Comment fonctionne la reconnaissance des plantes, et une application peut-elle vraiment nommer votre plante.
Les applications de reconnaissance des plantes comparent votre photo aux motifs appris sur des millions d'images de plantes étiquetées, puis renvoient une liste classée des espèces les plus probables. Elles ont souvent raison : lors d'un test de terrain mené en 2023 sur cinq applications gratuites, la première suggestion était juste pour 69 % des photos et la bonne réponse figurait parmi les cinq premières pour 85 %. Elles ne sont pas assez fiables pour décider si une plante peut être mangée ou touchée sans danger.
Ce que la reconnaissance des plantes fait de votre photo
Lorsque vous pointez une application de scan de plantes vers une feuille, elle ne cherche pas la plante dans un livre de descriptions. La photo est transmise à un modèle, généralement un type de réseau de neurones, entraîné à transformer une image en une série de scores, un pour chaque espèce qu'il connaît. L'application affiche ensuite les espèces aux scores les plus élevés, souvent avec un indice de confiance et des photos d'exemple pour comparer.
Le modèle ne sait pas ce qu'est un pétale ou un bord de feuille comme le sait un botaniste. Pendant l'entraînement, il a appris quelles combinaisons de formes, de textures, de couleurs et de contours apparaissent dans les photos associées à chaque nom. Lorsque votre photo contient une combinaison semblable, cette espèce obtient un score élevé. C'est pourquoi une photo nette et rapprochée d'une fleur donne souvent une réponse assurée, alors qu'un cliché flou d'une haie donne une liste d'arbustes vaguement apparentés.
Comment un détecteur de plantes apprend
La qualité d'un détecteur de plantes dépend surtout de ses images d'entraînement. Chacune doit porter un nom exact, et la collection doit contenir de nombreuses photos de chaque espèce prises à différentes saisons, sous différentes lumières et à différents stades de croissance. C'est cette collecte qui est difficile.
Les grands projets publics constituent ces collections avec l'aide de bénévoles. Pl@ntNet, porté par les instituts de recherche français CIRAD, INRAE, Inria et IRD, se décrit comme fondé sur l'apprentissage coopératif : les utilisateurs partagent leurs observations, des filtres rejettent les images trop floues ou encombrées, et seules les observations dont l'identification ne fait guère de doute sont reversées dans la collection. Lors de notre vérification en octobre 2026, son site présentait le service comme ouvert et gratuit pour tous grâce aux dons. iNaturalist fonctionne de façon similaire : chacun publie ses observations, d'autres membres confirment ou corrigent le nom, et les données validées peuvent ensuite servir à améliorer le modèle.
Cette approche comporte un biais intrinsèque. Les plantes communes, voyantes et très photographiées disposent de milliers d'exemples, alors que les espèces rares, les sous-espèces locales et les cultivars de jardin n'en ont parfois que très peu. Le modèle est généralement meilleur pour les plantes que l'on photographie déjà le plus.
Pourquoi la partie de la plante et votre position comptent
Beaucoup de plantes se ressemblent sous un angle et diffèrent sous un autre. Deux arbustes peuvent avoir des feuilles presque identiques mais des fleurs très différentes. C'est pourquoi certaines applications, dont Pl@ntNet, vous demandent quelle partie vous avez photographiée, feuille, fleur, fruit ou écorce, et permettent d'envoyer plusieurs photos de la même plante. Combiner les indices de plusieurs parties affine la réponse.
La localisation est un second filtre. Une espèce jamais signalée sur votre continent a moins de chances d'être la bonne réponse : les applications qui savent à peu près où vous êtes peuvent donc faire remonter les espèces locales. Le problème, c'est que les jardins et les plantes d'intérieur échappent à cette règle : une plante tropicale dans un appartement parisien est hors de son aire naturelle, et un filtre fondé sur les relevés sauvages peut jouer contre elle.
Quelle est la précision de la reconnaissance des plantes en conditions réelles ?
Les résultats en laboratoire sur des images propres peuvent être très élevés, mais l'usage sur le terrain est plus compliqué. Un test utile en conditions réelles a été publié dans People and Nature en 2023 par Hart et ses collègues. Ils ont utilisé cinq applications gratuites populaires, dont Pl@ntNet, Google Lens, PlantSnap, LeafSnap et Seek by iNaturalist, sur 857 photos identifiées par des professionnels, représentant 277 espèces photographiées en extérieur.
- Première suggestion : juste pour 69 % des images, toutes applications confondues.
- Cinq premières suggestions : la bonne espèce apparaissait pour 85 % des images.
