Plan d'étude par pièges photographiques : espacement, densité et durée

Voici la vérité inconfortable à laquelle se résume la plupart des plans d'étude par pièges photographiques : l'espacement, la densité et la durée ne sont pas trois molettes indépendantes que vous réglez au goût. Ils découlent tous d'une décision que vous prenez avant qu'une seule caméra ne quitte le véhicule — que cherchez-vous à estimer, au juste ? La richesse spécifique, l'occupation, l'abondance relative et la densité exigent chacune un dispositif différent, un nombre de stations différent et une durée de déploiement différente, et un plan excellent pour l'un peut se révéler tout bonnement inutile pour un autre.

Cela paraît évident. Ça ne l'est manifestement pas. Lorsque Burton et ses collègues ont passé en revue 266 études par pièges photographiques publiées entre 2008 et 2013, 40,2 % n'utilisaient aucun plan d'échantillonnage fondé sur les probabilités, s'appuyant sur un placement opportuniste ou ciblé, et 21,4 % de plus ne donnaient presque aucun détail sur le plan d'échantillonnage. Moins d'un tiers mentionnaient explicitement les hypothèses d'indépendance spatiale et temporelle dont dépendaient leurs analyses. Les caméras fonctionnaient très bien. Les plans, dans bien des cas, ne pouvaient pas soutenir les inférences que les auteurs en tiraient.

Alors avant d'en venir aux chiffres — et il y a de bons chiffres précis ci-dessous — assimilez l'ordre des opérations. Choisissez la question. Laissez la question fixer l'espacement par rapport au domaine vital de votre espèce cible. Laissez l'espacement et votre objectif de précision fixer le nombre de stations. Laissez la détectabilité fixer la durée. Tout le reste relève de la logistique. Inversez l'ordre et aucun effort de terrain ne vous sauvera.

Commencez par la question, pas par la caméra

Le cadrage le plus utile de la littérature est qu'une détection par caméra est le produit de deux processus : combien d'animaux sont présents, et quelle est la probabilité que chacun soit photographié. Chaque choix de conception est en réalité un choix sur la manière dont vous gérez ce second processus — la détection. Ce qui distingue les méthodes analytiques, c'est ce qu'elles supposent, et donc ce qu'elles exigent de votre dispositif.

Un tour rapide des quatre objectifs courants, car le reste de cet article y renvoie sans cesse :

• Inventaire des espèces / richesse — « qu'est-ce qui vit ici ? » Il faut que chaque espèce ait une probabilité non nulle d'être détectée, ce qui suppose surtout une couverture spatiale large et de la randomisation, non de l'intensité en un point donné.
• Occupation — « quelle proportion de sites une espèce utilise-t-elle ? » Le cadre de l'occupation modélise explicitement la détection imparfaite au moyen de visites répétées ; il faut donc assez de sites et assez d'occasions d'échantillonnage par site pour cerner la probabilité de détection.
• Abondance relative (IAR) — détections par unité d'effort, utilisées comme indice d'abondance. Peu coûteuse et omniprésente, mais elle repose sur l'hypothèse héroïque que la détectabilité est constante entre les éléments comparés. Elle ne l'est généralement pas.
• Densité — animaux par unité de surface, l'étalon-or. Pour les espèces identifiables individuellement (pensez aux félins tachetés), cela passe par la capture-recapture spatiale (SCR/SECR) ; pour les espèces non marquées, le modèle de rencontre aléatoire (REM) est la principale option. Ces deux méthodes veulent des choses opposées quant à l'espacement de vos caméras, ce qui constitue le plus grand piège de tout le domaine.

Le guide de publication de données du GBIF fait le même constat par l'autre bout : « que souhaitez-vous savoir, et sur quels groupes d'espèces ? Chaque objectif apporte ses propres caractéristiques clés à considérer, comme la hauteur et l'orientation de la caméra, la saisonnalité, l'usage d'appâts, les caractéristiques de la zone de détection ». Ces caractéristiques ne sont pas des métadonnées facultatives. Elles sont le plan.

