Le 19 mai 2025 à Cañete, au Pérou, les sirènes ont retenti avant même les secousses : une première dans le pays. Ce système de détection précoce, conçu par l'IRD et l'Instituto Geofísico del Perú, n'utilise qu'une seule station sismique — dès les premières ondes, des algorithmes d'IA estiment magnitude et localisation en quelques secondes, puis alertent automatiquement. Quelques secondes seulement, mais assez pour sortir d'un bâtiment ou gagner une zone sûre, et donc pour sauver des vies.

détecteurs, tremblements de terre, tsunamis

Le projet DIG-AI (Deciphering plant genotype-phenotype Interactions using knowledge Graphs and AI, ou « Décrypter les interactions génotype-phénotype des plantes à l'aide de graphes de connaissances et de l'IA ») vise à exploiter l'IA pour améliorer les capacités de production agricole dans les pays en développement grâce à une meilleure compréhension des relations génotype-phénotype dans un contexte de changement climatique.

agroécologie, génétique du développement chez les plantes, intelligence artificielle

Ce projet ambitionne de générer des indicateurs écologiques et des modèles prédictifs de la biodiversité des écosystèmes perturbés en combinant des méthodes d'intelligence artificielle aux approches évaluatives connues. Il permettra ainsi de créer la première base de connaissance de biodiversité marine et, par la suite, de développer des modèles de prédiction et d'interprétation. Il vise également à dévoiler des solutions intelligentes pour la nature afin d’assurer la durabilité des systèmes socio-écologiques côtiers.

biotechnologie marine, écologie marine, océanographie biologique

Predomics est une nouvelle approche de machine learning conçue pour les données de métagénomique, qui répond au manque d'interprétabilité des modèles prédictifs actuels en matière de biomarqueurs du microbiome. Inspirée des interactions au sein des écosystèmes microbiens, elle fonde ses décisions sur un score simple, obtenu en additionnant, soustrayant ou divisant les abondances cumulées de mesures du microbiome.

nutrition, biotechnologie environnementale, génomique

Le projet AIME mobilise l'intelligence artificielle pour intégrer des données hétérogènes — images satellitaires, images et vidéos sous-marines, ADN environnemental, coordonnées GPS et télémétrie — et produire des indicateurs de biodiversité marine à différentes échelles. Les méthodes combinent apprentissage profond, ontologies et bases de connaissances, traitement du langage naturel, apprentissage automatique et réseaux bayésiens dynamiques, avec une hybridation entre approches symboliques et sous-symboliques visant à renforcer la robustesse et la précision des indicateurs.

biologie marine, bioindicateurs, océanographie, intelligence artificielle

DISoft utilise une technologie innovante qui repose sur l'analyse de la fusion de l'ADN à haute résolution (HRM) par IA. Cette technologie a été développée grâce à une longue collaboration entre Innovative Diagnostics, l'Institut de recherche pour le développement (IRD) et l'Université de Montpellier.

traitement statistique des données, calcul de l'adn, autres technologies médicales pour le diagnostic, recherche sur les soins de santé

« L’essor du “machine learning” (apprentissage automatique en français) permet d’envisager une approche complètement différente, sans aucune hypothèse physique, basée uniquement sur les données empiriques. L’idée consiste à alimenter les algorithmes avec tout ce que l’on peut avoir d’observations quantitatives des phénomènes naturels, pour voir s’ils distinguent des facteurs qui auraient échappé jusqu’ici aux spécialistes. »

géophysique, géodynamique, intelligence artificielle

Ce projet de recherche vise à réduire l'écart entre la recherche sur la biodiversité et la gestion des espaces naturels, en proposant des méthodes d'aménagement du territoire qui intègrent de manière robuste et précise les questions socio-écologiques. L'intelligence artificielle jouera un rôle central et permettra de lever les obstacles méthodologiques qui nous empêchent d'aborder correctement la complexité et l'hétérogénéité de la durabilité.

biologie, intelligence artificielle

La gestion des stocks de vivaneaux conditionne la durabilité des pêcheries de Nouvelle-Calédonie. Pour en évaluer l'abondance et la diversité, les scientifiques de l'IRD et leurs partenaires ont déployé des stéréo-caméras appâtées sur les montagnes sous-marines où vivent ces poissons, entre 47 et 557 mètres de profondeur. L'intelligence artificielle prend ensuite le relais pour analyser les heures de vidéos enregistrées.

ressources alimentaires, économie agricole, océanographie biologique, pêche