Un œil intelligent sur la mer

362
mai 2018
La pêche dans les mers australes, ici au large de l'archipel de Crozet, a été réglementée grâce à la surveillance par satellite.
Marcel Mochet / Afp

Comment voir tous les actes illégaux en mer ? Un projet créé de l’intelligence artificielle avec des données satellites.

« Dans le monde, un poisson sur cinq est pêché de manière illégale ! » Ce chiffre est énorme. Mais la personne qui le rappelle cite un exemple réussi de lutte contre cette pêche illégale. Vincent Kerbaol est le responsable du site de télétransmission satellite de CLS(1), à Brest (lire p. 14). « Les zones de pêche autour des archipels subantarctiques Kerguelen et Crozet subissaient une forte activité illégale. Deux mois de pêche non réglementée à cet endroit rapportent plusieurs millions d’euros à l’équipage. » Entre 1997 et 2000, seulement 20 navires illégaux ont été arraisonnés par la Marine nationale. Tout change en 2004 grâce à la surveillance par satellite. La zone est observée grâce au projet Radarsat. La détection devient plus simple et les navires “pirates” sont souvent arrêtés. La quantité de poissons revient à un niveau acceptable. Grâce à la surveillance satellite, la pêche légale, qui respecte des quotas, rouvre en 2017.

Pêche illégale, dégazage

L’histoire est belle, mais comment l’étendre à toutes les mers du monde et à tous les actes illicites ? Il faut s’aider de l’intelligence artificielle. « Le but est maintenant d’entraîner des logiciels à repérer eux-mêmes les actes illicites des navires », explique Ronan Fablet, professeur à l’IMT(2) Atlantique et chercheur au sein du Lab-Sticc(3). Depuis 2016, le projet de recherche Sesame(4) qu’il coordonne associe plusieurs acteurs, dont l’IMT, l’Irisa et CLS. Ils s’intéressent à la pêche illégale, mais aussi au passage de marchandises d’un bateau à l’autre en pleine mer (transbordement) ou encore au rejet d’hydrocarbure (dégazage).

« Les résultats sont encourageants, mais l’évaluation est difficile, car il n’y a pas de données de référence, indique le chercheur. Nous devons d’abord caractériser des images satellites de comportements réels, licites et illicites pour que la machine les différencie. Ensuite, nous simulons des comportements pour savoir si nos logiciels les classent bien. » La clef de l’apprentissage des machines n’est pas dans les équations informatiques, les algorithmes. Elle est dans la “caractérisation” des données, qui lui servent à apprendre. Une bonne caractérisation permet l’apprentissage, et donc la qualité du raisonnement. Autrement dit, “l’acquis” de la machine (ce qu’elle apprend) vaut plus que “l’inné” (son code initial).

Chercher les bateaux sur des images satellites de 160000 km² peut s’avérer fastidieux. En plus des images satellites, d’autres données “spatiales” viennent ici au secours des chercheurs : celles des balises du Système d’identification automatique (AIS). Elles renseignent sur les positions et les trajectoires des bateaux.

Savoir où regarder

« Depuis moins de 10 ans, ces données sont collectées par satellite, poursuit Ronan Fablet. Cela change tout : on peut désormais connaître en permanence la position des navires, donc savoir où regarder sur les images satellites. » Plus besoin de chercher une aiguille dans une botte de foin, si le détecteur de métaux indique où chercher ! “Big data” ou pas, il faudra toujours se rendre en mer pour lutter contre les actes illégaux. Mais avec l’intelligence artificielle, développée par Ronan Fablet et ses collègues, les gardes-côtes gagneront du temps.

Tabs

Baptiste Cessieux

Ajouter un commentaire

LE DOSSIER