Exploiter le pouvoir de l'IA et des approches communautaires pour surveiller les jaguars dans la péninsule du Yucatan
Solution complète
Jaguar (Panthera Onca)
Tech4Nature Mexico
Le Mexique est reconnu comme un pays mégadivers, abritant environ 12 % des espèces de la planète. Le pays préserve un riche patrimoine naturel et culturel grâce aux efforts des communautés indigènes. La péninsule du Yucatan, dans le sud-est, est écologiquement riche, avec ses forêts tropicales, ses récifs coralliens, ses mangroves et autres, mais ces écosystèmes se détériorent rapidement en raison des activités humaines et du changement climatique. Près de 80 % des forêts tropicales sont perturbées et seulement 22 % sont recouvertes d'une végétation mature, principalement dans des zones protégées.
Le projet pilote Tech4Nature Mexico utilise des systèmes de surveillance continue de la biodiversité et d'intelligence artificielle pour la détection et la conservation d'espèces prioritaires dans la réserve d'État de Dzilam, afin de mieux comprendre les effets du changement climatique sur la région. Cette approche s'est concrétisée par l'inclusion de la communauté en tant que partenaire et contributeur principal, l'application de techniques d'apprentissage automatique et la construction d'alliances multisectorielles.
Dernière modification 30 Sep 2025
5115 Vues
Contexte
Défis à relever
Les populations de jaguars ont perdu environ 50 % de leur habitat sur l'ensemble du continent. La situation au Mexique est particulièrement déconcertante, puisque l'espèce a subi une réduction de plus de 40 % de son aire de répartition territoriale.
Parallèlement, les écosystèmes de la péninsule du Yucatan (où vivent près de la moitié des jaguars du pays) se dégradent rapidement, ce qui a de profondes répercussions sur les populations de jaguars, qui se retrouvent de plus en plus acculées par la destruction de leur habitat et les conflits entre l'homme et le jaguar. En outre, la péninsule du Yucatan est devenue un point névralgique pour la chasse illégale et le trafic de jaguars.
Dans le contexte spécifique de la réserve d'État de Dzilam, cette zone est confrontée à de multiples menaces, depuis les modifications de l'utilisation des terres et la perte de biodiversité jusqu'à la vulnérabilité accrue aux phénomènes météorologiques extrêmes.
En outre, le suivi des jaguars reste une entreprise gourmande en ressources, étant donné l'absence de mécanismes de surveillance couvrant de vastes zones, ce qui entrave la capacité à recueillir des données cruciales pour leur protection.
Emplacement
Dzilam de Bravo, Municipalité de Dzilam de Bravo, Yucatán 97606, Mexique
Caraïbes
Amérique du Nord
Traiter
Résumé du processus
Les résultats du projet pilote Tech4Nature Mexico illustrent la synergie holistique entre ses éléments constitutifs, en adoptant une approche centrée sur l'homme et la nature avec un impact régional durable. En associant une technologie de pointe à un engagement profond en faveur de la conservation, des perspectives locales et des collaborations multipartites, ce projet pilote a non seulement transformé la compréhension de l'extraordinaire biodiversité de la réserve, mais a également renforcé l'engagement local en faveur de sa protection.
Cette initiative a confirmé la présence de plusieurs espèces à différents niveaux de risque. Ces données précieuses permettent de cibler la conservation et de prendre des décisions en connaissance de cause, de responsabiliser les communautés locales et de renforcer les efforts de conservation, tout en devenant des outils indispensables pour renforcer les efforts de conservation. En outre, les efforts de surveillance continus et la présence accrue des autorités ont entraîné une réduction tangible des menaces humaines, soulignant l'impact de l'implication de la communauté dans le projet.
Au-delà des limites de la réserve, ce projet catalyse une vague de transformation dans la conservation régionale, où la fusion des technologies de pointe et la collaboration multipartite redéfinissent la protection de la biodiversité.