Un panorama destiné aux praticiens, qui mérite le temps d'un débutant, présente le placement lui-même comme un menu — échantillonnage aléatoire, stratifié, systématique, adaptatif et de type occupation, chacun avec ses propres atouts. C'est un bon échafaudage mental. Mais dès l'instant où vous choisissez de vraies coordonnées, la question n'est plus « quel archétype d'échantillonnage sonne bien » — c'est « qu'est-ce que mon estimateur suppose, et cette disposition le satisfait-elle ? »

Espacement et indépendance : liés au domaine vital, pas à l'habitude

L'espacement des caméras est l'endroit où les bonnes intentions vont mourir, car le « bon » espacement s'inverse selon votre objectif — et la littérature diverge réellement par endroits, ce que je signalerai au fil de l'eau.

Pour la richesse, l'occupation et l'IAR, vous voulez généralement l'indépendance. La règle empirique vers laquelle presque tout le monde se tourne est de 1 à 2 km entre les stations. Ce chiffre n'est pas sacré ; c'est un substitut pragmatique de « assez éloignées pour que deux caméras n'échantillonnent pas les mêmes individus ». Le guide de bonnes pratiques du WWF affirme sans détour que l'importance d'une indépendance stricte « est souvent surestimée et peut avoir peu d'effet sur l'inférence statistique », notant que le regroupement spatial dont on s'inquiéterait s'est avéré faible dans les données de caméras quand quelqu'un a cherché à le mesurer. Kays et ses collègues ont constaté que l'autocorrélation entre caméras ne posait pas problème au-delà d'environ 25 m en forêt tropicale — mais une étude en garrigue subtropicale l'a tout de même trouvée à 500 m. Donc la version honnête : liez l'espacement à la taille du domaine vital de votre espèce cible, adoptez par défaut environ 1 km (et au moins un diamètre de domaine vital) faute d'information, et rappelez-vous que vous pouvez modéliser statistiquement la dépendance résiduelle plutôt que de l'éliminer par conception.

Le guide d'installation de WildCAM donne la version la plus claire, en langage simple, de ce compromis : si vous estimez l'occupation du grizzli « et que les caméras sont placées trop près les unes des autres, les détections peuvent ne pas être statistiquement indépendantes s'il existe une chance qu'un même individu soit détecté à des sites de caméras voisins sur une courte période », si bien que pour les mammifères à large domaine « vous pourriez souhaiter choisir de grands intervalles de distance ».

Pour la densité SCR/SECR, vous voulez exactement l'inverse — la dépendance est le but. Ces modèles fonctionnent en observant la probabilité de capture décroître avec la distance au centre d'activité d'un animal ; chaque individu doit donc être photographié à plus d'une station. La recommandation : espacer les caméras d'au plus 0,8 fois un rayon moyen de domaine vital, et viser idéalement un tiers d'un rayon de domaine vital, ce qui revient à environ 4 à 7 caméras à l'intérieur de chaque domaine vital. La capture-recapture classique (non spatiale) est encore plus stricte : elle ne veut laisser aucun « trou » où pourrait se cacher un domaine vital entier — Tobler et Powell l'énoncent de façon mémorable pour les jaguars : « il ne devrait y avoir aucun trou entre les caméras qui pourrait contenir le domaine vital entier d'un individu ».

C'est ici que cela devient intéressant, et que le domaine n'a pas complètement tranché. Une étude SECR sur l'ours noir (via la synthèse de WildCAM) a constaté qu'en augmentant l'espacement des pièges, les estimations de densité bougeaient à peine — « il peut être plus profitable d'espacer davantage les pièges pour échantillonner une plus grande surface », car le SECR est bien plus robuste à un faible nombre de stations que les autres méthodes de densité. La revue de référence sur le SECR aboutit à la même conclusion stratégique : « la meilleure façon d'accroître la précision du point de vue du plan d'étude semblerait être d'augmenter le nombre d'individus capturés », ce qui s'obtient le plus naturellement en agrandissant la zone d'étude. Ainsi, pour le SECR, il existe une réelle tension entre l'espacement serré des manuels et le constat pratique du « répartissez large pour capter plus d'individus ». La résolution que la plupart adoptent : l'étendue de votre grille par rapport à la taille du domaine vital compte au moins autant que l'espacement entre pièges — ce que l'étude sur la panthère des neiges ci-dessous démontre brutalement.

