2.4.1 Justification
Il existe une abondante littérature scientifique évaluant les besoins en habitat des oiseaux forestiers et l'impact de la gestion des forêts de production sur la composition des communautés et les populations d'espèces. Très peu d'espèces d'oiseaux en Europe dépendent d'une espèce d'arbre particulière. Parmi les exceptions notables, on peut citer la préférence du Tétras lyre (Tetrao tetrix) pour les bourgeons de bouleau, une race particulière du Casse-noix (Nucifraga c. caryocatactes) dépend des noisetiers, et le Pinson du Nord (Fringilla montifringilla) est fortement dépendant des graines de hêtre en hiver. Néanmoins, les espèces d'oiseaux présentent souvent une préférence pour des catégories d'arbres particulières (par exemple, les conifères par rapport aux feuillus), ou des compositions particulières d'espèces d'arbres à des échelles spatiales appropriées. La mésange à longue queue (Aegithalos caudatus) est plus fréquente dans les paysages comportant plus de 15 % de couverture décidue, tandis que la mésange noire (Parus ater) et le Roitelet huppé (Regulus regulus) sont communs dans les forêts comportant au moins 10 % d'épicéas. Bien qu’il ne fasse guère de doute qu’une plus grande diversité d’oiseaux soit associée à une plus grande diversité d’arbres (Ampoorter et al. 2019), et que l’on puisse donc s’attendre à ce que des changements de composition dans les communautés d’oiseaux résultent de nombreux projets de restauration, toutes les espèces n’en bénéficieront pas et de nombreuses caractéristiques forestières dans la gamme de contrôle de gestion influenceront les espèces qui colonisent le nouvel habitat (Penone et al. 2018).
Les chauves-souris sont souvent oubliées du grand public, mais jouent sans doute un rôle tout aussi important dans le maintien de la résilience des écosystèmes forestiers, notamment dans la lutte contre les insectes ravageurs en forêt et au-delà. Comme les oiseaux, les chauves-souris se nourrissent à grande échelle, et leur présence dépend autant de la disponibilité des habitats et de la connectivité à l'échelle du paysage que des peuplements individuels. La richesse des espèces de chauves-souris européennes augmente avec la couverture forestière feuillue dans les régions tempérées et boréales (par exemple, Meramo et al. 2025) et avec l'abondance des conifères dans les paysages méditerranéens ; ces changements dans la structure de la végétation reflètent à leur tour les variations sous-jacentes de l'abondance des insectes (Barbaro et al. 2019). La conservation des oiseaux et des chauves-souris rares constitue souvent un objectif de conservation à part entière, mais plus généralement, ils constituent des ajouts précieux à un plan de suivi, car leurs préférences et exigences en matière d'habitat diffèrent, notamment pour la nidification et le repos, ce qui fournit des informations complémentaires sur le succès de la restauration forestière.
2.4.2 Méthodes d'enquête
Bien que l'audio soit largement utilisé pour étudier les oiseaux et les chauves-souris depuis de nombreuses décennies, ces dernières décennies, des appareils numériques moins coûteux ont permis à la surveillance acoustique passive (SAP) de s'imposer comme une technique reconnue pour surveiller de nombreux sites sur des périodes prolongées (Gibb et al. 2018 ; Sugai et al. 2018). La SAP est adaptée à la collecte et au traitement automatisés de données, ce qui permet d'analyser facilement de grandes quantités de données et de quantifier les facteurs affectant la détection plus facilement que pour des observateurs humains (ce qui dépend de l'expertise) et donc particulièrement utile lorsque des relevés répétés peuvent s'étendre sur plusieurs années. Bien qu'une surveillance continue soit peu susceptible d'être justifiée pour la plupart des projets de restauration, la perspective de capteurs en réseau et de pipelines d'analyse embarqués ouvre la possibilité d'une surveillance SAP en temps réel et d'une gestion adaptative à l'avenir, qui pourraient contribuer à la mobilisation du public (Roe et al. 2021 ; Sethi et al. 2018).
La PAM permet une collecte systématique de données comparables à long terme, à condition de joindre des protocoles détaillés de planification d'enregistrement (Gibb et al., 2018). Les enregistreurs PAM sont généralement limités par leur puissance et leur capacité de stockage ; l'échantillonnage dans le cadre de la surveillance acoustique peut donc optimiser la répartition des capteurs acoustiques et les planifications d'enregistrement afin de maximiser les périodes de surveillance et de réduire les besoins de maintenance (Sugai et al., 2019). Comme décrit à la section 1.4, si aucun modèle de référence n'existe déjà pour guider la conception de la surveillance, des études pilotes peuvent rapidement déterminer le nombre d'enregistreurs et la durée des relevés les mieux adaptés à l'écosystème (Metcalf et al., 2023 ; Sugai et al., 2019).
