Caméras thermiques et IA : un système pour éviter les collisions entre navires et baleines

Dans la baie de San Francisco, un système de surveillance associe caméras thermiques, intelligence artificielle et contrôle humain pour repérer les baleines grises à proximité du trafic maritime. L'objectif est concret: détecter plus tôt la présence d'une baleine et transmettre une alerte aux navires pour qu'ils puissent ralentir ou modifier leur route.

Ce cas est intéressant parce qu'il montre une utilisation très pratique de l'IA. Le modèle ne remplace pas toute la décision humaine: il analyse des images en continu, signale des situations possibles, puis une personne vérifie les détections avant qu'une alerte soit transmise.

Ce que cette évolution change concrètement

La baie de San Francisco est une zone maritime très fréquentée. Des porte-conteneurs, des pétroliers et des ferries y circulent chaque jour, alors que des baleines grises y font désormais des détours lors de leur migration.

Le système de WhaleSpotter cherche à repérer les baleines lorsqu'elles remontent respirer. Le souffle chaud expulsé par l'animal peut apparaître dans l'image thermique, même si le signal est très petit. Un modèle d'IA analyse ensuite le flux vidéo pour détecter ces indices.

les alertes ne sont pas envoyées automatiquement aux capitaines sans contrôle. Les détections sont vérifiées par un humain afin de limiter les fausses alertes. Si la présence d'une baleine est confirmée, l'information peut être transmise au service de trafic maritime de l'U.S. Coast Guard, qui peut ensuite prévenir les navires concernés.

La promesse est donc simple: améliorer la surveillance d'une zone difficile à observer en permanence, y compris la nuit ou par temps de brouillard.

Pourquoi utiliser des caméras thermiques

Une caméra classique dépend fortement de la lumière et des conditions de visibilité. Une caméra thermique observe, elle, les différences de température. Dans ce cas précis, l'intérêt vient du souffle des baleines.

Lorsqu'une baleine grise remonte à la surface, elle expulse de l'air chaud et comprimé. Ce panache peut être détecté dans une image thermique, parfois sur très peu de pixels. L'IA sert alors à repérer ces motifs dans un flux vidéo qui serait difficile à surveiller manuellement sans interruption.

C'est un usage typique où l'IA peut être utile: elle ne "comprend" pas la scène comme un humain, mais elle peut analyser beaucoup d'images, en continu, et attirer l'attention sur un événement bref. La validation humaine reste importante, car une alerte maritime peut avoir des conséquences opérationnelles: ralentissement, changement de route ou mobilisation d'un service de surveillance.

Pourquoi la baie de San Francisco est concernée

Les baleines grises migrent chaque année entre l'Alaska et la Basse-Californie, au Mexique. elles parcourent environ 15 000 à 20 000 kilomètres aller-retour. Historiquement, elles ne s'arrêtaient pas dans la baie de San Francisco pendant ce trajet.

Depuis 2018, plus de 100 baleines grises auraient toutefois fait un détour par la baie lors de leur remontée vers le nord. Les scientifiques ne savent pas encore avec certitude pourquoi. Une hypothèse évoquée dans l'article relie ce changement à la baisse de la glace de mer en Arctique et à ses effets possibles sur la chaîne alimentaire dont dépendent les baleines.

Il faut donc rester prudent: le système d'IA répond à un risque observé, mais il ne permet pas d'expliquer à lui seul les causes écologiques de ces détours.

Le risque, lui, est bien identifié. Les informations publiées indiquent une étude publiée en avril qui estime à 18 % le taux de mortalité des baleines grises entrant dans la baie. Sept baleines y seraient déjà mortes en 2026. En 2025, 21 baleines grises sont mortes dans ou autour de la baie, un record selon la source, et les examens post-mortem ont attribué 40 % de ces décès à des collisions avec des navires.

Comment fonctionne la chaîne d'alerte

Le système ne se limite pas à une caméra et à un algorithme. Il repose sur une chaîne complète:

• des caméras thermiques observent la zone depuis Angel Island;
• l'IA repère les signaux compatibles avec le souffle d'une baleine;
• un spécialiste vérifie les détections pour éviter les fausses alertes;
• les informations confirmées peuvent être transmises au Vessel Traffic Service de l'U.S. Coast Guard;
• les navires proches peuvent être prévenus afin de ralentir ou de changer de route.

Cette organisation est importante. Une IA isolée n'a que peu de valeur si personne ne vérifie ses résultats, si l'alerte ne va pas au bon endroit ou si les navires ne savent pas quoi faire de l'information.

Le dispositif devrait aussi évoluer. Les informations publiées indiquent qu'une caméra installée à bord d'un ferry reliant San Francisco à Vallejo doit être ajoutée afin d'améliorer la couverture de la baie. Le système combinerait ainsi des capteurs fixes à terre et des capteurs embarqués sur un navire.

