L’identification des tiques est une tâche essentielle lorsque ces ectoparasites sont collectées, que ce soit lors d’études sur le terrain (suivi de dynamique des populations par collecte sur la végétation…) ou sur leurs hôtes (humains ou animaux). En fonction du nombre d’individus à caractériser, les tâches d’identification peuvent se révéler chronophages et demandent un niveau d’expertise avancé. Cette identification se réalise fréquemment en première intention, d’après une étude visuelle des caractéristiques morphologiques permettant d’en déduire le genre taxonomique, l’espèce et le stade de développement. Parallèlement en informatique, ces dernières années ont connu l’apparition de nouvelles méthodes et techniques d’Intelligence Artificielle, basées sur la construction de réseaux de neurones profonds (Deep Learning). Ces méthodes ont permis d’améliorer significativement les tâches d’analyse de données et ceci dans de nombreux domaines, notamment sur des problématiques de reconnaissance et de classification d’objets, à partir d’image ou de vidéos. Nous présentons le projet DCLIC (Deep Convolutional Learning Ixodidae Characterization), dont l’objet est de développer un réseau de neurones, capable de localiser les tiques présentes sur une image puis de les caractériser parmi quatre genres taxonomiques communs en France métropolitaine (Ixodes, Hyalomma, Rhipicephalus, Dermacentor). Le premier réseau de neurones développé dans le cadre de ce projet, a été entrainé à partir d’un jeu de 17 000 images contenant des photos des quatre genres de tiques ciblés pour l’identification, mais aussi des photos de différentes autres familles d’acariens ainsi que différents ordres d’insectes et d’araignées, utilisés afin de limiter les erreurs d’identification. Les premières expérimentations ont pu démontrer que ce réseau de neurones était capable de localiser et d’identifier le genre taxonomique des tiques en temps réel depuis une vidéo, avec un taux de précision de >0.9. Les développements méthodologiques produits au sein du projet DCLIC ont pour vocation d’être mis au service de la communauté scientifique et pourraient, en fonction des besoins être intégrés à des applications à destination des équipes de recherches collectant des tiques ou au sein d’applications mobiles à visée participative.