Le bien-être d’un cheval monté en compétition peut-il être vérifié en s’aidant d’un outil d’intelligence artificielle (IA) ? Une équipe d’éthologues de l’Institut national de recherche pour l’agriculture, l’alimentation et l’environnement (Inrae) répond par l’affirmative. Leur programme d’apprentissage machine « entraîné » à partir de photographies qu’ils ont annotées sur différents critères, notamment ceux de la chercheuse britannique Sue Dyson, est précis à 90 % pour déceler un inconfort sur une photo ou une vidéo. « Ce travail, au stade de preuve de concept [démonstration de faisabilité], a montré que les expressions de la tête du cheval sont statistiquement plus discriminantes [utiles] que ses postures pour cerner le ressenti de l’animal », détaille Léa Lansade qui a dirigé cette étude.
Cette recherche, financée par le fonds Equiaction de la Fédération française d’équitation a été lancée en réponse à l’intérêt sociétal croissant pour le bien-être animal, notamment lors des compétitions. « Ces travaux sont importants pour objectiver cette question alors que l’utilisation des chevaux en compétition est désormais sur la sellette, après les problèmes survenus aux Jeux olympiques [JO] de Tokyo », ajoute Vincent Boureau, vice-président de l’Association vétérinaire équine française, référent sur les questions du bien-être animal. En 2021 en effet, les images d’une cavalière allemande cravachant excessivement sa monture lors des épreuves du pentathlon moderne ont fait le tour du monde, entraînant la disparition de l’équitation dans cette discipline pour les JO de Los Angeles en 2028.
« Confondre les expressions de plaisir et d’inconfort »
Forte de ces premiers résultats, l’équipe de l’Inrae désire enrichir l’algorithme avec des données sur les expressions faciales rassemblées lors de travaux précédents. « Pour obtenir des informations plus qualitatives, nous utilisons la méthode FACS [système de codage des actions faciales] adaptée au cheval. Chaque mouvement anatomique de la tête est répertorié en “unité d’action”, puis analysé statistiquement en réseau. Cela permet de décrypter une à une les expressions faciales des chevaux en lien avec leurs émotions positives ou négatives », précise Léa Lansade.
Il vous reste 29.84% de cet article à lire. La suite est réservée aux abonnés.
