Identification des plantes par IA : comment ça marche et quel est le taux de réussite

L'identification des plantes par IA consiste à reconnaître l'espèce d'une plante vivante à partir d'une photo. Le programme compare les caractéristiques visuelles de l'image (forme et nervures des feuilles, silhouette des fleurs, texture de l'écorce) avec des millions de clichés préalablement identifiés par des botanistes, puis propose une liste de candidats, du plus probable au moins probable. Il n'y a aucune notion de compréhension de la plante dans ce processus.

Dans des études évaluées par des pairs et publiées entre 2020 et 2025, les applications ont trouvé la bonne espèce dès leur première suggestion dans 17 % à 90 % des cas. Cet écart immense ne vient pas forcément de l'application elle-même, mais de ce que vous prenez en photo. Avec le même appareil, la même plante et la même application, les résultats changent du tout au tout selon que vous photographiez l'écorce ou la feuille, ou si la plante est en fleur.

Résumé rapide :

• Dans l'étude de Schmidt et ses collègues (2022) portant sur 55 espèces d'arbres, l'application la plus précise a identifié l'espèce dans 83,86 % des photos de feuilles, contre seulement 51,82 % pour les photos d'écorces. Cela représente une chute de 32 points sur la même plante avec la même application.

• Sur 560 photos de plantes herbacées irlandaises (Campbell, Peacock et Bacon, 2023), toutes les applications testées ont obtenu de meilleurs résultats avec les fleurs qu'avec les feuilles, affichant des écarts de 6 à 29 points.

• Aucune étude publiée à ce jour n'a mesuré la précision sur les plantes d'intérieur. Les tests existants se concentrent sur les arbres d'alignement urbains, la flore sauvage et les plantes de grande culture.

• Un cultivar n'est pas une espèce : pour le modèle, un Monstera 'Thai Constellation' et un 'Albo' sont exactement la même plante.

• Le résultat d'une application ne peut pas servir de garantie de sécurité. Dans un test publié par Clinical Toxicology (2023), 5 espèces toxiques sur 11 ont été signalées comme comestibles par au moins l'une des applications testées.

Ce que fait réellement l'IA quand vous photographiez uma plante

Un identificateur de plantes par IA ne connaît pas la botanique. Il s'agit d'un modèle de vision par ordinateur entraîné sur une base de données de photos déjà identifiées. Son rôle est de mesurer une ressemblance : il traduit votre photo en une série de signaux numériques (contours, courbes, textures, proportions) et recherche dans sa base les espèces dont les images génèrent des signaux similaires. Le résultat final est un classement de candidats, chacun associé à un indice de confiance.

Cette méthode entraîne quatre conséquences pratiques qui expliquent la quasi-totalité des erreurs de diagnostic :

1. Ce qui n'est pas dans la base de données ne peut pas être reconnu. Pl@ntNet, qui est le plus grand projet ouvert du secteur, publie ses propres chiffres : 84 710 espèces et plus de 1,47 milliard d'images, réparties dans 77 flores régionales. C'est beaucoup, et pourtant ce n'est qu'une fraction des quelque 400 000 espèces de plantes à fleurs décrites dans le monde.

2. L'indice de confiance mesure la ressemblance, pas la vérité. Un pourcentage élevé signifie simplement « cette photo ressemble beaucoup aux photos de cette espèce dans ma base ». Si l'espèce exacte est absente de la base, le modèle proposera avec assurance l'espèce voisine la plus ressemblante.

3. La partie de la plante compte plus que l'application. Chaque organe contient une quantité différente d'informations taxonomiques, et le modèle ne peut analyser que ce qui est visible sur la photo.

4. Le modèle est basé sur une moyenne. Il a été entraîné avec des photos de plantes adultes, saines et photographiées dans leur environnement naturel. Plus votre plante s'éloigne de ce standard, plus le risque d'erreur augmente.

L'équipe de Pl@ntNet formule d'ailleurs elle-même l'avertissement qu'aucune page de vente n'affiche : « comme tout modèle d'IA, Pl@ntNet n'est pas infaillible ».

La fiabilité de l'identification par IA selon les études scientifiques

Dans quatre études indépendantes publiées entre 2020 et 2025, les applications d'identification ont trouvé la bonne espèce dès leur première suggestion dans 17 % à 90 % des cas. Ce taux varie selon l'application, la flore étudiée et la partie de la plante photographiée. La précision de l'identification du genre est systématiquement supérieure à celle de l'espèce.

