L’IA embarquée pour une pêche plus durable

L’industrie de la pêche traverse une zone de turbulence. Entre la hausse des exigences réglementaires, les contraintes environnementales accrues et la rareté croissante des ressources, les défis s’accumulent. En tant que chercheur, je m’intéresse à l’interface entre ces enjeux et les technologies d’intelligence artificielle. Que peut-on automatiser dans un contexte aussi complexe, sans compromettre la rigueur scientifique ni l’adhésion des professionnels du milieu?

C’est avec cette question en tête que nous avons lancé un projet de recherche appliquée visant à développer un système embarqué pour surveiller les captures de sébastes — ces poissons colorés, emblématiques du golfe du Saint-Laurent. L’objectif? Doter les pêcheurs d’un outil de vision par ordinateur capable d’identifier, de segmenter et de mesurer automatiquement les individus remontés à bord. Une sorte d’assistant biologique numérique, en temps réel.

Voir sans toucher

Le processus commence dès que le poisson est saisi par la caméra. Le système — basé sur l’architecture YOLOv12 — localise l’animal, délimite sa silhouette, puis estime sa taille. Le tout se déroule en quelques fractions de seconde, sans qu’aucune intervention manuelle ne soit nécessaire. Ce n’est pas seulement une prouesse technologique: c’est une nouvelle façon de faire de la science à bord d’un navire de pêche.

Ce projet s’inscrit dans une logique d’appui aux pêcheurs. Les prises accessoires sont fréquentes et souvent mal documentées. Les données manquent cruellement pour appuyer les décisions de gestion. En fournissant des mesures précises et standardisées à grande échelle, notre système pourrait contribuer à des quotas plus justes et une meilleure compréhension des stocks. Mais pour y parvenir, il faut que la technologie s’adapte aux réalités du terrain.

L’astuce des données synthétiques

Un des obstacles majeurs en vision artificielle est la nécessité de disposer de jeux de données massifs et bien annotés. Or, dans notre cas, les images de poissons en milieu réel sont rares et difficiles à classifier. Pour surmonter ce verrou, nous avons généré des milliers d’images synthétiques à partir de modèles 3D animés. Cette approche, encore peu répandue dans le domaine des pêches, nous a permis d’accélérer drastiquement l’entraînement des algorithmes. Et ça fonctionne!

Ce qu’il reste à faire

Nous n’en sommes qu’au début. Le passage de la recherche appliquée à l’application en mer exigera de nombreuses itérations. Nous devrons adapter la robustesse du modèle aux conditions de lumière variables, à la présence d’eau sur les lentilles, aux mouvements brusques. Nous continuerons aussi de générer de nouvelles données synthétiques, mieux adaptées aux différents types de prises observées.

Notre ambition va au-delà du cas du sébaste. Ce projet s’inscrit dans une démarche plus large de soutien à la pêche durable, en collaboration avec l’Association des Capitaines Propriétaires de la Gaspésie (ACPG). En croisant les savoirs marins et les avancées de l’IA embarquée, nous espérons rendre la collecte de données plus simple, plus rapide et plus fiable — au bénéfice de tous et de toutes.