Pour le REM, l'espacement est libéré de l'espèce cible, ce qui est l'un de ses meilleurs atouts. Comme le REM n'exige jamais qu'un individu soit photographié deux fois, « l'espacement des caméras n'est pas déterminé par l'espèce cible », et plus d'une espèce peut être suivie dans la même étude. Ce que le REM exige en revanche, c'est que les caméras soient placées au hasard par rapport au mouvement des animaux — pas sur les sentiers, pas aux places de grattage, nulle part choisi pour gonfler ou réduire les taux de rencontre. Enfreignez cela et vous biaisez le taux de rencontre, et avec lui l'estimation de densité.

L'espacement des caméras est l'endroit où les bonnes intentions vont mourir, car le « bon » espacement s'inverse selon votre objectif.

Combien de stations ? Densité et nombre de caméras

Il n'y a pas de réponse universelle, mais il y a de bonnes cibles par objectif, et elles sont plus précises que « plus, c'est mieux ».

Richesse. La preuve empirique la plus directe vient du sous-échantillonnage par Kays et al. de 2 225 déploiements répartis sur 41 zones d'étude dans le monde. Ils ont constaté qu'il fallait 25 à 35 sites de caméras pour des estimations précises de la richesse spécifique, selon l'échelle de l'étude — environ 35 pour les grilles à grande échelle (espacement ≥ 1 km) et 25 pour les sites tropicaux à petite échelle (≤ 0,2 km), avec seulement 17 à 22 suffisant pour les zones tempérées à petite échelle les moins diversifiées. Le guide du WWF est plus tranchant : pour la richesse, « il semble improbable qu'un échantillon décent puisse être obtenu avec moins de 20 emplacements, et 50 emplacements pourraient être une meilleure cible », et si vous stratifiez, il vous faut 20 à 50 emplacements par strate. La synthèse de WildCAM va dans le même sens — moins de 20 caméras est « irréaliste pour les relevés de richesse spécifique, 50 emplacements étant une meilleure cible ».

Occupation. C'est là que le nombre de stations devient férocement sensible à la fréquence de votre espèce. Kays et al. ont trouvé la précision de l'occupation « très sensible au niveau d'occupation, avec moins de 20 sites de caméras nécessaires pour des estimations précises des espèces communes (ψ > 0,75), mais plus de 150 sites de caméras probablement nécessaires pour les espèces rares (ψ < 0,25) ». Près de la moitié d'une analyse mondiale sur les carnivores qu'ils citent affichait une occupation inférieure à 0,25 — exactement les espèces que vous souhaitez le plus suivre, et exactement celles qui exigent 100 sites et plus. La recommandation générale du guide du WWF : un minimum de 40 emplacements d'échantillonnage pour l'occupation, montant à 100 et plus si vous ajoutez des covariables ou visez une espèce rare. WildCAM l'opérationnalise ainsi : 30 sites pour les espèces à forte détectabilité (p ≥ 0,8), 30 à 60 pour beaucoup d'espèces, et « au moins 100 sites » pour les espèces rares, à faible densité, dont la probabilité de détection est inférieure à 0,1.

