© Shutterstock / Conrad Pfalzgraf – Attaques de requins : l’application indispensable à installer avant de vous baigner à l’étranger
Vu du sable, l'océan garde ses secrets. Une ombre sombre sous la houle peut être un banc de poissons, une plaque d'algues ou tout autre chose. Vu de cent mètres d'altitude, à la verticale, le même océan devient soudain lisible. C'est ce changement de perspective, couplé à une machine qui ne cligne jamais des yeux, qui est en train de redéfinir la sécurité des baigneurs. Encore faut-il apprendre à la machine ce qu'elle regarde.
Tout repose sur l'apprentissage profond. SharkSpotter, développé par le Pr Michael Blumenstein et son équipe de l'Université de Technologie de Sydney (UTS), est la référence opérationnelle : entraîné sur des banques d'images aériennes annotées à la main, il analyse en temps réel le flux vidéo des drones Westpac Little Ripper et classe chaque objet détecté parmi seize catégories — du requin au dauphin, en passant par le surfeur, la raie ou le bateau. Il a été déployé sur plus de 50 plages australiennes, principalement au Queensland et en Nouvelle-Galles du Sud.
Pour ne pas se tromper, l'IA croise plusieurs indices. La silhouette d'abord. Comme la couleur d'un requin varie peu et que celle de l'océan change avec la météo, les chercheurs neutralisent la teinte pendant l'entraînement, forçant le réseau à se concentrer sur les formes et les textures. Le mouvement ensuite, plus révélateur encore. Le grand requin blanc nage en n'agitant guère que sa queue, une locomotion dite thunniforme qui, vue du ciel, dessine une signature très différente de l'ondulation souple d'un dauphin. Le comportement enfin : les dauphins vivent en groupes et font surface, là où le requin longe les zones de surf en solitaire. En combinant ces trois lectures, SharkSpotter atteint une précision d'environ 90 %, meilleure que celle d'un observateur humain embusqué dans un hélicoptère (17 à 20 %) ou d'un avion à voilure fixe (12,5 %).
Rester précis au-dessus d'une mer agitée reste un défi. Une vague, un reflet, un plongeon, et la cible disparaît le temps de quelques images. Les détecteurs classiques, qui analysent chaque photogramme isolément, perdent alors la trace de l'animal. La nouvelle génération répond à ce problème par la mémoire temporelle.
Le modèle FLAIR (Frame Level ALIgnment and tRacking), publié en janvier 2025, illustre cette avancée. Bâti sur la brique SAM 2 (Segment Anything Model 2), capable de suivre un objet d'une image à l'autre à travers la vidéo, et sur CLIP (Contrastive Language-Image Pre-training), il conserve en mémoire la position et la forme du requin même lorsqu'une vague l'efface un instant. Au lieu de le perdre, l'IA prolonge sa trajectoire à travers ces trous visuels et maintient un suivi continu. Cette conscience du temps sert aussi à filtrer les fausses alertes : un candidat requin identifié sur une seule image mais absent des suivis voisins est classé comme ombre ou débris et écarté. FLAIR atteint un score Dice de 0,81 sur des données de terrain variées, une performance comparable aux méthodes supervisées, sans nécessiter de données d'entraînement étiquetées. À noter que FLAIR est avant tout un outil de recherche écologique (suivi et biométrie des requins) ; les applications commerciales de sécurité plage reposent à ce stade encore sur SharkSpotter et des systèmes apparentés.
Reste que la mer complique la tâche. Malgré ses 90 % de réussite en conditions favorables, l'IA se heurte à des obstacles bien concrets, documentés lors d'essais menés sur les plages de Nouvelle-Galles du Sud. Une eau turbide masque la silhouette et rend la détection quasi nulle sous 1,5 mètre de visibilité. Les reflets du soleil créent des distractions optiques, au point qu'un ciel nuageux améliore paradoxalement les résultats en réduisant l'éblouissement. Les vagues et l'écume ajoutent un bruit visuel permanent, et un animal qui plonge devient vite illisible. Plus troublant, de vastes étendues d'algues sombres ou de récifs peuvent être prises à tort pour de grands requins blancs, tandis qu'une raie-guitare au museau pointu passe parfois pour un squale.
Le degré d'automatisation a lui aussi ses limites, et des chiffres récents viennent les chiffrer très précisément. Une étude publiée en 2026 par Monteforte et al. (Southern Cross University) sur les stations autonomes de type drone-in-a-box révèle un taux de manqués de 52,4 % en mode autonome, contre environ 30 % pour un drone piloté manuellement, capable d'ajuster l'angle pour éviter un reflet ou repositionner l'axe de caméra. La rigidité des trajectoires préprogrammées est en cause : là où un pilote compense instinctivement, le drone automatique répète la même erreur. Sans compter la réglementation aérienne, qui encadre strictement les vols hors de vue du télépilote dans la plupart des pays, y compris en France sous le régime EASA.
C'est pourquoi ces drones ne travaillent jamais seuls. L'alerte de l'IA est validée par un opérateur humain, qui décide d'avertir les sauveteurs. La machine repère, l'humain tranche. En 2026, ces drones ne remplacent pas le maître-nageur. Ils lui offrent un regard perché, qui ne se fatigue pas et voit le danger arriver avant tout le monde.
Suivez toute l'actualité des Numériques sur Google Actualités et sur la chaîne WhatsApp des Numériques
Envie de faire encore plus d'économies ? Découvrez nos codes promo sélectionnés pour vous.