Blocs de construction
Alliance multipartite
Ce projet, mené par C Minds, le Secrétariat du développement durable du Yucatan (SDS), la communauté des municipalités de Dzilam de Bravo et Dzilam Gonzalez au Yucatan, l'Union internationale pour la conservation de la nature (UICN) et Huawei, en collaboration avec l'Université polytechnique du Yucatan (UPY) et Rainforest Connection (RFCx), En collaboration avec l'Université polytechnique du Yucatan (UPY) et Rainforest Connection (RFCx), et avec les conseils et le retour d'information de biologistes spécialisés dans la conservation des félins, le projet a combiné les connaissances de différentes institutions et personnes pour créer une alliance ayant un impact environnemental et socio-économique, à la fois au niveau local et régional.
Facteurs favorables
Le projet pilote a soigneusement identifié toutes les parties prenantes concernées. Il s'agit d'organisations à but non lucratif, de gouvernements, d'institutions universitaires, d'entreprises du secteur privé et de communautés locales. Chaque partie prenante a apporté son expertise et son point de vue, contribuant ainsi à la réussite globale du projet.
Leçon apprise
Il est essentiel de travailler à la réalisation d'objectifs communs pour harmoniser les efforts de toutes les parties prenantes. Collaborer avec les parties prenantes pour définir des buts clairs et des objectifs communs qui répondent aux besoins et aux aspirations de chacun. Ce processus devrait permettre de traduire les objectifs dans un "langage commun" compréhensible par tous, favorisant ainsi une compréhension et un engagement solides.
Co-conception et engagement de la communauté
L'engagement des dirigeants locaux a été intégral dès le début du projet, en leur confiant la caractérisation et la sélection des sites d'échantillonnage et de surveillance. Leurs points de vue et leurs exigences ont été activement intégrés dans l'analyse du projet. Il était primordial de présenter les résultats en temps voulu, de diffuser largement leur travail et leur expertise et de les inclure dans les réunions de travail.
Facteurs favorables
Le ministère du développement durable du Yucatan travaille depuis plusieurs années avec les communautés locales vivant à l'intérieur et autour de la réserve, afin d'assurer une pollinisation croisée des connaissances, une bonne gouvernance et la justice.
En outre, l'initiative C Minds' AI for Climate a établi une solide collaboration de quatre ans avec le gouvernement du Yucatan et des acteurs locaux essentiels représentant les secteurs de l'université, de l'innovation et de la société civile.
Leçon apprise
L'implication totale de la communauté locale à tous les stades du projet, qu'il s'agisse de la conception, du déploiement, de la collecte de données ou de l'analyse, s'est révélée être un facteur essentiel et indispensable qui a contribué à la réussite du projet et à l'acquisition d'informations précieuses sur la biodiversité au sein de la réserve.
Déploiement de pièges photographiques et de dispositifs de surveillance éco-acoustique
L'équipe locale a stratégiquement placé 15 pièges photographiques et 30 dispositifs de surveillance éco-acoustique (audiomoths) dans les habitats de la mangrove et de la forêt tropicale de basse altitude où des jaguars avaient déjà été aperçus. Ce déploiement a permis de capturer efficacement la biodiversité de la région et de générer des données précieuses pour une analyse ultérieure.
Facteurs favorables
Les recherches sur le terrain, associées à la participation active de la communauté locale et aux connaissances acquises grâce aux efforts de co-conception, ont permis de déterminer les emplacements optimaux pour le déploiement des caméras et des audiomoths. Ces appareils ont été stratégiquement placés dans les zones les moins perturbées des mangroves, des jungles et des savanes, garantissant ainsi le succès de notre enquête scientifique.
Leçon apprise
La caractérisation et la cartographie du site en collaboration avec la communauté locale ont constitué une base essentielle pour le déploiement réussi de ces dispositifs. Cependant, nous avons également rencontré des difficultés, notamment des incendies de forêt et des événements extrêmes, qui ont temporairement entravé les efforts de mise en place des dispositifs et de collecte des données.
Algorithmes de reconnaissance d'images pour la détection et l'identification des jaguars
La composante de reconnaissance d'images, basée sur les réseaux neuronaux convolutifs (CNN) dans le cadre du projet pilote Tech4Nature Mexico, joue un rôle fondamental en : i) détectant automatiquement la présence de jaguars dans les pièges photographiques, accélérant ainsi le traitement des données ; et ii) identifiant automatiquement les jaguars individuels dans la région, ce qui améliore la compréhension des populations locales. Cette approche est d'une importance vitale pour la conservation, car elle tire parti de méthodes avancées qui permettent une analyse plus rapide et plus détaillée.
