Des chercheurs néerlandais et allemands dévoilent Bee-Nav, un système de navigation pour mini-drones calqué sur le comportement des abeilles mellifères. Publié dans Nature, le dispositif permet à de petits aéronefs de parcourir des centaines de mètres sans GPS et de revenir à leur base, ouvrant des perspectives pour l’agriculture et l’industrie.
Un drone de quelques dizaines de grammes, dépourvu de GPS et de calculateur embarqué, capable de s’éloigner sur des centaines de mètres avant de revenir se poser précisément à son point de départ. La performance, des roboticiens et biologistes de l’Université de technologie de Delft, de l’Université de Wageningen et de l’Université d’Oldenbourg l’ont rendue possible en s’inspirant d’un insecte commun : l’abeille mellifère. Leur système, baptisé Bee-Nav, fait l’objet d’une publication dans Nature datée de mercredi.
L’idée directrice trouve sa source dans l’observation minutieuse des butineuses. Avant d’entamer de longues expéditions, les abeilles mellifères effectuent de brefs vols d’apprentissage autour de leur ruche. Elles mémorisent alors l’environnement visuel et s’appuient sur une estimation continue des distances parcourues pour tracer, au retour, une trajectoire quasi rectiligne, même après un trajet sinueux.
Un cerveau artificiel de 42 kilo-octets
Le dispositif Bee-Nav transpose ce mécanisme au drone. Lors d’un vol d’apprentissage initial, l’appareil capture des images panoramiques de son environnement immédiat. Un réseau de neurones compact, intégré à bord, analyse ces données visuelles pour déterminer en continu la direction et la distance de retour. L’ensemble tient dans 42 kilo-octets de mémoire, un volume dérisoire comparé aux standards de l’informatique embarquée. Dans l’un des tests menés par l’équipe, une version allégée du réseau n’occupait que 3,4 kilo-octets.
« Nous avons entraîné le réseau de neurones à l’aide d’estimations odométriques de la direction et de la distance de retour, même si celles-ci perdent en précision au fil du temps », explique Dequan Ou, doctorant à Delft et premier auteur de l’étude.
Guido de Croon, professeur en intelligence artificielle bio-inspirée pour les drones à l’Université de technologie de Delft, résume la fascination à l’origine du projet : « Nous étions fascinés par le fait que les abeilles mellifères peuvent s’éloigner loin de chez elles en suivant des trajectoires sinueuses, puis revenir presque en ligne droite. »
Hangars et vents contraires
Les essais en conditions réelles offrent des résultats contrastés. Dans les grands volumes intérieurs, comme les hangars, le système affiche un taux de réussite de 100 %. En extérieur, soumis au vent et aux variations de luminosité, ce taux chute à 70 %. « Les expériences sont très encourageantes… Mais elles montrent aussi que notre système actuel doit gagner en robustesse face aux conditions du monde réel », tempère Dequan Ou.
Ces recherches prolongent un programme de longue haleine mené au laboratoire de micro-véhicules aériens de Delft. En 2024, l’équipe publiait dans Science Robotics une méthode de navigation par suivi d’itinéraire permettant à un drone de 56 grammes de se repérer avec seulement 1,16 kilooctet de mémoire par 100 mètres parcourus. Bee-Nav franchit une étape supplémentaire : au lieu de retracer passivement un chemin mémorisé, le drone calcule désormais une route directe inédite vers sa base.
Des serres aux infrastructures
Les applications envisagées concernent prioritairement les milieux agricoles confinés et les sites industriels. La surveillance des cultures sous serre, la détection précoce de maladies végétales ou l’inspection d’installations industrielles pourraient être assurées par des essaims de drones légers, sans infrastructure de positionnement externe ni matériel coûteux.
Autre atout du dispositif : la légèreté et la sobriété technique des appareils réduisent les risques pour les travailleurs amenés à évoluer à proximité. Un élément central dans les environnements agricoles fermés, où la cohabitation homme-machine reste une préoccupation opérationnelle constante.
