Peser le carbone des géants de la forêt

Un modèle d’intelligence artificielle mis au point par une équipe de recherche d’IVADO permet désormais d’estimer à la fois l’espèce et la hauteur d’un arbre à partir d’images de drone. Cette avancée pourrait aider à déterminer plus rapidement si une forêt absorbe plus de carbone qu’elle n’en relâche, une donnée qui oriente les décisions politiques en matière de climat.

Le modèle, appelé DINOvTree, a été conçu par Jannik Endres, premier auteur de l’étude et étudiant au doctorat au Computer Vision Lab de l’Université de Würzburg. Il était stagiaire de recherche à Mila au moment de l’étude. Les chercheurs IVADO David Rolnick et Etienne Laliberté figurent également parmi les coauteurs. Arthur Ouaknine, chercheur postdoctoral à l’Université McGill, complète l’équipe sous la co-supervision des professeurs Rolnick et Laliberté.

Le défi de mesurer les arbres du haut des airs

Une photo de drone ordinaire permet d’estimer avec précision l’élévation du sommet de la canopée, mais pas celle du sol, qui reste largement invisible sous les arbres. La hauteur d’un arbre se calcule pourtant à partir de la différence entre ces deux élévations.  

«Le problème, c’est qu’on ne connaît pas l’élévation du sol dans la majorité des forêts de la planète», dit Etienne Laliberté.

Les solutions de rechange restent coûteuses : mesurer chaque arbre au sol prend énormément de temps, et le lidar, une technologie de balayage laser qui capte bien le sol, demande un équipement dont la plupart des forêts du monde n’ont jamais disposé.

«Les plus gros arbres stockent la moitié du carbone de la forêt, explique Etienne Laliberté, également professeur au Département de sciences biologiques de l’Université de Montréal. Ils peuvent vivre des centaines d’années. Et on connaît très mal leur réponse aux changements climatiques.»

Ces géants de carbone sont aussi les moins bien étudiés, parce qu’ils sont trop rares pour être échantillonnés en nombre suffisant. Le modèle, appelé DINOvTree, contourne le problème de l’élévation du sol en estimant la hauteur directement à partir de l’image.

Une autre façon de faire consiste à déduire la hauteur à partir de la largeur de la couronne, visible des airs. Cette méthode reste toutefois peu fiable: en forêt tempérée, elle conduit à près de trois fois plus d’erreurs que le nouveau modèle. Et cela, même dans les conditions les plus favorables, quand l’espèce et le contour de l’arbre sont déjà connus.  

Un travail impossible à l’échelle humaine

L’identification taxonomique reste un problème distinct, tout aussi limitant : les feuilles, les fleurs et les fruits nécessaires pour distinguer une espèce sont souvent invisibles depuis le sol, sous une canopée haute de plusieurs dizaines de mètres.

Sur le terrain, un inventaire traditionnel demande du temps : deux personnes mettent de 30 minutes à une heure pour couvrir une parcelle de 20 mètres sur 20 en forêt québécoise, et le travail d’identification des espèces peut à lui seul prendre des mois sur une parcelle tropicale d’un hectare.

Le travail que l’équipe d’Etienne Laliberté accomplit aujourd’hui était-il humainement possible avant l’arrivée de ces outils? Le professeur est catégorique. «C’est absolument impossible. Il faudrait 1000 personnes pour le faire et, quand bien même, il faudrait que ce soit 1000 experts», répond-il. 

De XPRIZE à DINOvTree

Cette capacité est une addition récente, distincte du modèle de détection des couronnes utilisé par l’équipe depuis 2024. C’est cette même technologie qui a mené l’équipe à la victoire, sous le nom Limelight  Rainforest, à la compétition internationale XPRIZE Rainforest en 2024, grâce à une méthode de détection et de cartographie des couronnes d’arbres par drone.

Développée avec l’appui du programme IA, biodiversité et changements climatique d’IVADO, poursuivi maintenant sous le regroupement Environnement du programme IAR³, cette technologie sert à détecter et à cartographier les couronnes d’arbres à partir d’images prises à l’aide d’un drone. 

L’équipe a conçu ces outils pour qu’ils puissent fonctionner sur du matériel grand public.  «C’est une ligne de code, dit Arthur Ouaknine, également codirecteur du projet. Il faut installer un paquet, et avec cette seule ligne, on peut faire tourner tout le modèle sur son propre ordinateur.»

Ce choix répond à une demande directe des écologistes de terrain  avec qui l’équipe travaillait déjà, notamment au Brésil, en Équateur et au Panama. DINOvTree identifie l’espèce et détermine la hauteur à partir de la même image, deux tâches traitées simultanément pour la première fois, selon les auteurs. 

Ce qui échappe encore au modèle

En forêt tropicale, la méthode traditionnelle n’a même pas pu servir de point de comparaison pour évaluer la hauteur : elle exige des paramètres calculés espèce par espèce, et ces données n’existent pas encore pour la plupart des arbres tropicaux.

«Je pense aux différentes espèces d’érable, dit Arthur Ouaknine. Si on n’a pas le bon moment, les couleurs par exemple, c’est très difficile de les reconnaître, et même pour des écologistes, d’un point de vue visuel, c’est compliqué.»

Ce qu’il faut prouver pour protéger une forêt

L’enjeu est aussi politique. Pour convaincre des autorités qu’une parcelle de forêt mérite d’être protégée, une communauté doit habituellement documenter deux choses : la biodiversité qui s’y trouve et la quantité de carbone que ses arbres absorbent.

«Concrètement, il faut des écologistes qui aillent sur le terrain, mesurer  les arbres et faire des inventaires», explique Arthur Ouaknine, co-directeur du projet. Cette surveillance automatisée rend ce genre de démonstration possible dans des régions où elle était auparavant hors de portée, notamment aux tropiques.

L’équipe cherche maintenant à étendre ses partenariats au-delà de la parcelle test du concours XPRIZE, y compris hors forêt tropicale, notamment pour le suivi de plantations en forêt boréale au Québec.

Deux secteurs réclament déjà ce type de segmentation et d’estimation d’espèces à grande échelle, selon Arthur Ouaknine : l’industrie de la reforestation et les producteurs acéricoles, qui cherchent à maintenir la biodiversité de leurs forêts.

Pour Étienne Laliberté, le succès de la prochaine étape ne se mesurera pas au nombre de nouveaux projets de recherche, mais à un produit logiciel assez accessible pour que de nouveaux partenaires deviennent autonomes en quelques mois, plutôt que de dépendre d’un accompagnement individuel qui prend actuellement plusieurs mois par zone de végétation.

Reste que ce travail d’inventaire demeure hors de portée dans la plupart des forêts tropicales.

« On voudrait bien le faire, on veut connaître les espèces, mais on n’y arrive pas parce que ça coûterait une fortune, dit Étienne Laliberté. Il faudrait envoyer les experts un peu partout dans l’Amazonie, et il n’y a presque pas d’experts, ils ne sont pas disponibles. »

Le financement de ce travail reste inégalement réparti : les chercheurs qui vivent dans les régions tropicales y ont moins accès.

« Chaque personne bénéficie du fait qu’il y a des forêts tropicales en santé sur la planète, conclut Étienne Laliberté. Ça régule le climat global. Donc il faut les étudier. »

À propos de cette étude 

L’article «Estimating Individual Tree Height and Species from UAV Imagery», par Jannik Endres, Etienne Laliberté, David Rolnick et Arthur Ouaknine, a été présenté à l’European Conference on Computer Vision en septembre 2026.