comprendre quelques notions clés de l’acoustique des récifs

Deux éléments reviennent souvent dans cette étude : le rôle de la lune et l’intérêt du son comme indicateur écologique.

Pour les équipes de conservation, l’écoute peut devenir un outil complémentaire à la plongée ou aux images satellites. Un récif peut sembler visuellement correct mais sonner « creux » si les poissons ont disparu. À l’inverse, un paysage sonore riche, avec plusieurs groupes de sons bien distincts, signale un écosystème encore dynamique.

Dans le cas du récif hawaïen, l’algorithme met en scène un décor sonore déjà foisonnant, et y ajoute une touche intrigante : ce « ronronnement » nocturne venu d’un poisson que personne n’a encore réussi à observer. Les prochaines campagnes dans la zone, combinant caméras, plongées ciblées et nouveaux modèles d’IA, pourraient finir par mettre un visage sur cette voix inconnue du récif.