Ce que cet exemple dit des usages utiles de l'IA

Pour le grand public, l'intelligence artificielle est souvent associée aux chatbots, aux générateurs d'images ou aux assistants capables de répondre à des questions. Ce projet rappelle que beaucoup d'usages importants de l'IA sont moins visibles.

On retrouve la même logique dans d'autres domaines: détection d'incendies, maintenance industrielle, inspection d'infrastructures, sécurité routière, surveillance environnementale ou suivi médical. Dans tous ces cas, l'IA analyse un signal, repère une anomalie ou attire l'attention d'un opérateur.

La question centrale n'est donc pas seulement: "L'algorithme détecte-t-il quelque chose ?" Il faut aussi demander:

• quels capteurs fournissent les données;
• quelle est la fiabilité des détections;
• qui vérifie les alertes;
• qui prend la décision finale;
• comment les erreurs sont corrigées;
• comment éviter que les utilisateurs perdent confiance dans le système.

Ce point est essentiel. Une IA peut être performante en laboratoire et moins utile sur le terrain si elle produit trop de faux positifs, si elle rate des cas importants ou si l'organisation autour de l'alerte n'est pas claire.

Les limites à garder en tête

La principale limite concerne les fausses alertes. Les informations publiées indiquent qu'une étude de 2020 sur la détection de mammifères marins par caméras infrarouges, au large du Canada, avait relevé de nombreux faux positifs, notamment liés aux oiseaux marins.

Dans un contexte maritime, ce problème peut devenir sérieux. Si les capitaines reçoivent trop d'alertes infondées, ils peuvent finir par les prendre moins au sérieux. À l'inverse, si le système manque des baleines, il ne remplit pas son rôle de prévention. La fiabilité de l'alerte compte donc autant que la rapidité de la détection.

WhaleSpotter affirme que sa technologie peut réduire de 90 % le risque de collision avec des navires. Cette déclaration doit être lue comme une affirmation de l'entreprise, pas comme une preuve indépendante applicable partout. L'efficacité réelle dépendra de la couverture des caméras, des conditions locales, de la qualité des validations humaines et de la réaction des navires.

Autre point de prudence: le nombre de détections ne correspond pas forcément au nombre de baleines différentes. Les informations publiées indiquent que le système avait déjà enregistré 6 600 détections lors de sa phase initiale, mais les scientifiques estiment que ces signaux pouvaient venir d'un petit nombre de baleines présentes devant les caméras.

Pourquoi cela peut vous intéresser

Même si l'exemple vient du monde maritime, il illustre une règle utile pour comprendre l'IA actuelle: les systèmes les plus crédibles sont souvent ceux qui combinent un modèle, des données adaptées, une expertise humaine et une procédure claire.

Ce n'est pas une IA qui décide seule de protéger les baleines. C'est un outil de surveillance qui peut aider des humains à repérer plus vite une situation à risque. Cette nuance est importante, car elle évite deux erreurs fréquentes: croire que l'IA peut tout automatiser sans contrôle, ou penser qu'elle n'a d'intérêt que dans les usages spectaculaires.

Dans les applications concrètes, la valeur de l'IA vient souvent de sa capacité à faire une tâche répétitive, longue ou difficile à maintenir dans le temps, puis à transmettre une information exploitable à une personne ou à un service responsable.

Ce qu'il faut surveiller maintenant

Le système testé dans la baie de San Francisco montre une utilisation prudente et concrète de l'intelligence artificielle. Les caméras thermiques captent des indices difficiles à surveiller en continu, l'IA repère les signaux possibles, puis une vérification humaine limite les fausses alertes avant transmission aux services maritimes.

Pour les lecteurs qui veulent comprendre les usages réels de l'IA, l'exemple est parlant. L'enjeu n'est pas seulement la performance du modèle, mais l'ensemble du dispositif: capteurs, données, validation, responsabilité et action après l'alerte.

FAQ

Pourquoi utiliser l'IA pour détecter des baleines ?

L'IA peut analyser en continu les images de caméras thermiques et repérer des signaux très courts, comme le souffle chaud d'une baleine lorsqu'elle remonte respirer.

L'IA prévient-elle directement les navires ?

Non. les détections sont vérifiées par un humain avant d'être transmises, afin de réduire le risque de fausses alertes.

Pourquoi les fausses alertes sont-elles problématiques ?

Si un système alerte trop souvent sans raison, les utilisateurs peuvent perdre confiance et ignorer les avertissements. Pour un dispositif de sécurité, la crédibilité des alertes est donc essentielle.

Ce type d'IA peut-il servir dans d'autres domaines ?

Oui. Le même principe peut s'appliquer à la détection d'incendies, à l'inspection industrielle, à la surveillance d'infrastructures ou à d'autres situations où il faut repérer rapidement un signal dans des données visuelles.