La question une seule ou plusieurs caméras. Un constat qui surprend régulièrement : mettre plus de caméras à chaque site peut compter autant qu'ajouter des sites. O'Connor et ses collègues ont testé des dispositifs à une, deux et quatre caméras sur 20 sites forestiers et ont constaté que la méthode à quatre caméras détectait 1,25 espèce (53 %) de plus par site qu'une seule caméra, était la seule configuration à détecter pleinement la communauté terricole, et doublait à peu près le nombre de sites où le cerf de Virginie était enregistré. La probabilité de détection du cerf avec une seule caméra n'était que de 0,179. Leur recommandation — « un minimum de 2 pièges photographiques par site de caméra, déployés dans des directions opposées » — est une parade économique aux faux négatifs qui ruinent les données d'occupation et de richesse.

Densité SECR. La revue de référence a trouvé une médiane de 57,5 stations de caméras par étude et par an (moyenne ~100, plage 12 à 849) dans les travaux SECR publiés. Pour les jaguars en particulier, Tobler et Powell ont conclu qu'un minimum de 40 à 50 stations est requis pour un relevé fiable, « et un plus grand nombre de stations serait souhaitable » — un seuil que WildCAM reprend comme le « strict minimum ». La force du SECR est sa robustesse : il est « bien plus robuste à un faible nombre de stations de caméras que les autres méthodes d'estimation de densité ».

Densité REM. Des travaux de simulation suggèrent qu'« environ 60 emplacements de caméras devraient être échantillonnés pour atteindre une précision acceptable (c.-à-d. un coefficient de variation inférieur à 0,20) ».

Pour rendre les compromis concrets, voici comment quelques-uns des plans de qualité protocolaire de la littérature répartissent réellement les caméras :

Remarquez que ForestGEO fait délibérément tourner ses caméras à une densité 100 fois supérieure à TEAM — un piège pour 2 ha contre un pour 2 km² — parce qu'ils répondent à des questions différentes sur des surfaces différentes (1 km² d'échantillonnage forestier intensif contre 120 km² de suivi de communauté). Aucun n'a « raison ». Ils sont ajustés à leurs objectifs.

Les relevés coordonnés et de science participative se situent à l'extrémité de ce spectre : SNAPSHOT USA 2021, un relevé national multi-contributeurs, a rassemblé 109 dispositifs de pièges photographiques et 1 711 sites de caméras pour 71 519 nuits-pièges, l'effort par dispositif allant de 126 à 3 355 nuits. Ce qu'il faut en retenir pour quiconque rejoint un tel réseau, c'est que la cohérence entre contributeurs — hauteur, espacement et durée normalisés — est ce qui permet d'analyser ensemble tous ces dispositifs individuellement modestes.

ForestGEO fait délibérément tourner ses caméras à une densité 100 fois supérieure à TEAM, parce qu'ils répondent à des questions différentes sur des surfaces différentes. Aucun n'a « raison ». Ils sont ajustés à leurs objectifs.

Pourquoi l'étendue de votre grille peut compter plus que sa densité

L'étude sur la panthère des neiges est le récit édifiant que tout responsable de relevé de densité devrait garder au mur. La même équipe a relevé le même paysage de deux façons : un dispositif compact (38 caméras, espacement ~1 km, étendue de 253 km², 15 caméras/100 km²) et un dispositif diffus (44 caméras, espacement ~5 km, étendue de 2 030 km² — presque un ordre de grandeur de plus — à seulement 2 caméras/100 km²).

Les estimations n'ont pas seulement différé — le plan compact a renvoyé une densité de 0,12 animal/100 km² contre 0,534 pour le plan diffus, soit environ cinq fois plus élevée dans la disposition diffuse. Pire, le dispositif compact a gravement déformé la manière dont les félins utilisaient réellement l'espace, gonflant le paramètre de mouvement σ̂ à 12,23 contre 3,27 dans le plan diffus. La leçon que tirent les auteurs est celle que Tobler et Powell ont tirée pour les jaguars et que la revue de référence a tirée pour toutes les espèces : « échantillonner une petite zone d'à peu près la taille d'un seul domaine vital est sujet à des biais résultant du très petit nombre d'individus sur le paysage, avec de très faibles probabilités de rencontre ». Pour les travaux de densité, une grille serrée et petite peut être bien pire qu'une grille clairsemée et vaste. Couvrez assez de surface pour exposer assez d'individus — c'est cela, plus que le fait de rapprocher les caméras, qui vous achète une estimation défendable.

