La baie de San Francisco teste des alertes de baleines alimentées par l’IA sur des ferries en service
Dans la baie de San Francisco, une tablette installée sur un ferry de banlieue accomplit une tâche qui aurait semblé inhabituelle il y a seulement quelques années : prévenir l’équipage lorsqu’il y a des baleines devant lui. Lorsque le système en détecte une, il envoie une alerte suffisamment tôt pour que le capitaine puisse ralentir ou modifier sa trajectoire. C’est le principe d’un nouveau projet pilote visant l’une des collisions environnementales les plus difficiles de la région, la superposition croissante entre la migration des baleines et l’intense trafic commercial.
Le projet, décrit dans le texte source fourni, reflète un virage pragmatique de l’IA appliquée. Au lieu de courir après une percée à usage général, le système est conçu autour d’une tâche opérationnelle étroite aux conséquences immédiates : réduire le risque qu’un navire heurte une baleine. Dans un couloir maritime encombré, où les changements écologiques liés au climat amènent davantage de baleines grises dans la baie, ce type de système d’alerte ciblé pourrait devenir un modèle de la façon dont l’IA soutient la conservation sans attendre de grands changements réglementaires ou d’infrastructure.
Pourquoi le risque a augmenté
Les chercheurs impliqués dans le projet pilote affirment que les baleines grises étaient autrefois rares dans la baie, mais que la situation évolue à mesure que le changement climatique affecte les sources de nourriture marines. Les animaux s’arrêtent de plus en plus dans la zone au cours de leur longue migration de l’Alaska au Mexique. La baie n’est toutefois pas une escale paisible. Elle est sillonnée par des cargos, des navires de croisière, des pétroliers, des ferries et d’autres navires, concentrant la vie marine dans l’un des couloirs de transport les plus fréquentés de la région.
Le texte source indique que 21 baleines sont mortes dans la baie l’an dernier et que 40 % de ces décès ont été attribués à des collisions avec des navires. Le défi est donc à la fois écologique et opérationnel. Les équipages de ferry et les opérateurs commerciaux ne naviguent pas seulement entre la météo et le trafic. Ils partagent de plus en plus les mêmes routes avec de grands mammifères marins dont la présence peut être difficile à prévoir et difficile à repérer à temps, surtout la nuit ou dans le brouillard.
Rachel Rhodes, du Benioff Ocean Science Lab de l’Université de Californie à Santa Barbara, a décrit la situation sans détour dans le texte source, la qualifiant de « recette pour le désastre ». Le petit espace physique et la forte densité du trafic maritime signifient que le risque de collision n’est pas une préoccupation abstraite pour l’avenir. C’est déjà une source mesurable de mortalité des baleines.
Comment fonctionne le système de détection
Le projet pilote réunit plusieurs couches de détection et de vérification. WhaleSafe, une plateforme gérée par le Benioff Ocean Science Lab, suit déjà les signalements de baleines pour aider à alerter les navires. En Californie du Sud, le groupe a testé d’autres outils, notamment des bouées acoustiques qui écoutent les sons émis par les baleines. Mais le texte source précise que les baleines grises ne sont pas particulièrement vocales, ce qui limite l’utilité du suivi acoustique dans ce cas.
Pour la baie de San Francisco, les partenaires se sont donc tournés vers des caméras thermiques. Ces caméras peuvent détecter la signature thermique du souffle d’une baleine lorsqu’elle remonte à la surface. WhaleSpotter, la start-up à l’origine du système, utilise l’IA pour analyser ces images thermiques. Un réseau d’experts répartis dans le monde entier confirme ensuite chaque observation de baleine en temps réel avant qu’une alerte ne soit envoyée.
Ce fonctionnement est important. Il montre que le système n’est pas simplement un modèle de vision automatisé prenant des décisions de sécurité sans contrôle. L’IA assure l’analyse rapide des images, mais des experts humains restent dans la boucle pour vérifier les détections. Dans des contextes opérationnels où les faux positifs et les faux négatifs ont tous deux un coût, cette structure hybride est souvent plus réaliste qu’une automatisation totale.
