Dimanche 22 novembre 2026
Bioacoustique

La musique des plantes commence par leur mouvement (nouvelle technologie IA)

Observer le végétal autrement : de la microcinématique foliaire à la sonification par intelligence artificielle Une plante immobile n’existe pas. À l’échelle de quelques secondes, minutes ou heures, ses feuilles changent d’orientation, ses tiges se déplacent…

Observer le végétal autrement : de la microcinématique foliaire à la sonification par intelligence artificielle

Une plante immobile n’existe pas.

À l’échelle de quelques secondes, minutes ou heures, ses feuilles changent d’orientation, ses tiges se déplacent, certaines parties de son feuillage oscillent, se contractent ou se réorganisent. Ces mouvements répondent à la lumière, au cycle circadien, à l’état hydrique, à la température, aux contraintes mécaniques et à de nombreux processus physiologiques internes.

La botanique étudie ces phénomènes depuis longtemps. La nyctinastie, par exemple, désigne les mouvements rythmiques de certaines feuilles entre le jour et la nuit. Ces mouvements reposent notamment sur des modifications de volume cellulaire, des flux ioniques et des mécanismes commandés par l’horloge circadienne.

Mais l’arrivée de la vision artificielle change profondément notre façon d’observer ces phénomènes.

Une feuille possède une dynamique mesurable

Un œil humain regarde une plante et perçoit généralement une structure relativement fixe.

Une caméra, associée à un algorithme d’analyse temporelle, voit autre chose : un champ de mouvements.

Chaque région du feuillage peut être décrite par plusieurs variables :

  • amplitude du déplacement ;

  • vitesse ;

  • direction ;

  • accélération ;

  • fréquence des oscillations ;

  • synchronisation entre différentes feuilles ;

  • stabilité ou irrégularité du mouvement ;

  • évolution de ces paramètres dans le temps.

Cette approche existe déjà dans le phénotypage végétal. Des travaux utilisant le flux optique dense ont montré qu'il est possible de suivre automatiquement les mouvements foliaires et de distinguer des différences liées au génotype, à l'apport en eau ou à l'azote.

Des recherches publiées en 2026 vont encore plus loin en utilisant la dynamique morpho-cinématique du feuillage pour classifier différents niveaux de stress hydrique.

Le mouvement devient donc une donnée biologique exploitable.

C'est précisément ici que commence l'approche de PlantSound.

Du mouvement au « phénotype dynamique »

Une photographie renseigne sur la morphologie d'une plante.

Une séquence vidéo renseigne sur sa dynamique.

PlantSound analyse ainsi non seulement ce que la plante est, mais également ce qu'elle fait pendant l'observation.

L'algorithme commence par identifier le végétal et isoler ses structures pertinentes : contour général, masses foliaires, feuilles, tiges et zones présentant une dynamique exploitable.

Il calcule ensuite un champ de déplacement entre les images successives.

Conceptuellement, pour chaque point de l'image :

où et représentent le déplacement horizontal et vertical observé au cours du temps.

Pris isolément, ce vecteur n'a que peu d'intérêt. Calculé sur des milliers de points et plusieurs secondes, il produit une véritable cartographie cinématique du végétal.

L'algorithme en extrait ensuite des descripteurs temporels : mouvement moyen, énergie cinétique relative, dispersion directionnelle, périodicité, cohérence des différentes régions et apparition de changements brusques.

La plante acquiert ainsi un phénotype dynamique numérique.

Cette approche rejoint directement le développement actuel du phénotypage végétal par ordinateur, où vision artificielle, deep learning et fusion multimodale permettent de quantifier des caractéristiques végétales impossibles à suivre manuellement à grande échelle.

Pourquoi reconnaître l'espèce change complètement la sonification

C'est un point central.

Une variation physique seule ne possède aucune signification musicale intrinsèque.

Une variation de 0,8 vers 1,2 ne dit pas : « joue un sol ».

C'est l'algorithme de sonification qui établit la correspondance.

La sonification constitue d'ailleurs un véritable domaine scientifique : elle consiste à représenter des données par le son, de la même manière que la visualisation représente des données graphiquement. Les travaux consacrés au sujet décrivent des centaines de stratégies reliant des grandeurs physiques à la hauteur, au rythme, au timbre, à l'intensité ou à la spatialisation.

PlantSound ajoute ici une dimension essentielle : le contexte botanique.

Une fougère, un ficus, une Monstera ou une Mimosa ne présentent ni la même architecture, ni les mêmes feuilles, ni nécessairement les mêmes échelles ou rythmes de mouvement.

L'intelligence artificielle fournit donc d'abord un embedding botanique : une représentation numérique de l'espèce et de ses caractéristiques morphologiques.

Cet embedding intervient ensuite dans l'interprétation des mouvements.

Autrement dit :

le même déplacement visuel n'a pas obligatoirement la même valeur relative pour deux végétaux différents.

C'est comparable au rythme cardiaque : 120 battements par minute ne s'interprètent pas indépendamment de l'espèce, de la taille, de l'activité et du contexte physiologique.

L'intérêt de l'IA consiste précisément à contextualiser avant de sonifier.

Un algorithme musical qui ne joue pas simplement « plus haut quand ça bouge plus »

Une sonification élémentaire ferait ceci :

mouvement ↑ → hauteur de note ↑

Techniquement, cela fonctionne. Scientifiquement et musicalement, c'est pauvre.

PlantSound travaille sur une représentation multidimensionnelle.

