La reconnaissance d’espèces basée sur des données d’images analysées par l’intelligence artificielle est de plus en plus populaire dans les suivis de biodiversité, pour faire face aux limites des méthodes plus traditionnelles et à l’émergence de considérations déontologiques préconisant le développement de pièges non destructifs (i.e. non létaux, « no kill »). Cette augmentation dans l’utilisation de nouvelles technologies peut largement s’expliquer par un besoin de gain en temps et en précision. Ce type de méthodologie est particulièrement intéressant pour les personnes qui n’ont pas l’expertise nécessaire pour distinguer de nombreuses espèces telles que les Insectes. De plus, les données photographiques sont moins susceptibles de créer un biais observateur que l’observation directe, car elles sont réutilisables et vérifiables. Dans ce document nous allons voir comment les données peuvent être acquises en milieu terrestre (i.e. méthodologies et outils de capture) et la manière dont les images sont ensuite traitées pour la classification des espèces (i.e. gestion des données et analyses). En particulier, nous avons considéré la possibilité d’automatiser les grands volumes de données collectées à l’aide de techniques d’apprentissage automatique et d’apprentissage profond afin de réaliser l’identification des espèces. Cette étude présente également les avantages et les limites de l’utilisation de ces outils pour l’identification automatique des espèces dans un contexte de suivi de biodiversité en milieu terrestre.