Des chercheurs montpelliérains utilisent l'IA générative pour prédire les communautés de poissons des récifs

Prédire la présence d'un poisson sur un récif, les écologues savent le faire depuis longtemps, espèce par espèce. Prédire l'ensemble d'une communauté sous-marine, avec ses équilibres et ses associations d'espèces, est une tout autre affaire. C'est le défi qu'a relevé une équipe associant l'unité mixte de recherche Marbec et le Lirmm, deux structures de recherche montpelliéraines, dans une étude publiée le 22 octobre dans la revue Current Biology. Les travaux sont portés par Noémie Coulon, chercheuse au sein de Marbec.

Un modèle qui « écrit » une communauté de poissons comme une phrase

L'idée centrale s'inspire directement du fonctionnement des IA génératives de langage, les mêmes technologies qui permettent à un agent conversationnel de compléter une phrase mot après mot. Appliqué à l'écologie marine, le principe devient : à partir d'un contexte environnemental donné (température, profondeur, type de substrat...), le modèle ajoute progressivement des espèces de poissons à une communauté virtuelle, en tenant compte de celles déjà « écrites » et de leur biomasse.

Cette méthode permet au modèle d'apprendre les associations statistiques entre espèces — un peu comme un modèle de langage apprend quels mots ont tendance à se suivre. Et surtout, elle change la nature de la réponse obtenue. Là où les modèles classiques fournissent une communauté « moyenne » unique pour un environnement donné, celui-ci peut, comme une IA de langage propose plusieurs suites possibles à une même phrase, générer plusieurs communautés plausibles pour les mêmes conditions.

Près de 27 000 relevés de récifs passés au crible

Pour construire et tester cet outil, l'équipe de recherche s'est appuyée sur une base de données de près de 27 000 relevés effectués sur des récifs coralliens. Selon l'étude, ce modèle améliore la qualité des prédictions de communautés de poissons par rapport aux méthodes auxquelles il a été comparé.

Pour chaque relevé analysé, les chercheurs ont fait générer 500 communautés de poissons différentes à partir du même contexte environnemental, puis ont comparé ces réalisations entre elles.

Un même récif, plusieurs visages écologiques possibles

Résultat marquant : dans environ un tiers des relevés étudiés, les communautés générées par le modèle ne se regroupent pas autour d'une configuration unique, mais se répartissent en plusieurs groupes distincts. Ces groupes ne sont pas de simples variantes mineures dans la liste des espèces présentes : ils correspondent à des combinaisons récurrentes d'espèces et de biomasses, certaines espèces étant fortement liées à une configuration précise, d'autres pouvant au contraire apparaître dans plusieurs d'entre elles.

Les auteurs précisent toutefois que le modèle ne démontre pas, en lui-même, que ces communautés alternatives existent réellement ou peuvent basculer les unes vers les autres dans la nature. Il offre en revanche un cadre statistique inédit pour tester cette hypothèse à partir de données de terrain.

L'exemple du récif de Lord Howe

L'étude illustre cette diversité de configurations à partir d'un récif de l'île de Lord Howe, en Australie, où deux visages très différents apparaissent possibles dans un même environnement :

Pourquoi cela concerne aussi la conservation marine

Cet écart entre les deux configurations n'est pas qu'une question de classification des espèces présentes : il touche directement aux enjeux de préservation des écosystèmes récifaux, puisque la part d'espèces menacées varie fortement d'une configuration à l'autre pour un même environnement.

En mettant en évidence ces différentes configurations possibles plutôt qu'une réponse moyenne unique, l'outil développé par l'équipe montpelliéraine ouvre une nouvelle piste pour étudier l'organisation des communautés marines et leurs fonctions écologiques respectives — un enjeu suivi avec attention par la recherche en biodiversité marine, à laquelle Montpellier contribue via plusieurs laboratoires spécialisés.