Pour les travaux de densité, une grille serrée et petite peut être bien pire qu'une grille clairsemée et vaste.

Durée : combien de temps laisser chaque caméra, et combien de temps faire tourner le relevé

Deux horloges différentes tournent, et on les confond. L'une est la durée pendant laquelle une seule caméra devrait rester en un endroit. L'autre est la durée totale du relevé / le total des nuits-pièges. Toutes deux ont de bons points d'ancrage empiriques.

Durée par caméra. Le sous-échantillonnage de Kays et al. donne l'indication la plus claire dont on dispose : faire tourner une caméra pendant 2 semaines était le plus efficace pour détecter de nouvelles espèces, mais 3 à 4 semaines étaient nécessaires pour des estimations précises du taux de détection local, « sans gain de précision observé au-delà d'un mois ». Leur recommandation phare — « faites tourner chaque caméra 3 à 5 semaines sur 40 à 60 sites par dispositif » — est désormais la valeur par défaut de fait pour les études de communauté. L'étude intensive de deux ans de Si et al. sur une seule parcelle chinoise ajoute une règle complémentaire : les nouvelles espèces s'accumulent vite les ~40 premiers jours sur un site, puis le rythme s'effondre ; ils suggèrent donc de faire tourner les caméras « environ tous les 40 jours » ou après une vingtaine de photographies indépendantes.

Sites contre sessions — le verdict récurrent. Quand les caméras sont limitées (elles le sont toujours), faut-il échantillonner plus de sites moins longtemps, ou moins de sites plus longtemps ? Pour la richesse et l'abondance relative, la réponse est constante d'une étude à l'autre : répartissez. Si et al. ont constaté que, à nombre total de jours-caméras égal, « il valait mieux déployer les caméras sur davantage de sites pour une durée plus courte à chaque site que de laisser les caméras au même endroit » — à 1 000 jours-caméras, trois sites détectaient 80 % des espèces tandis que 19 sites en détectaient 90 %. Kays et al. parviennent à la même conclusion, et le guide du WWF l'énonce comme une règle : « échantillonnez plus d'emplacements sur une durée plus courte, plutôt que quelques emplacements sur une très longue durée ». (L'occupation fait exception en partie — pour une espèce rare et à répartition en taches, il vaut encore mieux déplacer les caméras et échantillonner plus de sites, mais pour une espèce commune ou très mal détectable, échantillonner moins de sites plus longtemps peut en réalité être plus efficace.)

Total des nuits-pièges. Multipliez les cibles et vous obtenez un plancher. L'arithmétique du guide du WWF — 20 à 50 emplacements × 30 nuits-pièges chacun — donne 600 à 1 500 nuits-pièges pour une étude de richesse/diversité, avec la recommandation générale que « les études de diversité devraient compter au moins 1 000 nuits-pièges ». La raréfaction de Si et al. a fixé le minimum à 931 jours-caméras pour détecter 90 % des espèces communes sur leur site, avec environ 8 700 jours-caméras nécessaires pour détecter les 10 espèces résidentes — une illustration frappante de la façon dont la longue traîne des espèces rares fait exploser l'effort. La revue de Burton a trouvé un effort médian réel de 2 055 jours-pièges, mais a signalé que près d'un tiers des études (28,9 %) comptaient moins de 1 000 jours-pièges au total, « ce qui est probablement insuffisant pour détecter les espèces rares ».

Pour les travaux de densité, la barre monte. Pour l'abondance relative et le REM, un indice devrait reposer sur plus de 10, idéalement plus de 20 captures — et « pour les densités typiques de nombreux carnivores (et des ongulés les plus rares), au moins 2 000 nuits-pièges seront nécessaires pour obtenir 20 captures ». La revue de référence sur le SECR a trouvé une médiane de 3 124 jours-caméras par an, 71,6 % des études tournant un an ou moins. Les relevés de jaguars, à cause de l'hypothèse de fermeture, marchent sur un fil : assez court pour supposer que la population n'a pas changé, assez long pour recueillir des données, Tobler et Powell recommandant un minimum de 60 jours, souvent 90 voire 120 — rejetant explicitement la fenêtre courante de 30 jours, jugée trop imprécise.

