Dans les sports équestres, en particulier durant les compétitions, le bien-être des chevaux est questionné par la société. Pour répondre à cet enjeu, il est nécessaire de développer des outils pour mieux évaluer le bien-être des chevaux lorsqu’ils sont montés. Dans ce cadre, la Fédération Française d’Équitation via le Fonds Equiaction, en partenariat avec l’IFCE, a financé un travail de thèse sur ce sujet dont l’un des objectifs est de détecter les états de confort ou d’inconfort des chevaux. Parmi différentes approches, ces travaux ont mobilisé les outils d’IA.
Pour entrainer l’IA, les chercheurs se sont appuyés sur un répertoire comportemental spécifique du cheval monté par un cavalier, disponible dans la littérature scientifique. A partir de ce répertoire, les éthologues ont étiqueté plusieurs centaines de photographies de chevaux montés en fonction de leur niveau de confort ou d’inconfort. Par la suite ils ont découpé ces images de 2 manières : l’une montrant le corps entier du cheval, l’autre juste sa tête. A partir de ces images recadrées, ils ont entrainé l’IA à reconnaitre les émotions du cheval.
Leurs résultats montrent que l’IA est capable de détecter si un cheval est en situation de confort ou d’inconfort lorsqu’il est monté, avec une précision de près de 90%. Les photographies montrant juste la tête du cheval donnaient de meilleurs résultats, indiquant que ses expressions faciales sont une vraie porte d’entrée pour comprendre ses émotions. L’IA a également repéré de nouveaux indicateurs sur la tête du cheval jusqu’alors méconnus des éthologues, comme au-dessus des naseaux (zone qui permet de différencier si le cheval est en situation de confort ou d’inconfort) ou les positions d’encolure. Cette étude montre le potentiel de l’IA pour révolutionner l’approche du bien-être animal en recherche et dans ses applications.
Ce travail est une preuve de concept : c’est la première fois qu’une étude montre que l’IA peut être utilisée pour évaluer le bien-être des chevaux lorsqu’ils sont montés. L’IA ne remplace pas un œil expert, mais ouvre des perspectives innovantes pour le développement d’outils pour évaluer le bien-être animal.
Référence
Phelipon R., Lansade L. et Razzaq M. (2025) Using deep learning to decode emotional states in horses. Scientific reports, DOI : https://doi.org/10.1038/s41598-025-95853-7
Étude financée par la Fédération Française d’Équitation via le Fonds Equiaction