- Meilleures applications : au moins une des trois applications les plus performantes donnait la bonne espèce en premier pour 96 % des images.
- Le type de plante comptait : les résultats variaient entre plantes ligneuses, fleurs sauvages, graminées, joncs et laîches, fougères et prêles.
Les auteurs ont conclu que les applications gratuites sont valables et utiles pour une identification rapide, avec des réserves. En pratique, cela signifie faire davantage confiance à une correspondance assurée sur une plante commune et caractéristique qu'à une correspondance peu sûre sur une graminée ou une plantule, et examiner les premières suggestions plutôt que la seule première.
Quand une application de scan de plantes se trompe
La plupart des erreurs proviennent d'un petit nombre de situations :
- Sosies proches : des espèces du même genre peuvent ne différer que par leurs poils, la forme des graines ou un caractère invisible sur la photo.
- Croissance jeune ou inhabituelle : les plantules, les feuilles juvéniles et les plantes stressées ne ressemblent souvent pas aux plantes adultes des photos d'entraînement.
- Cultivars et hybrides : une variété de jardin peut n'être identifiée qu'au niveau de l'espèce parente, ou confondue avec une autre plante de couleur semblable.
- Mauvaises photos : plusieurs plantes dans le cadre, des ombres marquées ou un fond chargé perturbent le modèle.
- Espèces rares : si une plante est à peine représentée dans les données d'entraînement, l'application peut donner une réponse assurée correspondant à une parente plus commune.
Une application renvoie presque toujours une réponse, même pour la photo d'une plante en plastique. Un résultat est une suggestion à vérifier, pas un verdict.
Plantes toxiques : pourquoi une application de vérification ne suffit pas
Les enjeux augmentent lorsqu'il s'agit de savoir si une plante est toxique. Une étude de 2021 parue dans le Journal of Medical Toxicology, signée Otter, Mayer et Tomaszewski, a testé trois applications sur 17 plantes toxiques courantes, en photographiant les plantes entières, les feuilles et les fleurs. PictureThis a identifié correctement 10 des 17 espèces à chaque test, Pl@ntNet 8 sur 17 et PlantSnap 1 sur 17. Les auteurs voient dans les applications une aide utile, mais ces écarts montrent pourquoi une application de vérification ne peut pas avoir le dernier mot en matière de sécurité.
Suivez quelques règles strictes :
- Ne mangez jamais une plante sauvage, une baie ou un champignon sur la seule foi d'une application.
- Si un enfant ou un animal a mangé une partie de plante, appelez d'abord un centre antipoison ou un vétérinaire, et n'utilisez l'application que pour aider à décrire la plante.
- Gardez un échantillon ou une photo nette de la plante pour la montrer aux professionnels.
Le guide des plantes sauvages comestibles et toxiques présente plus en détail les sosies dangereux les plus courants.
Comment obtenir une meilleure réponse
- Photographiez une seule plante à la fois. Faites-lui occuper la majeure partie du cadre.
- Commencez par la fleur ou le fruit. Ils portent les indices les plus forts. Ajoutez une feuille, des deux côtés si possible.
- Utilisez une lumière douce et uniforme. Évitez les ombres dures de midi et les reflets du flash.
- Envoyez plusieurs photos. Différentes parties de la même plante aident le modèle à écarter les sosies.
- Comparez les images de référence. Lisez les trois premières suggestions et vérifiez vous-même des détails comme la disposition des feuilles et la forme des fleurs.
- Vérifiez auprès d'une seconde source. Un guide de terrain, un jardin botanique local ou une communauté en ligne peuvent confirmer une correspondance douteuse.
Le guide photo des plantes montre comment cadrer feuilles, fleurs et tiges pour que les applications comme les personnes puissent les identifier.
Questions fréquentes
Réponses aux questions fréquentes sur l’entretien des plantes et cet outil.
Lectures complémentaires et références
- Assessing the accuracy of free automated plant identification applications — People and Nature (Hart et al., 2023) Test de terrain de cinq applications gratuites sur 857 photos de 277 espèces ; précision de la première suggestion et des cinq premières. [Source ]
- Swipe Right: a Comparison of Accuracy of Plant Identification Apps for Toxic Plants — Journal of Medical Toxicology (Otter, Mayer and Tomaszewski, 2021) Précision de trois applications sur 17 plantes toxiques courantes. [Source ]
- À propos de Pl@ntNet — Pl@ntNet Apprentissage coopératif, filtres de qualité d'image et sélection des observations partagées. [Source ]