Cet article explore le potentiel de l'intelligence artificielle explicative (IAX) en bioacoustique. Pour analyser les sons d'oiseaux, qui présentent d'importantes variations géographiques en Amérique du Nord, nous avons transformé des signaux acoustiques en images spectrographiques et entraîné un modèle de classification à l'aide d'un réseau neuronal convolutif profond (CNN). Pour interpréter les prédictions du modèle, qui ont atteint une précision de 94,8 %, nous avons appliqué des techniques d'IAX telles que LIME, SHAP, DeepLIFT et Grad-CAM, et intégré les résultats de différentes techniques afin d'obtenir des informations plus complètes et interprétables. Nous démontrons que la combinaison de diverses techniques d'IAX peut améliorer la fiabilité et l'interopérabilité des modèles, ce qui suggère que cette approche peut être appliquée à d'autres tâches spécifiques à un domaine.