Facteurs favorables
Données collectées à partir des appareils et alliances stratégiques avec Huawei, l'UPY et d'autres organisations expertes en conservation pour le partage des données. Pendant toute une année scolaire, un groupe de jeunes étudiants en ingénierie des données de l'UPY s'est consacré au développement des modèles de reconnaissance d'images. Étant donné la possibilité que les modèles soient biaisés dans la reconnaissance des jaguars en raison du manque d'expérience des étudiants dans le suivi de cette espèce, le groupe a reçu une formation et un retour d'information de la part d'un biologiste spécialisé dans la conservation des félins au Yucatan.
Leçon apprise
Le développement de modèles automatiques pour la détection et l'identification des jaguars dans les images nous a posé un défi considérable. Cette tâche est compliquée non seulement par la rareté des données disponibles, mais aussi par la quantité limitée d'images capturées par les pièges photographiques contenant l'espèce en question, en raison de son statut de conservation critique. Ces obstacles ont été notables dans les premières étapes du projet, ce qui nous a incités à collecter des images d'animaux à partir d'une variété de sources afin d'élargir notre ensemble de données. Cependant, la complexité augmente à ce stade en raison de facteurs supplémentaires.
Ressources
Surveillance et analyses acoustiques
La composante acoustique du projet revêt une importance particulière, car elle a joué un rôle central dans la détection automatique de plus de 138 espèces, 95 d'entre elles ayant été intégrées dans nos algorithmes d'appariement. Cela constitue une base solide pour la surveillance continue de la région au cours des prochaines années, nous permettant d'observer comment les différents facteurs environnementaux influencent la présence des espèces
Facteurs favorables
Notre succès dans la détection des espèces a été rendu possible grâce aux données collectées par les appareils et aux partenariats stratégiques que nous avons établis, en particulier avec Rainforest Connection. En outre, les experts locaux ont joué un rôle crucial dans la validation de la présence des espèces.
Leçon apprise
La surveillance acoustique passive intégrée, combinée aux techniques d'intelligence artificielle, a permis l'identification de 95 espèces. Il existe une corrélation positive entre la richesse des espèces et le couvert forestier à faible hauteur. En outre, les analyses du paysage sonore ont révélé des variations liées aux différentes saisons et aux différents types d'habitat. Cependant, le projet pilote s'est heurté au problème des données d'entraînement limitées pour les espèces rares. Pour y remédier, nous avons procédé à de multiples déploiements de capteurs au cours de différentes saisons.
Ressources
Génération d'intrants pour le renforcement des outils et des ressources d'IA pour la protection de la biodiversité
L'un des points forts du projet pilote est sa capacité à traduire les apprentissages en opportunités et en recommandations, en particulier sur les questions d'innovation, de transformation numérique et d'éthique technologique pour la protection de la biodiversité. C'est pourquoi nous avons suivi de près la mise en œuvre du projet pilote afin d'élaborer un rapport public comportant une section de recommandations, alimentée par les expériences, les contributions, les réalisations et les apprentissages de l'équipe chargée de la mise en œuvre.
Facteurs favorables
Ce qui a été appris à chaque étape et avec chaque partenaire a contribué à renforcer les outils et les méthodologies de l'IA pour la protection de la biodiversité.
Leçon apprise
Au-delà des limites de la réserve, le projet Tech4Nature Mexico a déclenché une vague de transformation dans les efforts de conservation régionaux. La fusion d'une technologie de pointe et d'une collaboration multipartite redéfinit la protection de la biodiversité. Des algorithmes de suivi innovants ont révélé des données cruciales confirmant la présence d'espèces menacées d'une manière sans précédent. Ces révélations enrichissent notre compréhension de l'écologie régionale et responsabilisent les communautés locales, suscitant un engagement durable en faveur de la conservation.
