Pourquoi le comportement social est plus difficile à mesurer que l’activité individuelle
Mesurer un seul poisson dans un aquarium constitue un problème de suivi. Mesurer plusieurs poissons simultanément constitue un problème de suivi associé à un problème d’identification. Les schémas d’interaction sociale dépendent de la capacité à identifier quel poisson se trouve à proximité de quel autre poisson, combien de temps ils restent proches les uns des autres et comment le groupe se réorganise au fil du temps. Un système d’analyse comportementale pour poisson-zèbre doit résoudre ce problème d’identification avant de pouvoir fournir des données sur le comportement social. Si les identités sont échangées lorsque deux poissons se croisent, les données ne reflètent plus les relations, mais uniquement les positions.
L’observation manuelle bute sur le même problème. Une personne qui observe un aquarium peut suivre un poisson pendant un certain temps, mais son attention finit par divaguer. Lorsque plusieurs poissons bougent simultanément, l’observateur ne parvient pas à distinguer clairement toutes les identités. Le résultat est souvent une impression approximative plutôt qu’une mesure quantitative. L’automatisation n’élimine pas cette difficulté, mais elle rend le problème d’identification explicite et résoluble.
Suivi des identités lorsque les poissons se croisent
Le suivi multi-objets constitue le cœur de la mesure du comportement social. Le logiciel détecte chaque poisson dans chaque image et relie les détections d’une image à l’autre. Lorsque deux poissons passent très près l’un de l’autre, cette étape de liaison devient ambiguë. Une simple règle du plus proche voisin échoue souvent et entraîne des inversions d’identité. Des systèmes plus robustes utilisent la prédiction du mouvement, par exemple un filtre de Kalman, ainsi que des caractéristiques d’apparence, telles que la forme de la nageoire caudale ou la taille du corps, afin de maintenir la stabilité des identités.
L’algorithme hongrois est couramment utilisé pour associer les détections aux pistes existantes. Il détermine la meilleure correspondance un-à-un à partir d’une matrice de coûts pouvant intégrer la distance, la position prédite et l’apparence. Même avec ces outils, l’occlusion demeure un défi. Les poissons qui nagent derrière un élément du bac ou qui se superposent entièrement peuvent disparaître pendant quelques images. Les bons systèmes gèrent ces brèves interruptions et fournissent des scores de confiance afin que l’utilisateur sache quand une piste est incertaine.
Mesures de distance et de proximité reflétant les préférences sociales
Une fois les identités stabilisées, le système peut calculer des mesures sociales. La plus simple est la distance inter-poissons, c’est-à-dire la distance entre un poisson et son voisin le plus proche. La distance inter-poissons moyenne au sein d’un groupe fournit une estimation approximative de la cohésion. Une distance moyenne plus faible indique un banc plus serré. Une distance moyenne plus élevée indique que les poissons se dispersent.
D’autres mesures apportent de la nuance. La distance au voisin le plus proche se concentre sur le poisson le plus proche et peut révéler des comportements d’appariement. Le temps passé dans un rayon défini autour d’un autre poisson mesure la préférence de proximité. Les approches et les éloignements comptent le nombre de fois où les poissons se déplacent respectivement vers ou loin les uns des autres. Ces mesures peuvent être calculées pour l’ensemble du groupe ou pour des paires spécifiques, selon la question posée. Un système d’analyse comportementale de poisson-zèbre rapporte généralement plusieurs de ces mesures simultanément, ce qui permet de distinguer différents aspects de l’interaction sociale.
| Objectif de la mesure | Observation manuelle | Système de suivi automatisé |
|---|---|---|
| Distance interpoissons | Estimée à l’œil | Calculée par image |
| Persistance de l’identité | Difficile lorsque les poissons se croisent | Maintenue à l’aide de prédictions et d’indices visuels |
| Cohésion du groupe | Impression générale | Distances moyennes et métriques de regroupement |
| Approche et éloignement | Facile à manquer | Compté automatiquement |
| Temps passé à proximité | Incohérent entre observateurs | Défini par un rayon et une durée |
Dynamique de groupe et comportements de banc
L’interaction sociale ne repose pas uniquement sur la distance moyenne. Elle concerne aussi la façon dont le groupe se déplace ensemble. Les comportements de banc incluent la polarisation, c’est-à-dire l’alignement des directions de nage entre les poissons, et la rotation, c’est-à-dire la tendance à nager en cercle de façon coordonnée. Ces comportements émergent d’interactions locales et sont difficiles à percevoir à l’œil nu.