Un point de référence dégrisant sur la question de savoir si tout cet effort porte vraiment ses fruits : dans l'ensemble des études SECR, le coefficient de variation médian était de 30 %, et « 75,6 % des études rapportaient un CV ≤ 40 %, mais seulement 21 % rapportaient un CV ≤ 20 % ». La plupart des relevés de densité ne sont pas aussi précis que leurs auteurs le voudraient. Et seulement 10,5 % d'entre eux avaient réalisé la moindre simulation avant le travail de terrain pour le savoir.

La plupart des relevés de densité ne sont pas aussi précis que leurs auteurs le voudraient. Et seulement 10,5 % d'entre eux avaient réalisé la moindre simulation avant le travail de terrain pour le savoir.

La probabilité de détection est la variable cachée derrière tout cela

S'il est un paramètre qui régit silencieusement l'espacement, la densité et la durée, c'est la probabilité de détection — la chance que vous photographiiez une espèce sachant qu'elle est présente. Trop faible, et vos modèles ne perdent pas seulement en précision, ils cassent.

Le seuil à retenir : des probabilités de détection inférieures à 0,2 « conduisent souvent à des biais importants et à des problèmes de convergence, même dans les modèles à état unique les plus simples ». Et les méthodes vers lesquelles vous pourriez vous tourner pour capter une écologie plus riche aggravent le problème — les modèles d'occupation multi-états « exigent des probabilités de détection plus élevées que les modèles à état unique », et « le nombre de sites requis était nettement plus élevé pour les modèles multi-états ». La manière dont détection et effort s'échangent obéit à une loi : « les probabilités de détection minimales nécessaires diminuaient à mesure que le nombre de relevés augmentait, pour tous les modèles ». Autrement dit, vous pouvez compenser une faible détection par davantage d'occasions d'échantillonnage — jusqu'à un certain point.

C'est aussi pourquoi l'occasion de sept jours est si répandue : Kays et al. ont défini la probabilité de détection comme « la probabilité de détecter une espèce présente au cours d'une période de sept jours à un site de caméra », agrégeant les données quotidiennes en fenêtres hebdomadaires afin que même les espèces peu détectées produisent des historiques de détection exploitables. Regrouper les détections en occasions de plusieurs jours est un levier légitime et gratuit pour relever la probabilité de détection et améliorer l'ajustement du modèle. Déployer plus de caméras par site en est un autre. Tous deux augmentent la détection sans les violations d'hypothèses qu'introduisent l'appât et le ciblage des sentiers — ce qui nous amène à la partie véritablement contestée du plan d'étude.

Stratégie de placement et espèce cible : la vraie bifurcation

Où vous pointez la caméra — sur une coulée de gibier ou en un point aléatoire — est la décision qui divise le domaine, car elle arbitre le biais contre le volume de données, et différentes espèces se situent de part et d'autre de cet arbitrage.

La preuve que le placement biaise vos données est accablante et cohérente. En Virginie, Kolowski et Forrester ont utilisé des caméras appariées et constaté que la probabilité de détection augmentait de 11 à 33 % pour cinq espèces sur les coulées de gibier par rapport aux emplacements aléatoires, et de 24,9 à 38,2 % pour les rongeurs près des troncs couchés ; dans le cas le plus extrême, une catégorie « souris » a enregistré 65 captures près des troncs contre une seule aux emplacements aléatoires. Les taux de capture étaient de 1,7 à 9,67 fois plus élevés aux caméras placées sur des éléments du terrain. En Italie, Greco et al. ont déployé 60 caméras par stratégie et enregistré une moyenne de huit espèces sur le réseau de sentiers contre quatre hors sentier, le loup et le chat forestier ne donnant respectivement que cinq événements hors sentier chacun contre 242 et 80 sur les sentiers — et six fois plus de données au total sur les sentiers. Huit des 11 espèces testées présentaient une détection et une occupation plus élevées sur les sentiers.

