📌 🐝 Pierre Bonnet, CIRAD :  l’usage de l’IA pour mieux cartographier la biodiversité

En 2026, Futura-Mobility explore la manière dont l’intelligence artificielle (IA) peut aider les transports à mieux respecter les limites planétaires et à accroitre les bénéfices sociétaux. En 2025, le think tank s’est attaché à la question de l’impact des systèmes de transport sur la biodiversité, ainsi qu’à la question de la gestion de la ressource en eau douce.

Pour faire la liaison entre les deux années, en février 2026, les membres de Futura-Mobility ont accueilli Pierre Bonnet du Centre International de Recherche Agronomique pour le Développement (CIRAD) à Montpellier.

Il a présenté les objectifs et les évolutions de Pl@ntNet, une plateforme française de sciences participatives basée sur l’IA et initiée en 2009, pour nous éclairer sur l’usage de l’IA pour mieux cartographier la biodiversité.

Futura-Mobility : Quel est votre rôle au sein de la plateforme Pl@ntNet et comment est-elle financée et organisée ?

Pierre Bonnet : Membre de l’équipe Pl@ntNet en tant que chercheur au Cirad, j’assure sa coordination depuis 2009, aux côté d’Alexis Joly, lui-même chercheur à l’Inria.

En effet, Pl@ntNet est un consortium porté par quatre et maintenant cinq organismes de recherche français : le CIRAD, l’INRIA, l’IRD et l’INRAE, récemment rejoints par le CNRS.

Les membres de l’équipes sont basés sur deux unités de recherche à Montpellier : l’UMR AMAP, et le LIRMM.

Le travail que mène Pl@ntNet est le fruit d’un travail collectif entre collègues, ingénieurs et chercheurs, que ce soit en botanique, écologie, informatique et mathématiques.

FM : Quelles étaient les motivations à l’origine de Pl@ntNet ?

PB : La plateforme a été initialement conçu pour faciliter et renforcer les capacités de suivi de la biodiversité végétale. L’objectif était de permettre à un plus grand nombre de personnes de recenser correctement des plantes dans le milieu naturel et produire des occurrences, donc des observations datées, géolocalisées de ces plantes pour avoir une meilleure connaissance de leur dynamique de distribution et de développement dans les milieux.

Tout l’enjeu du projet Pl@ntNet est de mettre en place un cercle vertueux d’enrichissement de données de biodiversité, qui permet de tester des méthodes de traitement automatisé, notamment (mais pas uniquement) pour l’identification des plantes.

La méthode a été mise à disposition d’un public très varié, du simple citoyen ou professionnel expert, pour tester la pertinence de ces méthodologies et participer avec nous à l’enrichissement des connaissances sur le domaine végétal.

FM : Concrètement, comment fonctionne cette plateforme ?

PB : Elle donne aux usagers la possibilité de déterminer l’espèce d’un végétal en soumettant des images de ce végétal via une application web ou mobile. L’image est analysée par un modèle de reconnaissance s’appuyant sur du deep learning, cette branche de l’IA basée sur une méthodologie d’entraînement de modèles de classification visuelle automatisée.

L’utilisateur peut récupérer une liste des espèces les plus probables par rapport à l’image qu’il a soumise, ou sur la combinaison d’images qu’il a soumise. De plus, s’il le souhaite, il peut partager ses images en acceptant des conditions d’utilisation et de partage (notamment une licence Creative Commons). Cela permet de rendre publique l’observation, qui peut ainsi potentiellement être validée par le réseau des participants à la plateforme.

Grace à ce partage d’observations par les utilisateurs de Pl@ntNet, les données sur lesquelles le modèle d’IA est régulièrement entraîné sont continuellement enrichies en volume et en qualité. L’ensemble des données générées par la plateforme est ensuite externalisé auprès de plateformes tierces, comme le Global Biodiversity Information Facility (GBIF) par exemple. Aujourd’hui, un très grand nombre de travaux de recherche s’appuie sur le GBIF, qui est la plus grande source d’occurrences de biodiversité à l’échelle mondiale.

FM : Expliquez-nous la fonctionnalité offline de la plateforme et son importance ?

PB : On a aussi travaillé sur des mécanismes pour avoir un modèle embarqué et permettre l’usage de ce dispositif de d’identification visuelle automatisée de plantes sur des terminaux autonomes (smartphones, tablettes, etc.).

Les utilisateurs qui ont un compte peuvent télécharger le modèle de reconnaissance sur leur smartphone. Ceci leur permet de soumettre des photos et d’avoir des résultats d’identification, même sans connexion. Cette fonctionnalité est très utile dans des contextes montagneux, forestiers et agricoles, ou dans des régions très isolées.

