Lutte contre le braconnage : Le logiciel « Mbaza AI » au service de l’ANPN

L’Agence nationale des parcs nationaux vient de se doter d’une nouvelle technologie pour lutter contre le braconnage au sein du parc national de la Lopé. Composée de 200 pièges photographiques et d’un algorithme, ce système dénommé «Mbaza AI», sans connexion Internet, dispose d’une capacité d’analyse rapide des données.

Le logiciel Mbaza AI peut aider le Gabon à renverser la tendance baissière de ses pachydermes victimes de braconnage. © ANPN

Dans sa stratégie de lutte contre le braconnage, l’Agence nationale des parcs nationaux (ANPN) s’est dotée du logiciel « Mbaza AI » pour sa capacité de surveillance de la biodiversité d’une manière «scientifiquement rigoureuse, dans les parcs nationaux», et à analyser des images en quelques heures. En effet, les images capturées par les 200 pièges photographiques disséminés dans le parc national de la Lopé sont chargées dans l’algorithme qui, selon ses concepteurs, dispose d’une capacité d’analyse rapide des données.

Développé en collaboration avec les chercheurs de l’Université de Stirling (Royaume-Uni) et le cabinet de conseil en science des données et en apprentissage automatique Appsilon, ce nouveau système est composé de 200 pièges photographiques qui prennent des clichés de mammifères vivant dans le parc national de la Lopé, situé dans la province de l’Ogooué-Ivindo, et d’un algorithme «Mbaza AI» qui exploite les photographies et permet la classification des images captées dans ce parc.

Le logiciel est capable d’analyser des images en quelques heures, permettant ainsi aux éco-gardes de repérer rapidement tout signe d’alerte dans la population animale et d’agir rapidement là où ils en ont le plus besoin. L’efficacité de cette nouvelle solution est renforcée par la capacité du logiciel à fonctionner sans connexion Internet, une technologie difficilement accessible dans les zones reculées. «Le modèle d’apprentissage automatique ne se contente pas de classifier 3 000 images par heure sur un ordinateur portable ordinaire, mais le fait avec une précision allant jusqu’à 96 % (selon l’espèce animale), même sur des données hors échantillon (c’est-à-dire des données provenant de différents emplacements de caméra et prises à une date ultérieure à celle des images utilisées pour le développement du modèle) », ont expliqué les concepteurs de la solution, relayés par la communauté des acteurs de l’économie verte en Afrique, afrik21.