Donc les sentiers l'emportent, non ? Pas pour les travaux de communauté, et voici le biais qu'ils introduisent en douce : la composition change. Dans l'étude italienne, les ongulés sauvages représentaient 49 % de l'abondance relative hors sentier mais seulement 28 % sur les sentiers, tandis que les carnivores passaient de 32 % hors sentier à 56 % sur les sentiers. Vous n'obtenez pas seulement plus de données sur les sentiers — vous obtenez une communauté de forme différente, penchée vers les espèces qui aiment les sentiers. L'expérience appariée de Cusack et al. en savane tanzanienne précise lesquelles : les carnivores étaient significativement plus susceptibles d'être captés aux placements sur sentier en saison sèche, et les espèces de plus grande taille en saison humide. Leur constat rassurant pour les relevés de richesse : « avec un effort d'échantillonnage suffisant (> 1 400 nuits-pièges), la stratégie de placement est peu susceptible d'affecter les inférences faites à l'échelle de la communauté » — mais en deçà de cet effort, et pour des groupes trophiques précis, elle les affecte bel et bien.

C'est ici que deux sources de référence pointent dans des directions opposées, et vous devez comprendre pourquoi avant de choisir. Pour les travaux de communauté, d'occupation et de REM, l'indication est catégorique : la randomisation est essentielle — un placement non aléatoire « viole un principe clé de la théorie de l'échantillonnage : la sélection aléatoire des unités d'échantillonnage », risque de manquer des habitats et des espèces entiers, et biaise l'abondance relative en faveur des usagers des sentiers. Mais pour la densité SECR d'une espèce marquée et discrète, Tobler et Powell recommandent l'inverse — placer les caméras « sur des sentiers et des routes forestières bien établis, fréquemment empruntés par les jaguars », car « les caméras placées au hasard dans le paysage ont une très faible probabilité de capture pour les jaguars et produiront de piètres données ». La réconciliation n'est pas un compromis ; c'est de nouveau la question. Si votre estimateur a besoin d'un échantillon non biaisé de la communauté (aléatoire) ou d'assez de recaptures d'un seul individu cryptique pour ajuster un modèle spatial (sentier), le « bon » placement diffère réellement — et si vous mélangez caméras sur sentier et hors sentier, vous notez le placement comme covariable pour que le modèle puisse en tenir compte.

La leçon la plus profonde est que les espèces ne réagissent pas uniformément à tout cela. Même des espèces de taille comparable et étroitement apparentées réagissent différemment aux mêmes choix de conception, ce qui explique pourquoi certains auteurs plaident pour que les programmes de suivi emploient un « mélange de stratégies de plan d'étude » plutôt qu'une approche unique normalisée lorsqu'ils s'intéressent à une communauté diversifiée. (La page de cet article était bloquée par un robot lorsque son fichier source a été capturé ; ceci reflète donc le compte rendu qu'en a fait le dossier de recherche, et non un texte que j'aurais pu lire directement.) Le geste pratique quand vous avez un seul dispositif et plusieurs espèces cibles : concevez pour la plus difficile — l'espèce la plus rare, la moins détectable et à plus large domaine fixe votre espacement et votre effort, et les espèces plus faciles suivent.

Vous n'obtenez pas seulement plus de données sur les sentiers — vous obtenez une communauté de forme différente, penchée vers les espèces qui aiment les sentiers.