Voici les résultats détaillés de chaque étude. Ces travaux s'appuient sur des flores, des échantillons et des critères différents. Les chiffres ne doivent donc être comparés qu'au sein d'une même ligne, et jamais d'une ligne à l'autre. Une application qui affiche 83 % de réussite sur des arbres du New Jersey n'est pas intrinsèquement « meilleure » qu'une autre créditée de 57 % sur la flore britannique.

Deux constats majeurs se dégagent de ces quatre études. Le premier est la rapidité avec laquelle les applications s'améliorent : l'écart de performance entre 2020 et 2025 est trop net pour être le fruit du hasard. Le second est que le choix du cadrage influence le résultat final tout autant que le choix de l'application elle-même. Dans l'étude de Schmidt, photographier l'écorce au lieu d'une feuille a fait perdre 32 points à l'application la plus performante, soit plus du double de l'écart qui la séparait de sa première poursuivante.

L'application installée sur votre téléphone effectue rarement le calcul elle-même. Beaucoup d'entre elles interrogent un moteur d'identification tiers en arrière-plan. L'application Bloom utilise l'API de Plant.id, le moteur arrivé en tête de l'étude de Jones (2020) et qui s'impose aujourd'hui comme la référence du secteur, avec une précision globale testée à 93 % par des universités indépendantes. Ce taux de précision correspond aux performances du moteur de reconnaissance et s'applique à toutes les applications qui partagent cette technologie.

Pourquoi la photo de l'écorce donne de moins bons résultats que celle de la feuille

Prendre une écorce en photo est le cas de figure le plus complexe pour un modèle d'identification. Dans l'étude de Schmidt et ses collègues (2022), les 55 mêmes espèces d'arbres ont été photographiées sous deux angles : la feuille et l'écorce, avec le même appareil et par les mêmes opérateurs. Voici la baisse de précision constatée :

La perte de précision sur l'espèce est de 32,04 points pour PictureThis et de 37,73 points pour iNaturalist. Le résumé de l'étude est sans appel : "these apps are much more accurate in identifying leaf photos as compared to bark photos" (ces applications sont beaucoup plus précises pour identifier les photos de feuilles que les photos d'écorce).

Cette différence s'explique par la botanique, pas par l'informatique. La feuille présente des critères morphologiques très stables qui permettent de distinguer les espèces : forme générale, type de marge (entière, dentelée, lobée), organisation des nervures ou point d'insertion du pétiole. L'écorce, quant à elle, n'offre que des informations de texture. Or, la texture d'une écorce évolue avec l'âge de l'arbre, varie selon l'humidité, l'exposition du tronc ou la présence de lichens et de mousses. Deux espèces distinctes peuvent présenter des écorces identiques à l'âge de 20 ans, tandis qu'un même arbre changera radicalement d'écorce entre 5 et 50 ans.

Une plante en fleur augmente nettement les chances de réussite

La fleur est la structure la plus riche en informations pour les algorithmes de reconnaissance. Cette différence est tellement marquée qu'elle devrait orienter le moment choisi pour prendre votre photo. Dans l'étude de Campbell, Peacock et Bacon (2023), 38 espèces herbacées ont été photographiées 560 fois, à parts égales entre feuilles et fleurs, avec le même smartphone et sans retouche d'image. Voici les résultats pour chaque application :

L'effet apparaît de nouveau, de manière indépendante, dans Hart et al. (2023), People and Nature 5(2), qui enregistre : "the low-performing applications (PlantSnap and Google Lens) performed significantly better when a flower was present" (les applications les moins performantes ont été significativement meilleures lorsqu'une fleur était présente).

La raison reste la même que pour l'écorce. Les botanistes utilisent la fleur depuis trois siècles pour classifier le vivant, car le nombre de pétales, la symétrie, la disposition des étamines et la structure du calice sont des éléments stables chez une même espèce et très différenciés d'une espèce à l'autre. Les feuilles se prêtent davantage à la confusion : des dizaines d'espèces d'Aracées possèdent des feuilles vertes, ovales et brillantes presque identiques.

Les pothos, zamioculcas, monsteras, fougères et sansevières fleurissent rarement ou jamais à l'intérieur de nos appartements. Les amateurs de plantes d'intérieur se retrouvent donc presque toujours dans la configuration d'identification la plus difficile.

Pourquoi vos plantes d'intérieur représentent le cas le plus difficile

La plante d'intérieur cultivée réunit trois facteurs qui compliquent l'analyse des algorithmes : elle n'a jamais fait l'objet d'études scientifiques publiées sur sa reconnaissance, elle correspond souvent à un cultivar que la taxonomie classique ne distingue pas de l'espèce type, et elle est presque toujours dépourvue de fleurs.

