Aller au contenu
Accueil » Présentation

Présentation

Un consortium pluridisciplinaire

Labellisé par l’IR* Huma-Num en janvier 2023, le Consortium SoL (Sound of Life) coordonne des équipes issues des Sciences Humaines et Sociales et des Sciences du vivant autour d’un projet interdisciplinaire sur la spatialisation de données sonores en éco-acoustique. L’intérêt pour les outils numériques en lien avec la localisation fine des données est croissant et primordial dans ce domaine, particulièrement pour le suivi d’espèces, mais aussi pour l’analyse du paysage sonore d’un écosystème.

Pourquoi un consortium sur la spatialisation des sons du vivant ?

La géolocalisation et l’identification désambiguïsée d’une ou plusieurs espèces permettent d’identifier les espèces présentes dans un milieu. Les enregistrements d’ambiances sonores attestent la présence et l’activité d’un certain nombre d’espèces vivant à un moment et en un lieu donné : ce sont d’une part de véritables témoignages des co-occurrences et des interactions entre espèces, et d’autre part des instantanés de l’état de la biodiversité. La double évaluation des menaces graves qui pèsent sur la biodiversité et des lacunes dans les connaissances qui s’y rapportent a suscité un regain d’intérêt pour les énormes quantités d’informations, encore sous-exploitées, contenues dans ces collectes de sons du monde entier.

Le Consortium Huma-Num Sol est donc né de la volonté commune de fédérer l’ensemble de la communauté scientifique travaillant sur l’éco-acoustique et le paysage sonore afin d’établir une méthodologie et des référentiels communs.

Objectifs : Ouvrir de nouvelles perspectives informationnelles à l’espace géographique du vécu sonore !

Méthodologie commune

Fédérer la communauté scientifique travaillant sur l’éco-acoustique et le paysage sonore afin d’établir une méthodologie et des référentiels communs.

Infrastructure

Offrir une solution matérielle et logicielle et des outils d’exploration de données sonores spatialisées dans le domaine de l’éco-acoustique.

Apprentissage automatique

Développer des algorithmes de reconnaissance sonore, catégoriser et indexer ces données.