Appâts et leurres : un levier tentant avec un revers

Les attractifs augmentent la détection, point final. La question est de savoir ce qu'ils vous coûtent. Dans un test de 844 stations en Alberta, le leurre olfactif a produit un fort effet positif sur les prédateurs dans l'ensemble (β = 0,75) et un très fort effet sur la martre de Pennant (β = 2,23) — mais aucun effet sur le loup gris (β = -0,01, p = 0,973) ni sur les espèces proies ou les ongulés. Voilà le piège : le leurre aide certaines espèces, en ignore d'autres, et peut donc « introduire un biais inconnu dans les inférences portant sur plusieurs espèces », si bien que les relevés multi-espèces « doivent tenir compte de l'effet variable du leurre olfactif ».

Le verdict de qualité protocolaire le reflète. Le guide du WWF déclare sans détour que « l'usage d'attractifs (appâts et leurres) n'est pas recommandé dans les relevés formels par pièges photographiques, sauf raisons très convaincantes de les utiliser et possibilité d'en contrôler les effets ». TEAM n'utilise aucun appât. La nuance du côté de la simulation d'occupation : l'appât et le ciblage des sentiers sont largement utilisés pour pousser la détection au-dessus de ce dangereux plancher de 0,2, et le gain en performance du modèle pourrait valoir le biais — mais l'agrégation des données et l'ajout de caméras par site obtiennent le même gain « sans nécessairement violer les hypothèses du modèle », alors saisissez-vous d'abord de ceux-là. Si vous utilisez un appât, normalisez-le sans pitié et notez-le comme métadonnée pour qu'il puisse être modélisé, non ignoré.

Les écueils qui ruinent réellement les jeux de données

En rassemblant les fils, voici où le plan d'étude par pièges photographiques déraille le plus souvent — et chacun de ces points est une décision de conception, non un accident de terrain :

• Aucun plan fondé sur les probabilités. Les 40,2 % d'études plaçant les caméras de manière opportuniste ne peuvent rien généraliser au-delà des points exacts qu'elles ont échantillonnés. Randomisez, ou stratifiez et randomisez à l'intérieur des strates.
• Trop peu d'effort pour les espèces rares. Moins de 1 000 nuits-pièges est probablement insuffisant pour détecter les espèces rares qui comptent le plus, et les espèces rares, à faible occupation, peuvent exiger 100 à 150 sites et plus.
• Une grille trop petite pour le domaine vital. Pour la densité, un polygone de caméras plus petit qu'environ un domaine vital porte un biais positif pour chaque méthode testée.
• Traiter une seule caméra par site comme suffisante. Une caméra unique manque des détections que le passage à deux caméras opposées capterait, faussant l'occupation et la richesse.
• Ignorer la saisonnalité. Kays et al. ont constaté que 37 à 50 % des espèces fluctuaient significativement en occupation ou en détection au cours de l'année, les espèces tempérées variant en abondance relative d'un facteur moyen de 4 à 5 entre les saisons. Un instantané d'une seule saison n'est pas l'année. Choisissez votre fenêtre délibérément et ne comparez jamais entre saisons sans en tenir compte.
• Confondre votre « site ». Le même mot recouvre la zone de détection d'une caméra et une maille de grille de 10 km², et l'occupation ne signifie pas la même chose à chaque échelle. Définissez-le.
• Ne pas simuler d'abord. Seules ~10 % des études SECR ont réalisé une analyse de puissance avant le travail de terrain — l'assurance la moins chère qui soit contre un résultat pauvre en précision.

Quel que soit l'outil que vous utilisez, documentez le plan lui-même sous forme de métadonnées structurées — hauteur et orientation de la caméra, espacement, durée, appât, caractéristiques de la zone de détection — car un jeu de données dont le plan n'est pas consigné ne peut être réanalysé ni mis en commun avec celui de quiconque. Des normes comme Camtrap DP existent précisément pour que le plan d'étude devienne une partie des données, et non une mémoire institutionnelle perdue. Si vous voulez approfondir l'une ou l'autre décision, le guide de bonnes pratiques du WWF reste la référence la plus complète, et l'article de Kays et al. est le socle empirique des chiffres « combien, combien de temps ».

Questions fréquentes