Des poissons virtuels aux essaims de robots : la science du mouvement collectif

Observer un banc de poissons donne l’impression d’assister à une chorégraphie parfaitement réglée. Les animaux tournent, accélèrent ou se séparent sans chef apparent et sans heurts visibles. Mais quelles informations chacun utilise-t-il réellement pour rester au sein du groupe ? À l’Université de Konstanz, une équipe de recherche a choisi de poser cette question dans un dispositif inhabituel : une arène de réalité virtuelle conçue pour des poissons zèbres.

L’objectif ne se limite pas à mieux décrire la vie sociale de ces petits poissons. En isolant les règles très simples qui permettent à un individu de se coordonner avec ses voisins, les chercheurs cherchent aussi des principes utiles aux systèmes autonomes. Voitures robotiques, drones et bateaux peuvent devoir se déplacer à plusieurs, éviter les collisions et conserver une formation. Or la nature a peut-être déjà trouvé des solutions sobres à une partie de ce problème.

Pourquoi étudier les bancs de poissons avec la réalité virtuelle ?

Les comportements collectifs sont difficiles à analyser dans un groupe vivant. Lorsqu’un poisson change de direction, ses voisins peuvent réagir à sa position, à son orientation, à sa vitesse, à la proximité d’un obstacle ou aux mouvements de plusieurs congénères à la fois. Dans un aquarium classique, tous ces paramètres évoluent simultanément. Il devient donc compliqué d’identifier la cause précise d’une réaction.

La réalité virtuelle apporte un levier expérimental important : elle permet de contrôler ce que voit l’animal, tout en laissant le poisson réel nager librement. Dans le dispositif élaboré à Konstanz, les poissons zèbres, aussi appelés zebrafish, évoluent dans des arènes virtuelles et interagissent avec des homologues artificiels. Ceux-ci sont présentés sous la forme de projections holographiques de poissons.

Les scientifiques peuvent alors modifier de manière précise les signaux visuels proposés au poisson : la place du voisin virtuel, sa trajectoire ou sa façon de se comporter dans le groupe. Cette méthode vise à accéder à des données comportementales fines sans se limiter à l’observation d’interactions entre animaux réels, par définition plus difficiles à dissocier.

Le poisson zèbre constitue un sujet d’étude particulièrement utile pour ce type de recherche comportementale. Son déplacement dans un groupe est observable, répétable dans un cadre expérimental et suffisamment riche pour révéler des mécanismes de coordination. La question est moins de reproduire intégralement un milieu naturel que de faire varier un élément à la fois afin de comprendre sa contribution à la décision de nager, suivre ou s’écarter.

La position du voisin compte davantage que sa vitesse

L’un des principaux enseignements tirés de ces expériences concerne la logique de suivi. Les observations indiquent que les poissons ne s’appuient pas d’abord sur la vitesse de leurs voisins. Ils se fondent principalement sur leur position perçue. Autrement dit, pour préserver une formation et éviter les collisions, un poisson semble surtout tenir compte de l’endroit où se trouve l’autre individu par rapport à lui.

Cette règle peut sembler intuitive, mais elle a des conséquences importantes. On pourrait imaginer qu’un poisson tente en permanence d’aligner sa vitesse sur celle du groupe. Les travaux de Konstanz suggèrent plutôt une stratégie de coordination dans laquelle la relation spatiale est centrale. Si le voisin est trop loin, trop près ou décalé, le poisson ajuste son propre mouvement pour restaurer une configuration cohérente.

Il ne faut pas comprendre cette découverte comme la preuve que les poissons ignorent toute autre information. Les déplacements collectifs dans la nature demeurent complexes et dépendent de nombreuses situations. Le résultat met plutôt en lumière un mécanisme particulièrement efficace dans le cadre étudié : une règle locale, appliquée par chaque individu, peut faire émerger un mouvement collectif ordonné à l’échelle du banc.

C’est l’une des idées les plus fécondes de l’étude des comportements collectifs. Un résultat global sophistiqué ne suppose pas nécessairement un plan d’ensemble complexe. Chaque poisson n’a pas besoin d’une carte complète du groupe ni d’un chef qui attribue une direction. Des interactions avec les voisins proches peuvent suffire à produire une structure mobile, capable de se réorganiser rapidement.

Un « test de Turing aquatique » pour éprouver le modèle

Pour vérifier que leur modèle de coordination ne produisait pas seulement une trajectoire mathématiquement correcte, les chercheurs ont soumis leur approche à une épreuve concrète : un test de Turing aquatique. Le principe consiste à faire nager un poisson réel aux côtés d’un poisson virtuel dont le comportement alterne entre un contrôle par algorithme et un comportement naturel.

L’enjeu est simple : si le poisson réel traite le voisin numérique comme un véritable congénère, le modèle a capturé des caractéristiques suffisamment convaincantes de l’interaction sociale. Selon les observations rapportées par l’équipe, les poissons ne parvenaient pas à distinguer le poisson réel du poisson virtuel contrôlé par l’algorithme.

L’expression « test de Turing » renvoie ici, par analogie, au célèbre principe consistant à évaluer une machine selon sa capacité à ne pas être distinguée d’un humain lors d’un échange. Dans le cas présent, il ne s’agit ni de langage ni de conscience artificielle. Le critère porte sur le comportement : le poisson virtuel suscite-t-il une réponse sociale comparable à celle d’un partenaire vivant ?

