La conservation de la faune sauvage entre dans une phase de transformation profonde grâce à l’intelligence artificielle. Alors que les méthodes classiques de suivi des populations de lions reposaient sur des colliers GPS ou des pièges photographiques, une avancée scientifique majeure démontre désormais qu’un lion peut être identifié uniquement à partir du son de son rugissement. Cette découverte marque un tournant dans le domaine de la bioacoustique assistée par IA, où les vocalisations animales deviennent une nouvelle source de données essentielle pour la conservation1.
Une découverte inattendue dans plus de trois mille enregistrements
Les travaux dirigés par Jonathan Growcott, doctorant à l’Université d’Exeter, ont mobilisé cinquante microphones déployés dans le parc national de Nyerere en Tanzanie ainsi que cinq colliers acoustiques posés sur des lions dans la réserve de Bubye Valley au Zimbabwe. L’objectif consistait à affiner les méthodes de comptage des populations grâce aux vocalisations, mais l’analyse des enregistrements a mis en évidence un résultat inédit.
Entre les rugissements puissants bien documentés et les vocalisations de communication interne, les chercheurs ont identifié une troisième catégorie : un rugissement intermédiaire, plus grave et plus uniforme. Jusqu’ici imperceptible aux observateurs humains, il a pu être isolé grâce à un modèle d’apprentissage profond atteignant une précision de classification supérieure à quatre-vingt-quinze pour cent.
L’IA révèle une signature vocale individuelle propre à chaque lion
Chaque rugissement puissant contient une empreinte acoustique unique permettant d’identifier un lion individuellement. L’analyse automatisée a permis de :
- distinguer plus de 3 000 enregistrements,
- obtenir une précision supérieure à 95 % dans la classification,
- identifier le sexe, l’âge et certains marqueurs physiologiques à partir du signal sonore,
- repérer une séquence vocale récurrente où le rugissement intermédiaire suit systématiquement le rugissement puissant.
Ces avancées montrent que les lions disposent d’un répertoire vocal plus complexe que ce qui avait été documenté jusque-là2.
Applications concrètes pour la conservation et la lutte contre le braconnage
Les implications pour la conservation sont majeures. Cette approche permet :
- un suivi non intrusif des lions,
- une cartographie acoustique plus précise des territoires,
- la détection à distance des lions dans des zones difficiles d’accès,
- une amélioration significative des estimations démographiques,
- un soutien renforcé aux programmes anti-braconnage, notamment la surveillance nocturne et la détection d’individus près des zones protégées.
Dans un contexte où la population mondiale de lions est estimée à environ 23 000 individus à l’état sauvage, l’IA devient un outil décisif pour soutenir les efforts de préservation3.
Enjeux éthiques et limites d’une technologie en plein essor
Comme toute méthode reposant sur la collecte de données sensibles, la bioacoustique assistée par IA exige un encadrement rigoureux. La fiabilité reste dépendante de la qualité des enregistrements, les analyses doivent être contextualisées biologiquement, et la technologie ne doit pas être utilisée hors de son cadre scientifique ou conservatoire. Les chercheurs soulignent également que les vocalisations animales doivent être étudiées dans un cadre écologique complet, intégrant génétique, environnement et comportements sociaux.
Conclusion : vers une écologie augmentée par l’intelligence artificielle
Cette avancée ouvre une nouvelle voie pour la conservation des grands félins. L’IA permet désormais de détecter des signatures acoustiques invisibles à l’oreille humaine et de transformer les méthodes de suivi en outils plus précis, moins intrusifs et mieux adaptés à l’étude d’espèces menacées. À mesure que l’écologie s’appuie sur des technologies plus sophistiquées, l’intelligence artificielle apparaît comme un allié essentiel pour répondre aux défis de la biodiversité mondiale.
Learn more
Pour explorer une autre application majeure de l’intelligence artificielle au service de la conservation, consultez : Ocean IA : comment l’Intelligence Artificielle contribue à la préservation des baleines en Polynésie
References
1. University of Exeter. (2025). Acoustic Identification of African Lions Using Deep Learning Models.
https://www.exeter.ac.uk/research
2. Ecology and Evolution. (2025). Bioacoustic Patterns in Panthera leo and AI-Assisted Vocal Recognition.
https://www.onlinelibrary.wiley.com/journal/20457758
3. International Union for Conservation of Nature. (2024). African Lion Population Status and Conservation Challenges.
https://www.iucnredlist.org/species/15951/115130419