Une fois que l’utilisateur se reconnecte au réseau, un mécanisme de synchronisation lui permet de partager ses données générées hors ligne.

FM : Comment la plateforme a-t-elle évolué au fur et à mesure des années ?

PB : La plateforme a d’abord concerné l’utilisation à une granularité très fine, avec la possibilité de recenser des plantes individuelles dans le milieu naturel via des photos sur le terrain. Au fur et à mesure des années, à travers nos partenariats et les résultats de recherches obtenus, on s’est intéressé à des échelles spatiales de plus en plus grandes et complexes.

Le projet, qui a démarré fin 2009, a été marqué par différents jalons. On a commencé par la prise en compte de scans de feuilles et puis l’usage de différents critères visuels caractérisant les plantes avec des approches multi-organes combinant feuilles, fleurs, fruits et tiges.

La première version mobile de Pl@ntNet a été lancée en 2013. Les modèles de deep learning sont arrivés en 2015. Ensuite, les premiers travaux en modélisation de la distribution spatiale des plantes sur les données collectées ont commencé en 2018.

Les activités de Pl@ntNet sont continuellement équilibrées entre des travaux fondateurs centrés sur l’écologie et des travaux plus en mathématiques et informatique.

FM : Comment travaillez-vous avec des partenaires, et les entreprises en particulier ?

PB : Le projet s’appuie sur un très vaste réseau de partenaires avec des ONG, des universités, des entreprises, des jardins botaniques…

Dans le domaine des sciences du vivant ou des sciences des données, Pl@ntNet collabore activement avec des partenaires européens comme le European Joint Research Centre (JRC), dont le réseau des partenaires effectue des relevés de communautés végétales à l’échelle européenne.

Le service de reconnaissance est mis à disposition pour que des entreprises, des chercheurs ou encore des étudiants puissent l’expérimenter dans leur propre domaine de travail. Par exemple, par des représentant de l’Office Français de la Biodiversité ou encore la Fédération Nationale des Travaux Publics (FNTP) qui a développé une application destinée à faciliter l’identification des espèces envahissantes par tous les aménageurs du territoire, pour éviter leur déplacement d’un espace à un autre lors de la construction d’infrastructures de transport.

Une trentaine d’entreprises ont contractualisé l’accès à ce service de reconnaissance. On compte un peu plus de 18 000 personnes (salariés d’entreprises, étudiants, enseignants…) qui ont créé un compte pour y accéder et en bénéficient depuis 2018 maintenant.

La dynamique du projet s’inscrit dans le long terme. Ça fait 15 ans qu’on travaille dessus, avec l’idée d’avoir un consortium aussi ouvert que possible. Le CNRS a rejoint les 4 fondateurs en 2025.  D’autres universités ou entreprises ont manifesté leur intérêt pour adhérer au consortium. La demande d’adhésion de l’université de Montréal est validée et on échange actuellement avec l’Institut technique agricole Arvalis et de l’université danoise d’Aarhus.

Le Prix de l’innovation Inria – Académie des sciences – Dassault Systèmes 2020 est décerné au projet interdisciplinaire Pl@ntNet

FM : Parlez-nous des chiffres clés de Pl@ntNet. 

PB : Petit à petit, on a réussi à passer de quelques dizaines puis centaines de plantes couvertes au début des années 2010, à plusieurs dizaines de milliers, puisqu’on couvre plus de 80,000 espèces de plantes à l’échelle mondiale aujourd’hui.

L’usage vraiment massif de la plateforme, avec des dizaines de millions d’utilisateurs par an, a commencé en 2015-16. Aujourd’hui, sur les 20 millions d’utilisateurs par an, 8 millions ont créé un compte et contribuent activement à son développement. Depuis le début du projet, on a traité un peu plus d’1,3 milliards de requêtes d’identification à l’échelle mondiale !

FM : Pourriez-vous donner des exemples d’activités sur le terrain qui exploitent vos données et services ?

PB : Les données collectées sont agrégées sous forme de tableaux de bord qui alimentent des fiches descriptives d’espèces avec des galeries, des cartes, des diagrammes permettant de suivre la dynamique d’apparition des fleurs, fruits et tiges en fonction des lieux.

Ces données participent à la mise à disposition de différents services proposés par Pl@ntNet. Les micro-projets en sont un exemple. Ils permettent de contextualiser l’ensemble des services de la plateforme à une liste d’espèces d’intérêt ou à une flore d’une région donnée. Le parc national du Lewa au Kenya, le parc national des Cévennes ou encore le Conseil départemental des Bouches du Rhône ont sollicité la mise à disposition de ce service.

Les utilisateurs ont la possibilité d’agréger leurs données au travers de groupes et de partager et mettre en commun des données d’intérêt pour eux, pour faire le monitoring de la biodiversité d’une école, de l’aménagement d’un parc, d’un site dont ils ont en charge la gestion.

