Comprendre les erreurs d'identification dans Pl@ntNet

Pl@ntNet reconnaît en 2026 environ 85 000 espèces. Dans certains cas une erreur d’identification peut se renforcer au fil du temps : une espèce commune est régulièrement confondue avec une espèce rare qui lui ressemble, et ces nouvelles observations contribuent ensuite à entretenir la confusion.

Depuis plusieurs années, des membres expérimentés de la communauté, appelés les veilleurs, repèrent et documentent ces situations.

Le croisement de leur travail avec une analyse statistique nous permet de mieux comprendre le phénomène et d’en donner un premier ordre de grandeur : environ 1 500 espèces pourraient être concernées, sur les quelque 85 000 espèces reconnues par Pl@ntNet. Cette estimation reste incertaine et dépend de plusieurs hypothèses.

Comment une dérive peut apparaître

Le système d’identification de Pl@ntNet s’appuie notamment sur les observations validées par la communauté. Plus les données disponibles sont nombreuses et correctement identifiées, plus elles peuvent contribuer à améliorer le modèle.

Mais lorsqu’une confusion s’installe entre deux espèces proches, ce mécanisme peut aussi amplifier une erreur.

Prenons une espèce commune, représentée par des milliers d’observations, et une espèce rare qui lui ressemble. Si le modèle commence à proposer trop souvent l’espèce rare à la place de l’espèce commune :

certaines observations de l’espèce commune sont enregistrées sous le nom de l’espèce rare ;
ces observations viennent augmenter la quantité de données associées à l’espèce rare ;
le modèle apprend progressivement cette confusion et peut proposer encore plus souvent l’espèce rare.

Comme les espèces rares disposent généralement de moins d’observations, une quantité relativement faible de données erronées peut avoir un effet important sur leur représentation.

Les veilleurs parlent alors de dérive d’identification : une erreur qui ne reste pas isolée, mais qui peut s’entretenir elle-même.

Le rôle des veilleurs

Les veilleurs sont des utilisateurs expérimentés (botanistes confirmés ou amateurs très avertis) qui repèrent les dérives et participent à leur correction grâce au système de validation collaborative.

Au fil des années, leur travail a permis de constituer un catalogue de cas documentés : espèces qui se confondent, évolution du problème et corrections effectuées. Environ 190 espèces ont été étudiées en détail.

Cette expertise est particulièrement importante car une évolution statistique inhabituelle ne suffit pas, à elle seule, à prouver qu’il existe une dérive. L’interprétation des données nécessite de connaître les espèces et leur contexte.

Sources, sinks et underdogs

Les veilleurs utilisent plusieurs termes pour décrire les différents cas rencontrés.

Une source est généralement une espèce commune qui devient moins souvent correctement reconnue. Ses observations sont progressivement attribuées à une autre espèce.

Un sink est l’espèce qui reçoit ces observations de manière incorrecte. Il s’agit souvent d’une espèce rare, dont la base d’observations peut être rapidement affectée par ces erreurs.

Un underdog est également une espèce rare et sous-reconnue, mais sans qu’une dérive soit nécessairement en cause. Elle peut simplement manquer d’observations ou être difficile à identifier.

Les veilleurs privilégient souvent une approche appelée curation asymétrique : ils nettoient en priorité les données du sink. Corriger une petite base fortement contaminée peut être plus efficace que de corriger directement une grande base d’observations.

Ce que montre l’analyse statistique

Une analyse indépendante a étudié 795 espèces disposant de plus de 500 observations, soit environ 2,5 millions d’observations entre 2017 et 2024.

Pour chaque espèce, l’analyse estime si sa probabilité d’être détectée par les utilisateurs augmente ou diminue au cours du temps. Cette évolution est représentée par une pente :

une pente négative indique que l’espèce est de moins en moins détectée ;
une pente positive indique qu’elle est de plus en plus détectée.

L’hypothèse est qu’une source devrait plutôt présenter une pente négative, tandis qu’un sink pourrait présenter une pente positive.

Le croisement avec les cas déjà connus par les veilleurs donne un résultat contrasté.

Pour les sources, les pentes négatives semblent être un bon outil de détection : environ 80 % des sources connues apparaissent dans cette liste, avec une pureté estimée à environ 74 %.

Pour les sinks, le résultat est beaucoup moins utile. Seuls environ 13 % des sinks connus sont retrouvés. La principale raison est que les sinks sont souvent rares et disposent de moins de 500 observations : ils sont donc exclus de l’analyse dès le départ.

Les pentes peuvent donc aider à prioriser les espèces à examiner, mais elles ne remplacent pas l’expertise des veilleurs.

Pourquoi les corrections compliquent parfois l’analyse

La curation elle-même peut modifier les statistiques utilisées pour détecter les dérives.

Lorsqu’un sink est nettoyé, une partie des observations retirées est souvent revalidée comme appartenant à la source. La source gagne alors des observations, tandis que le sink en perd.

Avec le temps, cela peut modifier leurs pentes respectives :

une source déjà corrigée peut ne plus apparaître comme une espèce en déclin ;
un sink nettoyé peut, au contraire, apparaître parmi les espèces ayant une pente négative.

Il est donc important de conserver l’historique des corrections. Une espèce déjà identifiée comme source peut rester vulnérable à de nouvelles dérives, même après avoir été corrigée.

Quelle pourrait être l’ampleur du phénomène ?

En combinant les cas documentés par les veilleurs et les résultats de l’analyse statistique, on obtient les estimations suivantes :

environ 450 sources ;
environ 1 000 sinks, avec une estimation plus incertaine comprise entre 600 et 1 300 selon la méthode ;
environ 1 500 espèces concernées au total par une dérive d’identification.

À titre de comparaison, Pl@ntNet reconnaît environ 85 000 espèces.

Ces chiffres doivent être interprétés avec prudence. Le catalogue des veilleurs n’est pas un échantillon aléatoire et porte principalement sur la flore européenne. L’analyse statistique ne couvre que les espèces disposant d’au moins 500 observations et repose sur une période allant de 2017 à 2024.

Ces résultats donnent donc un ordre de grandeur et non pas une mesure définitive du phénomène.

Plusieurs questions restent ouvertes.

Une espèce peut-elle être une source dans une région et un sink dans une autre ? Peut-on identifier le moment précis où une dérive commence ? Est-il possible de retrouver les sinks à partir des sources déjà connues ?

À plus long terme, l’objectif pourrait être de développer des outils capables de signaler automatiquement les espèces qui commencent à dériver. Ces outils ne remplaceraient pas l’expertise humaine, mais pourraient aider les veilleurs à repérer les problèmes plus tôt.

Les dérives d’identification sont un phénomène réel qui concerne une partie limitée des espèces reconnues par Pl@ntNet.

Le travail des veilleurs est essentiel pour les repérer, les comprendre et les corriger. L’analyse statistique apporte de son côté un moyen supplémentaire d’identifier les espèces qui méritent une attention particulière.

En combinant expertise botanique et analyse des données, Pl@ntNet dispose d’une meilleure base pour suivre ces dérives et intervenir avant qu’elles ne deviennent plus importantes.