Selon le texte source fourni, le système thermique peut détecter des baleines jusqu’à quatre milles nautiques à l’avance. Shawn Henry, PDG de WhaleSpotter, a déclaré que l’objectif est de repérer les baleines suffisamment tôt avant la zone de danger d’un navire pour que le capitaine puisse prendre des mesures correctives. En pratique, la technologie cherche à donner du temps aux équipages, ce qui est souvent la ressource la plus précieuse pour éviter une collision.
Ce que voient les exploitants de ferry jusqu’à présent
Le projet pilote utilise des caméras à deux endroits, dont l’un sur un ferry qui disposait déjà d’une veille humaine pendant la saison des baleines. Cela crée une comparaison opérationnelle directe entre l’observation entraînée et la détection assistée par instruments. L’indication précoce du texte source est que le système thermique peut parfois identifier les baleines légèrement avant que les équipages ne puissent les voir à l’œil nu ou aux jumelles.
Thomas Hall, directeur des opérations de San Francisco Bay Ferry, a déclaré dans le texte source que les alertes arrivent souvent juste avant que les personnes à bord n’auraient repéré elles-mêmes l’animal. Cet avantage peut sembler faible, mais sur un navire en exploitation, il peut faire la différence entre un simple ajustement de vitesse et une manœuvre d’évitement précipitée.
Le système répond aussi aux conditions dans lesquelles l’observation humaine est la plus difficile. Il peut fonctionner la nuit et dans un brouillard dense, lorsque même des observateurs expérimentés peuvent manquer des animaux remontant à la surface. L’interface de la tablette affiche la position de la baleine sur le radar, transformant un indice visuel fugace en information de navigation exploitable. C’est une étape subtile mais importante : l’outil ne se contente pas d’annoncer qu’une baleine se trouve quelque part à proximité, il traduit la détection en quelque chose que les équipages peuvent utiliser en navigation.
Un autre type de déploiement de l’IA
Ce qui rend ce projet pilote remarquable, ce n’est pas seulement son objectif de conservation. C’est la forme du déploiement de l’IA. De nombreux débats publics sur l’IA se concentrent encore sur les chatbots, la génération d’images et de vastes promesses d’autonomie. Ce projet est plus ciblé et plus concret. Il utilise l’analyse algorithmique en combinaison avec des capteurs, une vérification humaine et une chaîne de décision claire. L’indicateur de réussite est tout aussi concret : moins de collisions entre navires et baleines.
Cela ne veut pas dire que le système est simple. Il dépend d’images thermiques, d’alertes robustes, d’une revue par des experts et de la confiance des opérateurs. Mais il rappelle que certains des usages les plus importants de l’IA pourraient venir d’interfaces modestes rattachées à des infrastructures physiques, plutôt que de produits grand public autonomes. Un capitaine de ferry n’a pas besoin d’un assistant polyvalent. Il a besoin d’un avertissement plus précoce qu’un objet grand et vulnérable se trouve droit devant.
La suite
Le projet pilote devrait durer au moins deux ans, ce qui donnera aux chercheurs et aux opérateurs le temps d’évaluer les performances du système selon les saisons et les conditions. Ce calendrier suggère que l’effort en est encore à une phase de collecte de données plutôt qu’à un déploiement achevé. Malgré tout, sa conception indique un modèle extensible à d’autres routes côtières très fréquentées où la circulation des mammifères marins recoupe le transport commercial.
Si le système se révèle fiable, il pourrait renforcer une boîte à outils plus large pour la protection des baleines, qui comprend déjà les signalements d’observations et, dans d’autres régions, le suivi acoustique. La détection thermique peut être particulièrement utile dans les endroits où les espèces ciblées sont discrètes, la visibilité médiocre et la densité de navires élevée.
Le projet pilote de la baie de San Francisco ne résout pas les pressions climatiques plus larges qui poussent les baleines vers des environnements plus risqués. Il montre toutefois comment un problème opérationnel précis peut être traité par un système technique soigneusement circonscrit. En ce sens, le projet se distingue comme un exemple pratique d’IA en situation réelle : il ne remplace pas le jugement humain, mais l’étend juste assez pour réduire les dommages dans un environnement dense et changeant.
Cet article est basé sur un reportage de Fast Company. Lire l’article original.
Originally published on fastcompany.com