On peut résumer son principe par un vecteur d'état :

avec par exemple :

K = activité cinématique
C = cohérence des mouvements
R = régularité temporelle
E = variables environnementales
L = lumière et évolution lumineuse
B = contexte botanique identifié par l'IA

Ce vecteur évolue en permanence.

Le moteur de sonification transforme alors différentes dimensions en paramètres musicaux distincts.

L'activité générale agit sur la densité musicale.

La vitesse des variations agit sur le rythme.

La cohérence entre différentes feuilles agit sur la consonance et la stabilité harmonique.

Les oscillations lentes contrôlent les évolutions de texture.

Les micro-variations rapides alimentent des éléments plus fins : attaques, modulation, granularité ou articulation.

L'environnement modifie progressivement l'espace harmonique et spectral.

Et le profil botanique fournit une architecture musicale de référence propre au végétal analysé.

On ne convertit donc plus un signal unique en une suite de notes.

On transforme un état végétal multidimensionnel en paysage sonore multidimensionnel.

L'importance du temps : chaque plante devient sa propre référence

C'est probablement l'un des axes de recherche les plus intéressants.

Comparer directement deux plantes sur une valeur absolue produit beaucoup de bruit expérimental.

Comparer une plante à elle-même dans le temps produit une information beaucoup plus riche.

PlantSound peut établir progressivement une ligne de base :

Chaque nouvelle observation est alors comparée à l'histoire récente du végétal.

L'algorithme ne cherche plus seulement :

« Combien cette feuille bouge-t-elle ? »

Il cherche :

« En quoi le comportement actuel de cette plante diffère-t-il de son propre comportement habituel ? »

Cette logique ouvre une direction passionnante : le jumeau numérique comportemental du végétal.

Après plusieurs observations, l'IA construit une représentation individualisée intégrant rythme quotidien, amplitude habituelle des mouvements, réaction aux changements lumineux, stabilité du feuillage et évolution de l'environnement.

La musique cesse alors d'être uniquement liée à l'espèce.

Elle devient progressivement liée à cet individu végétal, dans cet environnement, à cet instant.

L'environnement fait partie de la plante observée

Une plante ne peut pas être analysée indépendamment de son environnement.

La lumière change.

La température évolue.

L'humidité évolue.

L'heure modifie l'état circadien.

Un souffle d'air provoque un mouvement mécanique.

Une interaction humaine modifie localement le feuillage.

L'algorithme doit donc distinguer autant que possible le mouvement subi du mouvement comportemental.

C'est un problème classique de séparation de sources.

Si toutes les feuilles se déplacent simultanément dans la même direction, un mouvement global de l'air devient probable.

Si une région spécifique change progressivement d'orientation alors que le reste du feuillage reste stable, la signature est différente.

L'IA ne regarde donc pas uniquement combien la plante bouge.

Elle analyse où, comment, avec quelle cohérence et dans quel contexte elle bouge.

C'est précisément ce qui transforme une caméra en instrument d'observation.

Et si le son devenait lui-même un outil scientifique ?

C'est là que la sonification devient particulièrement intéressante.

Notre cerveau auditif est extrêmement performant pour percevoir des changements de rythme, des répétitions, des ruptures et des motifs temporels.

Une variation difficile à remarquer dans plusieurs courbes simultanées devient parfois immédiatement perceptible lorsqu'elle modifie une texture sonore.

Le son ne sert alors plus seulement à rendre les données agréables.

Il devient une autre manière de les explorer.

Une plante dont la dynamique devient progressivement plus irrégulière produit une transformation musicale perceptible.

Un changement brutal de cohérence entre plusieurs zones du feuillage devient une rupture sonore.

Un rythme circadien récurrent peut devenir une structure musicale reconnaissable.

La musique devient ainsi une interface entre un système biologique complexe et la perception humaine.

Et cette idée rejoint une évolution beaucoup plus large de la recherche végétale : les plantes produisent et transmettent de multiples catégories de signaux. Leur activité électrique participe à leurs réponses systémiques, et des travaux ont également démontré que certaines plantes soumises à différents stress émettent des ultrasons aériens dont les caractéristiques peuvent être classifiées par apprentissage automatique.

La prochaine étape consiste donc à ne plus rechercher un signal unique qui représenterait la plante, mais à construire une représentation multimodale de son état.

Vision.

Mouvement.

Environnement.

Temporalité.

Identité botanique.

Intelligence artificielle.

Puis sonification.

C'est cette convergence que nous explorons avec PlantSound.

La plante ne contient pas une mélodie cachée. Elle contient de l'information.

La véritable innovation n'est pas de prétendre découvrir des notes à l'intérieur d'une feuille.

Elle consiste à transformer des phénomènes végétaux observables en une représentation que l'être humain peut percevoir autrement.

Voir une plante nous renseigne sur sa forme.
L'observer dans le temps nous renseigne sur sa dynamique.
L'intelligence artificielle organise cette complexité.
La sonification nous permet de l'entendre.

Et c'est probablement là que commence la prochaine génération de musique des plantes.

Pour en savoir plus et télécharger l'application Plantsound, cliquez-ici (plantsound.fr)

LR

La Rédaction

Directeur de la publication
La lettre

Ne manquez pas le prochain article.

Recevez chaque parution, ou le récapitulatif du lundi.

La lettre de NEURAL.RE

La science du cerveau et du son, dans votre boîte mail.

Chaque nouvel article dès sa parution, ou le meilleur de la semaine le lundi matin. Gratuit, sans publicité, désinscription en un clic.