On permet aussi l’accès en temps réel aux occurrences d’identification d’espèces d’intérêt pour nos partenaires. Par exemple, on travaille avec la DREAL de la Réunion, qui s’intéresse à la détection d’espèces envahissantes de manière très précoce. Elle accède ainsi aux flux d’occurrences qu’on génère pour leur permettre ces détections.

FM : Sur quels sujets l’équipe de Pl@ntNet travaille-t-elle actuellement ?

PB : Depuis trois ans, on travaille sur l’identification de pathogènes végétaux, et l’identification au niveau infra-spécifique, dans le cadre du projet Pl@ntAgroEco. On souhaite que ce travail contribue à un système d’épidémio-surveillance pour mieux caractériser le développement de pathogènes végétaux dans les cultures, à grande échelle.

Au fur et mesure des années, nos partenariats et nos travaux nous ont amené à travailler à plus grande échelle, notamment dans le cadre des projets européens GUARDEN et MAMBO. Ceux ont permis d’ouvrir un autre axe de travail : les types de vues sur lesquels on travaille désormais sont des carrés de végétation qui sont habituellement utilisés par les experts pour dresser des inventaires de présence / absence d’espèces. Nous avons ainsi expérimenté des méthodologies qui permettraient, à partir d’une image haute définition contenant plusieurs plantes, d’obtenir une liste de l’ensemble des espèces présentes sur cette image avec leur ouverture spatiale.

Il s’agit encore d’un travail de recherche, mais qui progresse bien, avec l’ouverture de ce service à nos partenaires il y a déjà quelques mois. Le service basé sur cette méthodologie a déjà été exploité dans différents cadres, par exemple :

• à travers l’usage de l’analyse de données issues de drones qui survolent des canopées forestières, notamment sous les tropiques, pour y caractériser la biodiversité végétale ;

• auprès de structures professionnelles qui font des relevés et des inventaires récurrents sur des espaces dont elles suivent la biodiversité. Nous échangeons aussi avec le ministère de l’Environnement québécois afin d’évaluer dans quelle mesure Pl@ntNet permettrait de les accompagner dans leurs prospections ;

• au cours des dernières années, dans le cadre d’un projet pilote Biodiversa+, qui a mobilisé l’Office Français de la Biodiversité, Pl@ntNet a analysé plusieurs millions d’images générées par des caméras embarquées sur des voitures.

Le développement de modèles de distribution d’espèces à partir de Deep learning (cf. DeepSDM) représente un autre axe de travail sur lequel nous avons investi au cours de 10 dernières années. On s’appuie sur ces techniques d’analyse de données visuelles afin de prédire la niche écologique des espèces en traitant d’autres types de contenus visuels, notamment des données satellitaires ou la représentation sous forme visuel de variables environnementales.

A partir d’occurrences de plantes et de variables environnementales disponibles à ces occurrences, on a entraîné des modèles de DeepSDM pour prédire la présence et l’absence d’espèces en une coordonnée GPS donnée. Ce type d’approche est tout à fait novateur. Il permet d’intégrer un très grand nombre d’espèces au cours de l’apprentissage et donc de restituer des prédictions sur un très grand nombre de plantes, potentiellement à très haute résolution.

Cette méthodologie va au-delà de la prédiction de l’espèce, puis qu’elle permet d’inférer des indicateurs de biodiversité comme la probabilité de présence d’espèces envahissantes ou encore d’espèces menacées.

On a été les premiers à expérimenter ce type de méthodologie à l’échelle continentale pour la prédiction des cartes de distribution d’espèces de plusieurs milliers d’espèces, à l’échelle européenne, et à une résolution de 50 mètres par pixel.

Ce travail, mené dans le cadre du projet européen GUARDEN que je coordonne, et le projet MAMBO dans lequel nous sommes activement impliqué, est aujourd’hui accessible à travers l’outil GeoPl@nNet.

Protéger la biodiversité grâce à des outils de décision innovants

Les données cartographiques obtenues par cette méthodologie ont déjà été exploitées dans différents projets et cas d’étude. Par exemple, l’université Harokopio d’Athènes s’en est servi l’an dernier pour faire une analyse du tracé de la ligne ferroviaire à grande vitesse (LGV) Montpellier-Perpignan.

L’équipe du projet s’est intéressé aux différents scénarios d’impact de la ligne LGV sur le parc naturel régional de la Narbonnaise. Elle a mis en place des ateliers pour analyser les données cartographiques. L’université a ensuite pu proposer des scénarios tenant compte des capacités de conservation de la nature selon des évolutions potentielles de ce tracé de ligne ferroviaire.

Photo de couverture © Pierre Bonnet