Aucune étude publiée n'a mesuré les performances sur les plantes d'intérieur. Il suffit de regarder les échantillons testés : Schmidt et ses collègues (2022) ont travaillé sur les arbres urbains et forestiers du New Jersey ; Campbell, Peacock et Bacon (2023) sur la flore sauvage irlandaise ; Jones (2020) sur la flore britannique ; et Hart et al. (2023) sur la flore sauvage du Royaume-Uni en excluant volontairement les espèces cultivées des parcs et jardins. Les taux de réussite de 85 % que vous lisez partout concernent des plantes sauvages, pas celle de votre salon.

Un cultivar n'est pas une espèce, et le modèle ne connaît que l'espèce. Les plantes achetées en jardinerie sont souvent des sélections horticoles brevetées. Un Monstera deliciosa 'Thai Constellation' et un 'Albo Borsigiana' appartiennent, sur le plan taxonomique, à la même espèce. Leur différence tient à une mutation de panachure, l'élément précis que votre œil utilise pour les distinguer mais que le modèle a appris à ignorer, l'assimilant à de simples variations de lumière. Comme la plupart des cultivars n'ont pas de catégorie propre dans la base de données, l'application identifiera correctement l'espèce, mais pas la variété exacte que vous possédez.

Les plantes d'intérieur s'éloignent des standards d'entraînement. Les photos de référence des bases de données montrent des plantes adultes, en pleine santé et dans leur milieu naturel. Votre plante d'appartement pousse souvent dans un pot trop étroit, a été taillée, s'est étiolée en cherchant la lumière, présente des feuilles plus petites que la normale ou des pointes sèches, et ne porte aucune fleur. Chacun de ces détails éloigne votre image du modèle théorique de l'algorithme.

Les applications restent très utiles pour vos plantes vertes. Gardez simplement à l'esprit que les taux de réussite annoncés représentent un plafond théorique plutôt qu'une moyenne pour vos plantes de salon, et qu'une vérification manuelle reste indispensable.

Quand l'erreur devient dangereuse : plantes toxiques et animaux

L'identification des plantes par IA n'est pas fiable pour décider si une plante est toxique. Dans un test publié dans Clinical Toxicology 61(7) en 2023, 5 des 11 espèces potentiellement toxiques ont été identifiées comme comestibles par au moins une des applications évaluées. L'étude de Campbell, Peacock et Bacon a inclus deux plantes toxiques et arrive à la même conclusion, dans une phrase qui mérite d'être citée en entier :

"They should not be trusted to identify toxic species." On ne doit pas leur faire confiance pour identifier des espèces toxiques.

La règle pratique est simple : utilisez l'application comme premier filtre et confirmez l'espèce auprès d'une source botanique avant de laisser la plante à la portée d'un chat, d'un chien ou d'un enfant, et ne consommez jamais rien sur la base d'une identification par photo. Deux des plantes d'intérieur les plus courantes au Brasil figurent parmi les plantes toxiques pour les animaux de compagnie :

Comment prendre vos photos pour aider l'IA à voir juste

La qualité et le cadrage de votre cliché influencent davantage le résultat que le choix de l'application elle-même. Voici six règles simples, validées par les études scientifiques :

1. Si la plante est en fleur, photographiez la fleur. C'est ce qui explique les écarts de 6 à 29 points constatés dans l'étude de PLOS ONE pour une même application.

2. Privilégiez toujours la feuille à l'écorce. Vous éviterez ainsi la perte de précision de 32 points constatée par l'équipe de Schmidt.

3. Un seul organe par photo. Cadrez une feuille entière ou une fleur bien ouverte pour qu'elle occupe tout l'espace, plutôt que de photographier la plante entière de loin.

4. Un arrière-plan neutre. Placer la feuille sur une feuille de papier blanc ou au creux de votre main évite à l'algorithme de confondre la plante avec des éléments du décor.

5. Rapprochez-vous pour rendre les nervures visibles. Le réseau de nervures fournit une grande partie des clés d'identification de la feuille.

6. Consultez les 5 premières propositions, pas uniquement la première. Dans l'étude de Hart et al. (2023), la précision moyenne passe de 69 % pour le premier choix à 85 % si l'on prend en compte les cinq premières propositions. La bonne réponse figure souvent dans la liste, même si elle n'est pas en tête.

Si l'application le permet, soumettez plusieurs photos de la même plante montrant des parties différentes. Les systèmes capables de croiser les données de plusieurs clichés obtiennent des résultats nettement supérieurs.

Existe-t-il des applications d'identification de plantes gratuites ?

Oui, et elles se divisent en trois catégories.

