A quelques jours de Noël, le titre de ce billet peut surprendre nos lecteurs. Qu’ils se rassurent, QWAM n’a pas sombré dans la « IA » mania du moment, voyant de l’Intelligence Artificielle partout, y compris dans les volatiles de Noël ! Le titre de ce billet fait simplement écho à celui de la très sérieuse revue, Pour la Science, version française de Scientific American, à savoir : « Une intelligence artificielle décode le langage des poulets » (1).

En effet, tous les éleveurs de gallinacés le savent : ce sont des animaux particulièrement bavards. Tout commence par le chant du coq fêtant le lever du soleil. Puis « lorsqu’une poule pond un œuf, elle le célèbre avec une série de gloussements staccato, comme des roulements de tambour, qui culminent dans un bruyant « cot cot codec » comme le rappelle l’un d’eux.

En étant plus attentif, il est facile de constater que les cris de ces animaux, comme beaucoup d’autres, sont très révélateurs de leur état d’esprit pour ne pas dire état d’âme. L’avantage des poulets d’élevage est précisément qu’ils le sont et qu’il est assez facile d’enregistrer ces cris en notant les conditions externes dans lesquelles ils se sont produits. Et qu’il est facile de le faire à grande échelle puisque l’élevage cité en exemple dans l’article, comporte … un million de volatiles. Une belle population à étudier !

Ces observations, des chercheurs de l’Université de Géorgie et de GeorgiaTech (USA) les ont faites depuis cinq ans et travaillent précisément à étudier les corrélations « cris – conditions – comportement » : en gros, qu’elles sont ces conditions externes qui font qu’un poulet poussera tel cri et pour quelles raisons.

L’objectif est certes de comprendre ces animaux mais surtout de construire un modèle algorithmique reproductible, applicable à d’autres typiques que celui indiqué précédemment. Le cri du poulet devient celui du consommateur, les conditions externes, les caractéristiques du produit qu’il vient d’acheter et les raisons, sa réaction suite à cet achat. Nous y reviendrons mais essayons de comprendre comment nos chercheurs américains y sont parvenus.

Le principe est assez simple : ils ont recréé des situations bien définies (conditions externes) qui sont stressantes pour les poulets, comme par exemple, des variations de température, de luminosité … et ont enregistré leurs réactions, ou plutôt celles de plusieurs groupes composés de 6 à 12 poulets. Ensuite, ces enregistrements sont soumis à un algorithme d’apprentissage automatique en l’aidant à qualifier les différentes situations en s’appuyant sur la propre connaissance de l’éleveur. Cette donnée est essentielle, comme pour tout programme d’apprentissage automatique ; et dans le cas présent, un éleveur expérimenté sait interpréter les cris de ses animaux.

Une fois cette modélisation faite, donc au bout de plusieurs itérations, c’est l’ordinateur qui écoute les poulets ! Et qui pourra prévenir l’éleveur qu’ils ont tel problème ou tel autre. Par exemple, lui demander de monter la température lorsqu’il fait trop chaud ou les prévenir que certains d’entre eux ont mal à la gorge. Ces exemples ne sont pas fictifs mais bien réels !

L’article décrit d’autres expérimentations comme par exemple les variations du cri du coq lorsque celui-ci détecte un prédateur aérien : il restera muet s’il estime que crier risquerait d’attirer l’attention de ce prédateur ou au contraire, poussera un cri strident s’il a repéré un endroit où les poules et poussins pourront se cacher.

La technologie doit encore progresser mais avec une population de 19 milliards de poulets il y a une belle base d’observations et les résultats déjà obtenus sont significatifs.

Et pour QWAM ? Nous l’évoquions précédemment, ce type de modélisation et notamment l’algorithmique sous-jacente est extrêmement intéressante pour l’analyse du sentiment : avoir un modèle prédictif capable d’anticiper les réactions d’un consommateur face à un produit à la vue de ses réactions précédentes et de celles de sa communauté est évidemment précieux. Et déterminer automatiquement que telle réaction (« cri » pour parler poulet) est anormale par rapport à ce modèle sera une indication encore plus précieuse et peut-être prédictive sur des nouveaux comportements à venir.

Finalement, décoder le langage des poulets n’est pas si bête. C’est aussi un clin d’œil pour souhaiter à nos lecteurs de joyeuses fêtes de fin d’année !

(1) http://www.pourlascience.fr/ewb_pages/a/actu-une-intelligence-artificielle-decode-le-langage-des-poulets-39032.php