La forme, la coloration ou encore l’agencement sur la fleur des motifs colorés de l’organe ont, de tout temps été utilisés pour l’identification des organismes vivants en premier lieu desquels les plantes à fleurs. Au demeurant, cette information est souvent difficile à quantifier. On parle ainsi par exemple de plante dont les pétales de la fleur sont « en moyenne plus roses » que ceux de tel autre taxon ou encore de sépales « de forme généralement plus lancéolée » que ceux de tel autre taxon… Afin d’essayer d’extraire une information quantitative à partir de photos de fleurs d’orchidées du genre Ophrys prisent directement sur le terrain, nous avons utilisé plusieurs outils logiciels (des packages R dont les noms sont géomorph, colordistance ou encore patternize). A partir des différentes variables extraites, nous avons alimenté un algorithme de machine learning (de type random forest dans notre cas) pour voir s’il était possible de discriminer deux taxons d’orchidées très proches (Ophrys aveyronensis subsp. aveyronensis et Ophrys aveyronensis subsp. vitorica), connus pour être très difficiles à distinguer, même par les meilleurs experts orchidophiles. L’intelligence artificielle s’en est très bien sortie, et sans aucun doute bien mieux que l’oeil humain puisque l’algorithme a su attribuer chaque individu au bon taxon avec jusqu’à 95% de réussite sur la base des variables extraites à partir des photos. En plus d’un intérêt incontestable pour l’identification, cette approche pourrait donc trouver son utilité pour mettre en évidence des traits, parfois imperceptibles mais pouvant avoir une pertinence d’un point de vue écologique et évolutif. L’étude, dans son intégralité est librement accessible en cliquant ici.