La reconnaissance automatique des diatomées à partir d’images est en plein développement. L’un des avantages de ce type d’approche est de pouvoir quantifier systématiquement l’incertitude associée à l’identification de chacun des individus observés au microscope. L’objectif de cette présentation est de fournir les premiers résultats d’un travail réalisé à l’échelle du bassin Rhin-Meuse : après avoir quantifié les erreurs d’identification réalisées par la machine, nous avons évalué comment celles-ci influencent la classification de l’état écologique des rivières, à travers le calcul de l’Indice Biologique Diatomées (IBD). Pour entrainer l’algorithme, une base d’images individuelles a été constituée à partir des guides taxonomiques numérisés en libre accès (« atlas »). A ce jour, cette base regroupe près de 15 000 images représentatives de 197 espèces communes du bassin Rhin-Meuse. En moyenne, le taux d’erreur d’identification a atteint 6%, quelle que soit l’espèce considérée. Sur les 197 espèces, 113 ont toujours été correctement identifiées. Pour les 84 espèces restantes, le taux d’erreur moyen était de 20%. Pour évaluer la propagation de ces erreurs d’identification sur la classification de l’état écologique via le calcul de l’IBD, 100 000 inventaires floristiques réalistes ont été simulés, dans lesquels des erreurs d’identification ont été introduites en se basant sur les performances de l’algorithme. Les variations de valeur de l’IBD suite à ces erreurs ont alors été calculées pour chacun des inventaires. Pour un taux d’erreur d’identification de 20%, les changements d’état écologique de la masse d’eau considérée n’ont concerné que 2% des cas. Ces premiers résultats sont encourageants, confirmant que ce type d’approche devrait permettre de répondre aux critères d’exigence imposée par la Directive Cadre sur l'Eau en termes de « confiance » et de « précision » dans le cadre de l’évaluation de l’état écologique des masses d’eau.