Cette validation est précieuse pour deux raisons. D’abord, elle donne du poids à l’idée que les règles retenues correspondent à des signaux pertinents pour les poissons. Ensuite, elle montre que la réalité virtuelle peut dépasser le rôle de simple décor expérimental : elle devient un outil pour tester, auprès d’un animal, la plausibilité d’un modèle informatique de comportement.

Des bancs de poissons aux essaims de machines

La seconde ambition de cette recherche est robotique. Les règles de coordination identifiées chez les poissons ont été intégrées à des essaims de voitures robotiques, de drones et de bateaux. Ces trois exemples partagent une même difficulté : plusieurs agents autonomes doivent se déplacer sans se gêner, tout en préservant la cohésion ou une organisation déterminée.

Dans un système de ce type, une solution classique consiste à recourir à des méthodes de contrôle avancées. L’étude compare l’algorithme inspiré des zebrafish à une approche de pointe, le Model Predictive Controller, ou MPC. Ce type de contrôleur anticipe l’évolution d’un système sur un horizon de temps donné afin de choisir les actions les plus adaptées aux contraintes à venir. Il est puissant, mais sa mise en œuvre peut être exigeante en calcul et en modélisation.

Les résultats présentés montrent que l’algorithme issu des lois de coordination des poissons obtient une performance presque équivalente au MPC en matière d’exactitude et de consommation d’énergie, tout en étant significativement moins complexe. La portée du résultat tient précisément à cet équilibre : parvenir à un comportement collectif efficace sans multiplier inutilement les règles de décision.

Pourquoi la simplicité peut compter en robotique

Un algorithme plus simple n’est pas automatiquement préférable dans tous les contextes. Un véhicule autonome évoluant dans un environnement urbain, par exemple, doit intégrer des contraintes de sécurité, des règles de circulation et une perception complexe du monde. Les règles observées chez les poissons ne remplacent donc pas à elles seules tous les systèmes de contrôle nécessaires à une machine réelle.

Elles peuvent en revanche inspirer une brique de coordination utile lorsque plusieurs robots doivent coopérer. Dans un essaim, demander à chaque appareil de calculer en permanence l’état détaillé de tous les autres peut devenir coûteux. Une règle locale fondée sur la position des voisins peut réduire la charge de calcul, faciliter le passage à un grand nombre d’agents et rendre le comportement du groupe plus robuste face à des changements rapides.

Les applications envisagées couvrent ainsi différents milieux :

• des véhicules robotiques qui doivent conserver une organisation sans collision ;
• des drones appelés à se déplacer collectivement dans l’espace aérien ;
• des bateaux autonomes ou semi-autonomes opérant en groupe ;
• plus largement, des systèmes distribués dans lesquels aucun agent ne pilote seul l’ensemble.

La recherche illustre un domaine souvent désigné par l’expression de robotique bio-inspirée. Son principe n’est pas de copier littéralement un animal, mais d’identifier une fonction efficace dans le vivant puis de l’adapter aux contraintes d’une machine. Les ailes d’un avion ne sont pas des ailes d’oiseau, de même qu’un algorithme de regroupement n’est pas un banc de poissons. La source biologique sert de point de départ pour repenser un problème technique.

Ce que l’expérience révèle aussi sur l’étude du vivant

La force de la méthode mise au point à Konstanz réside aussi dans le dialogue qu’elle instaure entre biologie expérimentale, modélisation et robotique. Les biologistes disposent d’un moyen de formuler des hypothèses précises sur les interactions sociales. Les spécialistes du calcul peuvent traduire ces hypothèses en règles testables. Les roboticiens évaluent enfin si ces règles conservent leur efficacité hors de l’aquarium, dans des systèmes artificiels.

Cette circulation des idées peut éviter deux écueils. Le premier serait de réduire le comportement animal à une image poétique de l’intelligence collective. Le second serait de supposer qu’un modèle informatique performant décrit nécessairement la réalité biologique. Le test avec le poisson virtuel rapproche les deux approches, sans effacer la différence entre elles : le modèle est utile parce qu’il peut être confronté au comportement d’un animal réel.

La fidélité des stimuli virtuels demeure un point essentiel. Un environnement qui s’éloignerait trop de ce que l’animal est capable de percevoir risquerait de modifier ses réponses et de fausser les conclusions. C’est pourquoi la réalité virtuelle ne remplace pas les observations dans le monde vivant. Elle les complète en apportant un niveau de contrôle difficile à atteindre autrement.

Ce qu’il faut surveiller

Les travaux de l’Université de Konstanz ouvrent une piste claire : des principes de coordination observés chez les animaux peuvent aider à concevoir des collectifs de robots plus efficaces et moins complexes. La prochaine étape consistera à déterminer dans quelles conditions cette simplicité demeure avantageuse, notamment lorsque les environnements deviennent imprévisibles et que les machines doivent gérer simultanément de nombreuses contraintes.

Il faudra aussi examiner la capacité de ces règles à fonctionner avec davantage d’agents, des capteurs imparfaits, des communications limitées ou des obstacles. C’est là que se joue le passage entre une démonstration expérimentale et des usages opérationnels. Mais l’étude apporte déjà une leçon forte : pour organiser un groupe de machines, il n’est pas toujours nécessaire de leur imposer une intelligence centralisée. Une attention bien réglée à la position des voisins peut parfois suffire à faire naître un mouvement collectif remarquablement ordonné.