Gratuit sans limite, d'origine académique. Pl@ntNet est un projet de recherche publique française et ne facture rien. Il est le plus performant pour les plantes sauvages et indigènes, affiche le degré de confiance et propose des candidates alternatives au lieu d'en imposer une seule. Il ne propose ni entretien ni rappel.

L'option intégrée à votre smartphone. Google Lens est intégré à l'application Google et à Chrome, fonctionne sur Android comme sur iPhone et ne limite pas le nombre de recherches. Dans les deux études qui l'ont évalué, il obtient entre 55 % et 68 % de réussite sur sa première suggestion, se classant légèrement en retrait des applications spécialisées. Vous trouverez la procédure détaillée dans notre guide pour identifier une plante avec Google Lens.

L'option freemium au sein d'une application d'entretien. Dans cette catégorie, les modèles économiques varient beaucoup et la majorité des applications n'offrent aucune fonction gratuite. Bloom propose un modèle gratuit : vous bénéficiez de 2 identifications gratuites par mois et d'un calendrier d'arrosage complet sans limite de temps. Pour comparer les différentes offres du marché, consultez notre sélection des meilleures applications pour identifier les plantes.

Foire aux questions

Existe-t-il un outil d'IA gratuit pour identifier les plantes ?

Oui. Pl@ntNet est entièrement gratuit et sans publicité car il s'agit d'un projet de recherche public. Google Lens est également gratuit et intégré directement dans l'application Google ou Chrome. Quelques applications d'entretien proposent des versions gratuites limitées, mais elles restent minoritaires. Aucune ne facture la toute première recherche.

Quelle est l'application d'identification de plantes la plus précise ?

Cela dépend de votre sujet, et il est impossible de désigner un vainqueur unique. Chaque étude scientifique a testé une flore différente : PictureThis a dominé sur les arbres du New Jersey, Pl@ntNet sur la flore herbacée irlandaise et Plant.id sur la flore sauvage britannique. Comparer les pourcentages de réussite entre ces études n'a pas de valeur scientifique.

L'IA est-elle aussi efficace sur les plantes d'intérieur que sur la flore sauvage ?

Aucune étude publiée n'a mesuré ce cas de figure. Tous les tests scientifiques s'appuient sur des arbres de rue ou de la flore sauvage, et l'un d'eux a même exclu les espèces de jardin. Les plantes d'appartement sont souvent des cultivars sans fleurs qui s'éloignent des standards d'entraînement des modèles, ce qui tend à réduire la précision.

L'application peut-elle identifier la variété exacte de ma plante ?

Rarement. Les cultivars comme 'Thai Constellation' ou 'Pink Princess' appartiennent à la même espèce que la forme classique. Leur différence repose sur des variations de couleur que le modèle assimile à des reflets ou à des variations de lumière. Attendez-vous à obtenir le nom de l'espèce, mais rarement celui de la variété horticole.

Puis-je utiliser l'identification par IA pour savoir se une plante est toxique ?

Comme première indication, oui. Comme certitude absolue, non. Lors d'un test mené en 2023 par Clinical Toxicology, 5 espèces toxiques sur 11 ont été identifiées comme comestibles par au moins une application. Prenez toujours le temps de vérifier l'espèce auprès d'une source botanique sérieuse avant de la laisser à portée de vos animaux de compagnie ou de jeunes enfants.

Conclusion

Le facteur déterminant reste la qualité de votre cliché. Pour une même plante et avec la même application, photographier une feuille plutôt que l'écorce peut vous faire gagner jusqu'à 32 points de précision, et photographier une fleur plutôt qu'une feuille apporte jusqu'à 29 points supplémentaires. Ajuster votre cadrage est le levier le plus efficace à votre disposition, bien plus que de changer d'application. Si vous photographiez une plante d'intérieur, gardez en tête qu'aucune étude scientifique n'a validé les performances des algorithmes dans ce contexte précis : considérez le nom qui s'affiche comme une hypothèse sérieuse, jamais comme une vérité absolue.

En pratique, commencez par prendre un nouveau cliché en appliquant nos six conseils de cadrage, puis observez si l'application propose la même espèce. Si le résultat change d'une photo à l'autre sur la même plante, le modèle hésite et vous devez croiser les informations avec une autre source.

Identifier une plante est une première étape, mais cela ne vous dit pas comment vous en occuper au quotidien. C'est là qu'interviennent les applications qui prennent le relais après l'identification en vous proposant des conseils d'arrosage et d'exposition adaptés. Bloom propose cette fonction en s'appuyant sur le moteur de Plant.id, et est disponible exclusivement sur iPhone.

Si votre plante semble en mauvaise santé plutôt qu'inconnue, la méthode est différente : consultez notre guide pour savoir ce qu'a votre plante.