Des chercheurs de l'EPFL et de l'Université de Zurich ont mis au point un modèle pour mieux comprendre les activités des animaux sauvages. Basé sur les principes de biomécanique, il a été développé sur des suricates.

Quand un capteur enregistre une activité, cela peut signifier que l'animal se déplace mais aussi qu'il creuse pour chercher de la nourriture. De même, une position statique peut indiquer le repos ou la vigilance, note mercredi l'Ecole polytechnique fédérale de Lausanne (EPFL).

L'idée des chercheurs lausannois consiste donc à mieux appréhender les activités des animaux. «En comprenant comment ils changent face aux stimuli externes, cela peut permettre de prendre des mesures plus adaptées pour les protéger», relève Pritish Chakravarty, l'un des doctorants de l'EPFL en charge du projet, cité dans le communiqué.

Un nouveau modèle basé sur des principes biomécaniques a été élaboré. Il sépare d'abord les comportements dynamiques et statiques. Il fait ensuite la distinction entre les deux activités statiques - repos et vigilance - grâce à la position du torse de l'animal. Il analyse enfin la périodicité et l'intensité des mouvements, ce qui permet de savoir si l'animal est en train de courir ou de chercher de la nourriture, explique l'EPFL.

Dix suricates analysés

Des capteurs, capables d'enregistrer par exemple l'inclinaison, l'accélération, les vibrations et les chocs, ont été adaptés par les scientifiques lausannois. Ils ont été placés sur dix suricates en Afrique au Centre de Recherche du Kalahari.

Pour chaque animal, trois heures de données ont été enregistrées. Durant cette période, les suricates ont également été filmés. Les chercheurs ont ensuite identifié et labellisé les activités étudiées sur les images filmées. Cela leur a permis de développer un modèle combinant le «Machine Learning» (apprentissage automatique) et des principes biomécaniques pour entraîner l'ordinateur à reconnaître l'activité de l'animal.

«Ce modèle constitue une première étape dans la standardisation des modèles utilisés pour tirer de l'information comportementale à partir des signaux d'accélération récoltés sur des animaux», conclut l'EPFL.

ats