2.4.3 De la collecte des données à la communication des données
La surveillance acoustique génère d'importants volumes de données (par exemple, des Go par jour et par enregistreur) qui nécessitent un traitement et une analyse automatisés. Une approche pour minimiser les calculs consiste à considérer le paysage sonore dans son ensemble (Bradfer-Lawrence et al., 2023). Il peut être préférable de se concentrer sur des schémas sonores plus larges lorsque les objectifs de restauration sont axés sur l'intégrité de la qualité de l'habitat et le fonctionnement de l'écosystème, plutôt que sur des espèces spécifiques (Bullock et al., 2022). Néanmoins, s'il est largement admis que l'évolution du paysage sonore est systématiquement un bon indicateur de l'évolution d'une communauté, il s'est avéré difficile d'identifier des changements cohérents du paysage sonore (par exemple, Sethi et al., 2023), et ces changements sont considérés comme des objectifs moins tangibles par les gestionnaires fonciers comme par les bailleurs de fonds (Cord et al., 2025).
Une autre approche d'analyse, moins intensive et ne nécessitant pas d'expertise particulière, consiste à permettre aux programmes de regrouper tous les sons similaires et de comparer l'évolution de la diversité et de la fréquence de ces types. Une analyse manuelle est généralement nécessaire pour exclure la possibilité que les sons proviennent d'activités anthropiques. Il est important de noter que des types de sons uniques peuvent inclure des cris de plusieurs espèces, ou que plusieurs sons distincts peuvent tous provenir de la même espèce. Bien que facilement adaptable à grande échelle, cette méthode n'a pas été largement appliquée, probablement parce que les résultats sont difficiles à comparer entre les études et parce que les parties prenantes s'intéressent généralement à l'identité d'espèces spécifiques.
Enfin, l'approche la plus détaillée consiste à utiliser un logiciel de détection et de classification automatiques des espèces. Pour les très grands ensembles de données, les classificateurs automatisés constituent le seul moyen viable de générer des informations à l'échelle des espèces, comparables à des indicateurs traditionnels comme la richesse spécifique et la composition des communautés. Les classificateurs basés sur l'apprentissage automatique continuent de commettre des erreurs, car de nombreuses espèces peuvent émettre des sons similaires ou moduler leurs cris en fonction de leur comportement. Cependant, des méthodes d'apprentissage automatique de plus en plus avancées améliorent constamment l'état de l'art (Kahl et al. 2021 ; Google Research 2023 ; Huus et al. 2025). Par exemple, BirdNET est entraîné à identifier plus de 6 000 espèces d'oiseaux (Kahl et al. 2021) et a démontré sa capacité à identifier efficacement leur présence dans de grands ensembles de données (Funosas et al. 2024), en particulier pour les espèces cryptiques (Bota et al., 2023). Il est à noter que le logiciel identifie les sons, mais sans système acoustique spécifiquement conçu pour détecter la direction d'origine d'un son, la fréquence de détection acoustique n'offre pas un bon indicateur de l'abondance ou de la densité. De plus, si les grands modèles d'apprentissage automatique sont optimisés pour minimiser la quantité de vérification post-traitement requise (Pérez-Granados, 2023), la principale question reste de savoir comment minimiser l'influence des erreurs qui peuvent fausser considérablement les évaluations de la composition et de la richesse des communautés. Ainsi, bien que la PAM soit sans aucun doute une technique puissante pour l'étude des oiseaux et des chauves-souris, contribuant à la standardisation du suivi dans l'espace et le temps et offrant une solution pratique et évolutive conciliant coût et connaissances écologiques, les utilisateurs doivent se méfier des rapports de résultats entièrement automatisés. Par conséquent, les applications actuelles de la PAM sont généralement semi-automatisées, impliquant des recoupements manuels réguliers pour résoudre les classifications ambiguës dans les analyses (Campos-Cerqueira & Aide, 2016 ; Doser et al., 2021). Ce faisant, la présence d'espèces clés, telles que celles dont la conservation est préoccupante, peut être efficacement vérifiée (par exemple, Wimmer et al. 2013).
