Bogaert, PatrickRadoux, JulienBonny, EmmaEmmaBonny2025-06-302025-06-302025-06-0920252025-06-09https://hdl.handle.net/2078.2/43220Selon le WWF, la taille des populations animales dans le monde a diminué de 69% en 50 ans. Face à l'urgence écologique, l'Union européenne prévoit de restaurer 20% des habitats terrestres et marins d'ici 2030. Pour évaluer l'efficacité de ces mesures, il est essentiel de suivre les populations d'espèces bioindicatrices, qui reflètent la santé des écosystèmes. Les oiseaux sont souvent utilisés à cette fin, notamment pour leur rapidité de réponse aux changements environnementaux. En Wallonie, les relevés ornithologiques sont réalisés par le pôle ornithologique de Natagora, AVES, à l’aide de la méthode des points d’écoute. Cette technique consiste à ce qu’un expert identifie tous les oiseaux vus et entendus durant un temps d’observation défini. Toutefois, l’utilisation d’un enregistreur acoustique couplé à un modèle de deep learning émerge comme une alternative prometteuse. Ce type de méthode permettrait notamment un gain de temps, facilitant ainsi une couverture spatiale plus étendue et une plus grande efficacité des relevés. Les inventaires ont été effectués sur 6 sites d'études visités deux fois, répartis équitablement entre des milieux forestiers et des jardins. Ils ont été réalisés simultanément par la méthode des points d'écoute et via un enregistreur acoustique. Au total, les données ont été récoltées sur une durée de 1h par visite. Les méthodes ont été comparées au niveau de deux indices : la richesse spécifique ainsi que l'abondance. En ce qui concerne la richesse spécifique, les deux méthodes présentent des facilités à détecter des groupes d'espèces différents. Par exemple, un observateur sur le terrain aura des facilités à détecter des oiseaux de plus grande taille. Cette différence de détectabilité des espèces en fonction de la méthode entraîne un biais dans les données. Les deux méthodes devraient dès lors être utilisées de manière complémentaire afin d'obtenir les données les plus réalistes possible au niveau de la diversité. Au niveau de l'abondance, il est difficile d'extraire des données fiables à partir de l'enregistreur. La méthode employée par Navine et al. (2024) est la seule à fournir des résultats mais ceux-ci sont peu concluants. Afin d'obtenir des données fiables, une solution serait de placer plusieurs microphones afin d'ajouter une donnée sur la position des individus et ainsi distinguer les oiseaux d'une même espèce.Inventaire ornithologiqueBirdNETEnregistreur acoustiqueRecensementOiseauxDeep learningAbondancePoints d'écouteRichesse spécifiquetext::thesis::master thesis