Évaluation de l'intégration de données participatives, expertes et issues de modèles d'IA, pour le suivi à large échelle de la dynamique des végétations // Evaluation of the integration of participatory, expert, and AI model data for large-scale monitorin

Ce projet de thèse s'inscrit dans le cadre du projet européen BEAGLE et vise à optimiser
l'utilisation des données issues de sciences participatives pour le suivi de la biodiversité
végétale méditerranéenne. L'enjeu majeur est de lever les verrous liés à la qualité des
données citoyennes (biais d'observation, erreurs taxonomiques) en les couplant à des
approches expertes et à des modèles d'intelligence artificielle (IA) développés par
l'équipe Pl@ntNet (GeoPl@ntNet, Pl@ntBERT).
La thèse s'articulera autour de deux axes principaux :
. L'évaluation multidimensionnelle de la qualité des données citoyennes (exactitude,
complétude, traçabilité) à travers la confrontation avec des inventaires de terrain
réalisés par le doctorant et des équipes d'experts au niveau européen, ainsi qu'avec des
prédictions issues de modèles d'IA (deep learning et grands modèles de langage).
. Le développement d'un cadre méthodologique s'appuyant sur ces données, pour la
caractérisation de la dynamique des végétations, permettant d'améliorer les protocoles
de restauration écologique et les inventaires réglementaires.
Le travail bénéficiera de l'expertise de l'équipe Pl@ntNet et de l'infrastructure de
données du projet BEAGLE pour transformer des signaux numériques complexes en
outils d'aide à la décision destinés aux gestionnaires d'espaces naturels.
------------------------------------------------------------------------------------------------------------------------------------------------------------------------
------------------------------------------------------------------------------------------------------------------------------------------------------------------------

This PhD project, part of the European BEAGLE project, aims to optimise the use of
citizen science data for monitoring Mediterranean plant biodiversity. The main challenge
is to overcome limitations of participatory data (observer bias, taxonomic errors) by
coupling them with expert field surveys and Artificial Intelligence (AI) models developed
by the Pl@ntNet team (GeoPl@ntNet, Pl@ntBERT).
The research focuses on two main areas :
. Multidimensional data quality assessment (accuracy, completeness, traceability)
through systematic comparison between expert botanical surveys, and AI predictions.
The development of a methodological framework based on this data, for the
characterisation of vegetation dynamics, enabling the improvement of ecological
restoration protocols and regulatory inventories.
The project will leverage Pl@ntNet's expertise and BEAGLE's data infrastructure to
transform complex digital signals into decision-support tools for natural resource
managers.
------------------------------------------------------------------------------------------------------------------------------------------------------------------------
------------------------------------------------------------------------------------------------------------------------------------------------------------------------

Début de la thèse : 01/10/2026
WEB : https://cordis.europa.eu/project/id/101288886

Autre type de financement - projet BEAGLE HORIZON EUROPE

Université de Montpellier

584 GAIA - Biodiversité, Agriculture, Alimentation, Environnement, Terre, Eau

Master 2 en écologie/botanique, excellente expertise en flore méditerranéenne, maîtrise de R ou Python, forte appétence pour les sciences participatives et les modèles de deep learning.
Master 2 in ecology/botany, excellent expertise in Mediterranean flora (field), good skills in R or Python, strong interest in citizen science and deep learning models.