Impacts
Le projet Tech4Nature Mexico a permis d'obtenir des résultats révolutionnaires dans la réserve d'État de Dzilam. Grâce à des algorithmes de surveillance avancés, le projet a confirmé la présence de 146 espèces, dont 38 en danger, réaffirmant ainsi l'importance de leur protection. Ces nouvelles connaissances ont non seulement permis aux communautés locales de mieux comprendre leur environnement, mais aussi de s'engager activement dans les efforts de conservation. Le modèle d'identification automatique des jaguars du projet a ouvert la voie à l'amélioration de la protection de leurs habitats. En outre, les données du projet ont des implications internationales, influençant l'inclusion de la réserve dans la prestigieuse liste verte de l'UICN et améliorant son programme de gestion. Grâce à une surveillance continue et à l'implication de la communauté, le projet a permis de réduire les menaces humaines qui pèsent sur la faune et la flore, garantissant ainsi un environnement plus sûr.
Voici quelques-uns des impacts techniques du projet :
- Plus de 80 000 images et vidéos, et plus de 600 000 fichiers acoustiques collectés
- 4 000 hectares couverts (mangroves, jungle et savane).
- Richesse en espèces de 111 oiseaux, 23 mammifères (7 jaguars ont été identifiés jusqu'à présent), 6 reptiles, 6 amphibiens.
- 138 espèces incluses dans les modèles acoustiques de correspondance des formes (CNN).
- 93 % de précision de l'algorithme d'image capable de détecter et d'identifier les jaguars.
Bénéficiaires
- Institutions gouvernementales locales, régionales et nationales
- Peuples autochtones et communautés locales
- Praticiens et étudiants en IA et en données
- Institutions académiques
- Organisations environnementales
- Société civile
- Secteur privé
Objectifs de développement durable
ODD 13 - Mesures relatives à la lutte contre les changements climatiques
ODD 15 - Vie terrestre
ODD 17 - Partenariats pour la réalisation des objectifs
Histoire
Juan Castillo
Tech4Nature Mexico
En janvier 1989, la réserve d'État de Dzilam a été désignée comme zone naturelle protégée. Un plan de gestion novateur, un programme d'exploitation annuel et un organisme de surveillance vigilant ont été mis en place - un bond en avant sans précédent dans l'histoire de la conservation au Mexique à cette époque. Pourtant, malgré ces avancées, le programme de gestion n'a été publié au Journal officiel du gouvernement de l'État du Yucatan qu'en 2005. À partir de ce moment, l'approche de la réserve s'est concentrée sur la notion vitale selon laquelle la préservation de la nature doit s'harmoniser avec le bien-être de ses habitants.
Cependant, l'empiètement de l'agriculture sur la réserve a entraîné le déplacement d'espèces de grands mammifères, peut-être le principal facteur à l'origine du déclin des populations de magnifiques grands félins comme le jaguar. Les prédateurs se heurtent souvent aux intérêts humains lorsqu'ils s'attaquent aux animaux domestiques, en particulier au bétail.
Juan Castillo a grandi au sein d'une famille de nomades, parcourant la jungle bien avant qu'elle ne soit protégée. S'installant près des sources d'eau, ils ont prospéré grâce à la chasse, à l'agriculture et à l'élevage. Juan, comme sa famille, pensait que la défense du bétail contre les jaguars était primordiale, même si cela signifiait tuer les grands félins.
Au fil des ans, il a pris conscience que c'était lui et sa famille qui empiétaient sur l'habitat du jaguar et consommaient ses ressources, et non l'inverse. Il a pris une mesure audacieuse en retirant son bétail de la réserve et en s'installant en ville.
Aujourd'hui grand-père, Juan transmet son amour de la nature à ses petits-enfants, leur faisant comprendre que ces espèces ont plus de valeur vivantes que mortes, qu'elles sont cruciales pour la survie de la forêt, de ses innombrables habitants et, en fin de compte, de la population.
Aujourd'hui, Juan est déterminé à faire don de sa terre pour la conservation, même si elle se trouve à l'intérieur de la réserve et qu'elle est légalement sa propriété. Avec son ami Benjamin, un chasseur repenti, ils sont devenus d'éminents guides, explorateurs et défenseurs passionnés de la conservation des jaguars et de la préservation de leurs proies, de la forêt tropicale et des mangroves. Ils s'occupent avec diligence des pièges photographiques et des dispositifs de surveillance acoustique, assurant la sécurité de tous dans le cadre du projet Teceh4Nature Mexico. Juan Castillo est devenu un champion international de la conservation, vénéré pour son dévouement inlassable à cette noble cause.
