L’intelligence artificielle ne se contente pas de changer le monde — elle arrose aussi les écureuils.
Le journaliste du Washington Post Jeremy B. Merrill a créé un dispositif piloté par IA baptisé Squirrel Soaker 9000. Cette installation de jardin à faire soi-même utilise la reconnaissance d’image, le cloud computing et un Raspberry Pi pour accomplir une seule tâche : chasser les écureuils d’une mangeoire à oiseaux à coups de jet d’eau. Il précise que le dispositif ne fait pas de mal aux écureuils.
C’est absurde. C’est étonnamment efficace. Et c’est un exemple parfait de l’accessibilité croissante des outils d’IA, qui apparaissent discrètement dans des endroits bien au-delà des centres de données.
Le dispositif : open source et tuyau d’arrosage
Le système repose sur un principe assez simple.
- Toutes les 30 secondes, une caméra prend une photo de la mangeoire à oiseaux.
- L’image est analysée par un modèle fast.ai exécuté sur AWS Lambda.
- Si un écureuil est détecté avec une confiance supérieure à 70 %, le système active un pulvérisateur d’eau, enregistre une vidéo et consigne la rencontre.
Les résultats : bons, mais pas à 100 %
La précision n’est pas parfaite — environ 86,6 % selon son créateur, avec parfois une tourterelle triste prise dans les tirs croisés — mais le dispositif s’est révélé suffisamment efficace pour réduire sensiblement les visites des écureuils à la mangeoire.
« Fastai (une bibliothèque d’apprentissage profond conçue pour les chercheurs et les praticiens) rend la tâche vraiment, vraiment facile — sérieusement, 13 lignes de code — pour apprendre à un modèle d’IA à distinguer deux types d’images, en lui fournissant des exemples des deux types d’images », a écrit Merrill dans un billet de blog.
L’IA en périphérie dans sa forme la plus pure
Squirrel Soaker 9000 illustre des thèmes fondamentaux qui s’appliquent à l’adoption de l’IA en entreprise. C’est un excellent exemple d’IA en périphérie : des modèles légers déployés sur de petits appareils, qui prennent des décisions en temps réel à partir de données d’image. Pas besoin de puissance de calcul massive, de grappes de GPU ni d’immenses jeux de données annotés. Un simple script Python, une caméra et un objectif clair suffisent.
Pour les entreprises qui explorent l’IA en périphérie, le principe reste le même : inférence locale, temps de réaction rapide et autonomie, sans nécessiter une supervision humaine constante.
D’autres enseignements à retenir
Le projet met en évidence un point essentiel pour les débutants en IA : il n’est pas nécessaire de disposer de jeux de données parfaits ou de pipelines complexes pour créer quelque chose qui fonctionne. Des itérations rapides et des données d’entrée « suffisamment bonnes » peuvent déjà faire beaucoup.
En outre, des projets comme Squirrel Soaker 9000 peuvent être conçus pour résoudre un problème très précis impliquant certains animaux des bois, mais ils soulignent un point sérieux : l’IA ne vit plus uniquement dans les laboratoires.