Analyse automatisée du comportement des animaux

Les chercheurs et chercheuses qui étudient le comportement des animaux s'appuient souvent sur des heures et des heures de séquences vidéo qu'ils et ellesanalysent manuellement. En général, les chercheuses et chercheurs doivent passer en revue des enregistrements s'étalant sur plusieurs semaines ou mois, en notant laborieusement les observations sur le comportement des animaux.Une équipe de recherche de l'ETH Zurich et de l'Université de Zurich a mis au point une méthode automatisée pour analyser ce type d'enregistrements. L'algorithme d'analyse d'images développé fait appel à la vision par ordinateur et à l'apprentissage automatique. Il peut distinguer les animaux individuels et identifier des comportements spécifiques, tels que ceux qui signalent la curiosité, la peur ou des interactions sociales harmonieuses avec d'autres membres de leur espèce.

La technologie offre essentiellement aux scientifiques une solution en un clic pour analyser automatiquement des séquences vidéo, quelle que soit la longueur ou le niveau de détail des enregistrements. Un autre avantage de la nouvelle méthode est sa reproductibilité: si différents groupes de recherches utilisent le même algorithme pour analyser leurs données vidéo, la comparaison des résultats est plus facile car tout est basé sur les mêmes normes. Qui plus est, le nouvel algorithme est si sensible qu'il peut même identifier des changements comportementaux subtils qui se développent très progressivement sur de longues périodes. «Ces changements sont souvent difficiles à déceler à l'œil nu», explique Markus Marks, auteur principal de l'étude et post-doctorant dans le groupe dirigé par le professeur de neurotechnologie Mehmet Fatih Yanik.

Pour toutes les espèces animales

Les chercheuses et chercheurs ont entraîné l'algorithme d'apprentissage automatique avec des séquences vidéo de souris et de macaques en captivité. Elles et ils soulignent toutefois que la méthode peut être appliquée à toutes les espèces animales. La nouvelle de leur nouvelle méthode s'est déjà répandue dans la communauté scientifique. L'équipe de recherche a mis l'algorithme à la disposition des autres chercheuses et chercheurs sur une plateforme publique, et un grand nombre de scientifiques du monde entier l'utilisent déjà. «L'intérêt a été particulièrement élevé en cas de recherche sur les primates, et notre technologie est déjà utilisée par un groupe qui étudie les chimpanzés sauvages en Ouganda», explique Markus Marks.

Cela s'explique probablement par le fait que la méthode peut également être utilisée pour analyser les interactions sociales complexes dans les communautés animales, par exemple pour identifier les animaux qui toilettent les autres membres de leur groupe et la fréquence à laquelle cela se produit. «Notre méthode présente des avantages majeurs par rapport aux algorithmes d'analyse comportementale fondés sur l'apprentissage automatique, en particulier lorsqu'il s'agit d'analyser le comportement social dans des contextes complexes», explique Markus Marks.

Améliorer le confort de vie des animaux

La nouvelle méthode peut également être utilisée pour améliorer l'élevage des animaux, en permettant une surveillance permanente afin de repérer automatiquement les comportements anormaux. En détectant rapidement les interactions sociales défavorables ou le début d'une maladie, les gardiennes et gardiens peuvent réagir rapidement pour améliorer les conditions des animaux dont ils et elles ont la charge.

L'équipe de recherche collabore également avec le zoo de Zurich, qui souhaite améliorer le comfort de ses pensionnaires et mener des recherches comportementales automatisées. Par exemple, dans une étude récemment publiée sur les habitudes de sommeil des éléphants, les chercheuses et chercheurs du zoo devaient annoter manuellement les enregistrements vidéo nocturnes. Ils et elles espèrent que la nouvelle méthode leur permettra d'automatiser et d'améliorer ces résultats à l'avenir.

Enfin, la méthode est utilisée en recherche fondamentale dans les domaines de la biologie, de la neurobiologie et de la médecine. «Notre méthode peut reconnaître des changements de comportement, même subtils ou rares, chez les animaux de recherche, comme des signes de stress, d'anxiété ou d'inconfort», explique Mehmet Fatih Yanik. «Par conséquent, elle peut non seulement contribuer à améliorer la qualité des études sur les animaux, mais aussi à réduire le nombre d'animaux et la pression qu'ils subissent.» Le professeur de l'ETH Zurich prévoit d'utiliser lui-même cette méthode dans le cadre de ses recherches neurobiologiques dans le domaine de l'apprentissage par imitation.