AIME s’intéresse à trois défis scientifiques majeurs :

1) combinaison ou hybridation des techniques IA pour améliorer, de façon significative, la robustesse et la précision des indicateurs de la biodiversité,

2) développement de plusieurs indicateurs, à différentes échelles, capturant les diverses facettes de la santé des écosystèmes marins,

3) intégration de ces multiples facettes/indicateurs dans un modèle capable d’expliquer et de prédire la dynamique spatio-temporelle de la biodiversité marine dans des études de cas.

Les données utilisées incluent, entre autres, des images satellitaires, des images et vidéos sous-marines, des échantillons d’ADN environnemental, des coordonnées GPS et des données de télémétrie.

Intégration de données hétérogènes pour la production d’indicateurs de la biodiversité, à différentes échelles, en utilisant l’intelligence artificielle.

Le projet AIME est organisé en 6 WPs scientifiques. Les WPs 1-5 ont pour ambition de fournir des indicateurs de l’état des écosystèmes marins à différentes échelles, à partir d’informations issues de différents capteurs. Ces indicateurs sont basés sur la dynamique des habitats naturels (récif corallien, mangroves, herbier marin), l’intensité des pressions anthropiques (zones habitées), la législation (extraction automatique d’information à partir de documents légaux), la biodiversité (ADN environnemental), l’abondance des espèces (identification et recensement) et le déplacement de la mégafaune. Ces indicateurs alimenteront le WP6 dédié à la création d’un modèle intégré dont le but sera de fournir des estimations et des prédictions précises de la biodiversité marine face aux pressions futures. Des techniques IA spécifiques seront utilisées dans chaque WP (approches symboliques et sous-symboliques, apprentissage automatique, modèles probabilistes, avec parfois une hybridation entre les différentes approches). Parmi les méthodes IA utilisées, on peut citer l’apprentissage profond, les bases de connaissances et les ontologies, le traitement du langage naturel, l’apprentissage automatique et les réseaux bayésiens dynamiques. 

Ce projet se focalise sur la biodiversité marine côtière dans principalement deux zones spécifiques: la Méditerranée (environ 2,5 millions Km2) et l’océan pacifique (en particulier la ZEE de la Nouvelle-Calédonie, 1,5 millions Km2). La recherche proposée a pour finalité d’assister les prises de décision dans les stratégies de gestion des écosystèmes marins côtiers et des services qu’ils procurent aux humains.