Les éléphants comptent parmi les animaux les plus complexes sur le plan de la communication sur Terre. Ils font des gestes, barissent et produisent de profonds grondements, certains si graves que les oreilles humaines ne peuvent pas les détecter du tout. Pendant des décennies, des chercheurs ont enregistré ces vocalisations dans la nature. La question la plus difficile a toujours été la suivante : que signifient-elles réellement ? Une étude publiée le 1er octobre dans la revue Scientific Reports fait un pas important vers une réponse, en utilisant le machine learning pour analyser non seulement les appels individuels des éléphants, mais aussi les chœurs coordonnés que les groupes produisent ensemble.
902 enregistrements et ce que l’algorithme a découvert
La recherche s’est appuyée sur des enregistrements audio recueillis entre 1986 et 2022 au parc national d’Amboseli au Kenya, couvrant des groupes familiaux d’éléphants sauvages de la savane africaine. L’ensemble de données comprenait 902 enregistrements de grondements, à la fois des appels en solo et en chœur, capturés dans six situations sociales distinctes. Celles-ci comprenaient des grondements “Coo” dirigés par des femelles vers des petits, des grondements de “contact” échangés entre des individus séparés, des grondements “allons-y” utilisés pour initier le mouvement du groupe, des grondements “cadencés” produits pendant l’alimentation, le repos ou un mouvement lent, des grondements de “petit salut” entre des éléphants étroitement liés, et des grondements de “salut” lors de réunions.
Les chercheurs ont entraîné un algorithme de machine learning pour classifier l’activité des éléphants en fonction de ces enregistrements. Le modèle a obtenu de meilleurs résultats que le hasard, bien qu’il ait commis un nombre notable d’erreurs. Ce résultat imparfait mérite que l’on s’y attarde. L’algorithme ne lisait pas un signal propre. Il tentait d’interpréter des vocalisations superposées et enchevêtrées produites simultanément par plusieurs animaux, une tâche qui serait pratiquement impossible pour des analystes humains travaillant manuellement sur l’audio à n’importe quelle échelle significative.
Les chœurs comme messages coordonnés et non pas seulement comme du bruit
La principale découverte de l’étude est que les chœurs d’éléphants ne sont pas simplement le résultat acoustique de plusieurs animaux qui crient en même temps. Les vocalisations conjointes semblent porter des informations en tant qu’unité, des informations qui ne peuvent pas toujours être extraites d’un seul grondement au sein du groupe. Dans certains contextes, les appels individuels au sein d’un chœur sont devenus plus similaires sur le plan acoustique au fil du temps. Ce phénomène est appelé “convergence vocale”.
Sara Keen, écologiste comportementale au Earth Species Project, une organisation à but non lucratif axée sur l’utilisation de l’IA pour décoder la communication animale, a décrit la convergence vocale à New Scientist comme étant analogue à ce qui se passe dans la conversation humaine, où les gens commencent progressivement à imiter les schémas de parole ou les accents des autres. Dans les données sur les éléphants, la convergence vocale est apparue spécifiquement lors des grondements cadencés, de contact et de salut. Les chercheurs suggèrent qu’elle pourrait aider les familles d’éléphants à coordonner les comportements de groupe, tout en notant qu’un examen plus approfondi est nécessaire pour confirmer cette interprétation.
Andrew McLean, chercheur indépendant en comportement animal et membre du groupe de spécialistes des éléphants d’Asie de l’Union internationale pour la conservation de la nature, a qualifié les résultats de “fascinants”, tout en notant qu’ils “ne sont pas vraiment surprenants, étant donné à quel point les éléphants sont intensément sociaux”. Ce cadrage est utile. Les résultats ne bouleversent pas les connaissances existantes sur l’intelligence des éléphants. Ils les élargissent, et ils le font en utilisant des outils qui permettent aux chercheurs de traiter des données à une échelle et à une vitesse qui n’étaient pas disponibles auparavant.
Ce que cela révèle sur le rôle de l’IA dans la compréhension du monde naturel
Voici ce que la plupart des couvertures médiatiques d’études de ce type ont tendance à sous-estimer : l’importance ne concerne pas seulement les éléphants. Il s’agit d’un changement méthodologique dans la façon dont la science aborde la communication animale.
Les algorithmes de machine learning peuvent identifier des motifs à travers des centaines ou des milliers d’enregistrements dans le temps qu’il faudrait à un chercheur humain pour examiner manuellement une fraction de ce matériel. Cette capacité est déjà appliquée à travers les espèces. Des scientifiques ont utilisé des outils similaires pour identifier les espèces de moustiques, le sexe et le statut d’alimentation à partir du seul son, pour identifier ce que les chercheurs décrivent comme un alphabet phonétique de cachalots, pour découvrir que les singes ouistitis s’appellent par leur nom, et pour analyser les vocalisations des corbeaux. Les éléphants de la savane africaine peuvent également s’appeler par leur nom, selon des recherches distinctes mentionnées dans le matériel source.
Le fil conducteur est la reconnaissance de motifs à grande échelle. La communication animale est dense, contextuelle et fonctionne souvent à travers des canaux sensoriels que les humains ne perçoivent pas naturellement, y compris les infrasons, la gamme de basses fréquences où les grondements des éléphants se propagent à la fois dans l’air et dans le sol. Les outils d’IA ne remplacent pas l’expertise des écologistes comportementaux et des biologistes. Ils gèrent le volume de données que l’analyse humaine seule ne peut pas traiter, libérant les chercheurs pour se concentrer sur l’interprétation, la formation d’hypothèses et la conception d’études de suivi.
Stephanie King, biologiste comportementale à l’Université de Bristol, l’a formulé directement : “Si elle est utilisée de manière responsable, l’IA peut transformer ce que nous pouvons faire avec les données que nous collectons.”
Ce mot “responsable” a du poids. L’algorithme de cette étude a commis des erreurs. Les chercheurs les ont reconnues. Cette transparence compte car elle reflète une compréhension réaliste de ce que ces outils peuvent et ne peuvent pas faire à ce stade de développement.
En bref
Un modèle de machine learning a analysé 902 enregistrements de grondements d’éléphants de la savane africaine recueillis sur près de quatre décennies, constatant que les chœurs de groupe transportent des informations coordonnées au-delà de ce que contiennent les appels individuels. Un phénomène appelé convergence vocale, où les appels au sein d’un chœur deviennent plus similaires sur le plan acoustique, peut jouer un rôle dans la coordination des groupes. L’étude fait partie d’une tendance plus large : l’IA devient un instrument central dans la recherche sur la communication animale, non pas parce qu’elle comprend les animaux, mais parce qu’elle peut traiter l’échelle de données que leur compréhension exige.
D’après un reportage de Smithsonian Magazine.