Analyse automatisée du comportement animal

Pour les études comportementales sur les animaux, les scientifiques doivent souvent analyser de grandes quantités d'enregistrements vidéo. Classiquement, ils visionnent des enregistrements d'une durée totale de plusieurs semaines ou mois et tiennent un procès-verbal du comportement observé. Des chercheurs de l'ETH Zurich et de l'Université de Zurich ont désormais automatisé l'analyse de tels enregistrements. Un algorithme d'analyse d'images qu'ils ont développé utilise la vision par ordinateur et l'apprentissage automatique. L'algorithme peut distinguer des animaux individuels ainsi que reconnaître des comportements qui indiquent par exemple la curiosité, la peur ou des interactions harmonieuses avec des congénères.

Les enregistrements vidéo d'animaux - même les plus volumineux - peuvent ainsi être évalués automatiquement, quasiment sur simple pression d'un bouton. Un autre avantage est la reproductibilité : lorsque différents groupes de recherche évaluent leurs données vidéo avec le même algorithme, leurs travaux sont plus facilement comparables, car les mêmes critères sont toujours appliqués. En outre, le nouvel algorithme est si sensible qu'il permet de détecter des changements de comportement subtils qui n'évoluent que très lentement et sur une longue période. "Pour l'œil humain, en revanche, de tels changements sont souvent difficiles à détecter", explique Markus Marks. Il est postdoctorant dans le groupe de Mehmet Fatih Yanik, professeur de neurotechnologie, et premier auteur de ce travail de recherche.

Adapté à toutes les espèces animales

Les scientifiques ont entraîné l'algorithme d'apprentissage automatique à l'aide d'enregistrements vidéo provenant d'élevages de souris et de macaques. La méthode convient toutefois à toutes les espèces animales, comme le soulignent les chercheurs. La nouvelle méthode a déjà fait parler d'elle au sein de la communauté scientifique. Les chercheurs mettent l'algorithme à la disposition d'autres chercheurs sur une plateforme publique, et de nombreux collègues du monde entier l'utilisent déjà. "L'intérêt est particulièrement grand parmi les primatologues. Ainsi, un groupe qui étudie les chimpanzés sauvages en Ouganda utilise également notre technique", explique Marks.

Cela pourrait notamment être dû au fait que cette méthode permet d'évaluer des comportements sociaux complexes au sein d'une communauté animale, par exemple quel animal prend soin de la fourrure d'un autre membre du groupe et à quel moment. "Par rapport aux algorithmes d'analyse comportementale basés sur l'apprentissage automatique utilisés jusqu'à présent, notre méthode présente de grands avantages, notamment pour l'analyse du comportement social dans des cadres complexes", explique Marks.

Améliorer l'élevage des animaux

En outre, la méthode peut être utilisée pour améliorer l'élevage des animaux. Il est ainsi possible de surveiller les animaux 24 heures sur 24 et de détecter automatiquement les comportements anormaux. Les comportements sociaux défavorables ou les maladies peuvent ainsi être détectés à un stade précoce, et les personnes qui s'occupent des animaux peuvent intervenir rapidement et améliorer la situation pour les animaux.
Les chercheurs entretiennent également actuellement une collaboration avec le zoo de Zurich, qui souhaite améliorer encore son élevage et mener des recherches automatisées sur le comportement des animaux. Pour une étude récemment publiée sur le comportement de sommeil des éléphants, les chercheurs du zoo devaient par exemple évaluer manuellement des enregistrements vidéo. Ils espèrent que la nouvelle méthode leur permettra d'automatiser de tels travaux à l'avenir.

Enfin, la méthode est utilisée dans la recherche fondamentale en biologie, neurobiologie et médecine. "Notre méthode est capable de détecter des changements très mineurs dans le comportement des animaux de laboratoire, par exemple des signes de stress, de peur ou de malaise", explique le professeur Yanik de l'ETH. "Elle permet donc d'améliorer la qualité des études avec des animaux, de réduire le nombre d'animaux par expérience et de ne pas les soumettre à des contraintes excessives". Lui-même prévoit d'utiliser cette méthode dans ses recherches neurobiologiques dans le domaine de l'apprentissage par imitation.