Pour les ornithologues amateurs, le jackpot est une observation rare. Une espèce vagabonde loin de son aire de répartition normale ? C’est la une des journaux. Au Royaume-Uni, ces découvertes sont placardées partout. Prenez le héron des récifs occidentaux. Habituellement coincé en Afrique ou dans le sud de l’Europe, cet oiseau est apparu dans le nord du Pays de Galles en juin. Les forums ont éclaté. La fête était à l’ordre du jour.
Et puis il y a la pourriture.
Les scientifiques crient maintenant. Ils veulent que les ornithologues amateurs arrêtent de jouer avec l’IA. La peur ? Cela empoisonne le puits de la science citoyenne. Des plateformes comme iNaturalist et Macaulay Library s’appuient sur des données publiques. Ces données suscitent de véritables recherches. Il suit les changements d’habitat. Il surveille les aires de répartition des espèces. Mais maintenant, les images modifiées par l’IA sur les forums d’observation des oiseaux injectent du bruit dans le signal. Et il est difficile de dire ce qui est réel.
Le piège de la « beauté » dans la photographie animalière
Les outils d’IA générative ont facilité la simulation. ChatGPT ? Non, des modèles d’images. Vous pouvez générer un faux oiseau de haute qualité en quelques secondes. Ou vous pouvez prendre une vraie photo et la « améliorer ». Supprimez une branche. Aiguisez les plumes. Faites ressortir les couleurs.
L’algorithme ne se soucie pas de la biologie. Il se soucie des modèles.
Dans un récent commentaire dans Nature, les chercheurs ont exposé les dégâts. Des centaines de fausses images se trouvent déjà dans les bases de données. Le vrai numéro ? Inconnu. Probablement beaucoup plus élevé. La plupart passent inaperçus. Cela contamine les dossiers collectés par le public depuis des années.
« Mon expérience de Facebook ces jours-ci est qu’il s’agit simplement d’images générées par l’IA », a déclaré le Dr Alexander Lees.
Lees, écologiste à la Manchester Met University, a rédigé l’article. Son propos est direct. Utiliser ces photos pour suivre la localisation des espèces ? Difficile. Peut-être impossible.
Les canulars purs et simples sont rares. Nous ne voyons pas de toucans en Sibérie. Tout le monde le remarquerait. Ce sont les modifications subtiles qui tuent la confiance. Un ornithologue amateur demande à l’IA de rendre une image « plus belle ». Le logiciel échange les plumes. Ajoute des marquages. Du coup, vous avez un hybride qui n’a jamais existé.
L’erreur du Carouge à épaulettes
Lees cite un exemple spécifique. Observation d’un carouge à épaulettes. Centre du Brésil. Du jamais vu là-bas auparavant. Les carouges à épaulettes appartiennent à l’Amérique du Nord. L’oiseau sur la photo ? En fait, un loriot à épaulettes. Une espèce commune du Nouveau Monde.
Le photographe a utilisé l’IA. Ils voulaient une image plus nette et meilleure. L’IA a ajouté les épaulettes rouges distinctes d’un oiseau différent. Résultat : un faux dossier. Un fantôme dans les données.
Les photographes animaliers sont obsédés par la photo parfaite. Ils ne voient pas toujours le risque. L’image qui remporte des prix aujourd’hui pourrait causer des maux de tête scientifiques demain.
Pourquoi des données précises sont plus importantes que jamais
L’échelle est encore en train d’être mesurée. Sur iNaturalist, qui héberge plus de 610 millions d’images, seules 1 400 ont jusqu’à présent été signalées pour une utilisation par l’IA. C’est moins de 0,002 %. Mais le volume est-il important lorsque la source est suspecte ?
Ces plateformes agissent comme des capteurs en temps réel. Ils nous montrent le changement climatique en action. Les plantes fleurissent-elles tôt ? Les espèces migrent-elles vers le nord ? Les écologistes ont besoin de ces données. Ils ont besoin de savoir où se trouvent les choses.
Tony Iwane, directeur du soutien communautaire chez iNaturalist et co-auteur de l’article, en voit la valeur.
“C’est presque comme un capteur de ce qui se passe sur Terre”, a déclaré Iwane.
La plupart des modifications ne sont pas malveillantes. Ils sont esthétiques. Mais la frontière s’estompe rapidement. Si les données sont inexactes, les conclusions sont fausses. Nous ne pouvons pas conserver ce que nous ne comprenons pas.
Alors, lorsque vous éditez cette photo de la paruline, réfléchissez-y à deux fois. Vous ne vous contentez pas de lui donner une belle apparence. Vous ajoutez du bruit à un ensemble de données mondial critique. Et une fois que c’est là-bas, c’est difficile à nettoyer.
La communauté des ornithologues amateurs veut aider. Ils adorent le frisson de la nouvelle trouvaille. Mais ce frisson se heurte à un nouveau type de pollution numérique. La question n’est pas seulement de savoir si nous pouvons retrouver l’oiseau. Il s’agit de savoir si nous pouvons croire l’image que nous voyons.
Certains disent que le correctif réside dans une meilleure détection de l’IA. D’autres plaident pour des directives communautaires plus strictes. Il n’y a pas de solution miracle. Juste plus de vigilance. Et peut-être un retour aux images brutes et inédites. En attendant, nous continuons à chercher. Et nous continuons à nous interroger.