Le suivi automatisé peut les calculer à partir des trajectoires. La polarisation correspond au vecteur directionnel moyen parmi les poissons. La rotation est mesurée à partir de la vitesse angulaire autour du centroïde du groupe. Ces indicateurs sont sensibles à la taille du groupe, à la forme du bac et aux courants. Un groupe dans un bac circulaire peut présenter des motifs différents de ceux observés dans un bac rectangulaire. Le système fournit les chiffres, mais le chercheur doit les interpréter dans leur contexte.
Facteurs environnementaux qui façonnent les données d’interaction sociale
Le comportement social ne se produit pas dans le vide. La température de l’eau affecte le niveau d’activité et, par conséquent, la distance à laquelle les poissons restent les uns des autres. L’intensité lumineuse modifie l’état d’excitation et la tendance au regroupement. La taille et la forme du bac déterminent l’espace disponible pour les interactions. La densité de logement avant l’expérience influence le comportement social de base. Des poissons maintenus en isolement peuvent se comporter différemment de ceux maintenus en groupe.
Le système d’analyse comportementale du poisson-zèbre peut enregistrer bon nombre de ces variables si les capteurs sont connectés. Toutefois, il ne peut pas contrôler l’historique d’hébergement ni le fond génétique. Ces facteurs doivent être documentés séparément et pris en compte lors de l’interprétation des données. Une mesure sociale qui diffère entre deux groupes peut refléter un effet du traitement, un effet de l’hébergement ou une interaction entre ces deux facteurs.
Un exemple sur le terrain et les limites de l’analyse sociale automatisée
Un laboratoire universitaire du sud de la Chine étudiait les effets d’un composé sur le comportement social chez le poisson-zèbre adulte. La première série d’expériences utilisait une évaluation manuelle : les observateurs comptaient la fréquence à laquelle les poissons nageaient à proximité les uns des autres, mais les résultats étaient incohérents d’un observateur à l’autre et d’une session à l’autre. Le laboratoire a ensuite installé un système d’analyse comportementale du poisson-zèbre doté d’un suivi multi-objets.
Les données automatisées ont montré que les groupes traités présentaient une distance moyenne interindividuelle plus grande et moins d’événements d’approche que les témoins. L’effet était faible, mais cohérent d’une séance à l’autre. L’analyse manuelle l’avait manqué, car les observateurs ne pouvaient pas suivre les identités de façon fiable lorsque les poissons se croisaient. Le système automatisé n’a pas prouvé que le composé modifiait la motivation sociale. Il a révélé un changement dans le patron spatial. Des travaux complémentaires seraient nécessaires pour en comprendre la cause.
L’analyse sociale automatisée présente des limites. Elle mesure les positions et les mouvements. Elle ne mesure pas la motivation, la reconnaissance ou la préférence au sens cognitif du terme. Un poisson peut rester proche d’un autre parce qu’il préfère la compagnie, parce qu’il suit un leader ou parce que la géométrie du bac l’y contraint. Les données de suivi ne permettent pas de distinguer ces explications. Le jugement humain et des expériences complémentaires soigneusement conçues restent indispensables.
Hunter Lab (Hunter) conçoit des équipements de laboratoire pour zébradans, en mettant l’accent sur la stabilité de l’imagerie et le suivi multi-objets, éléments essentiels aux études sur les comportements sociaux. La fabrication et le contrôle qualité garantissent la cohérence indispensable à la recherche comportementale à long terme. Pour les laboratoires qui mesurent les schémas d’interactions sociales, cette rigueur dans la conception constitue un fondement essentiel.