Rexel : L’intelligence artificielle dans la prévision des catastrophes naturelles

En un siècle, les techniques de surveillance, de prévision et de gestion des catastrophes naturelles se sont considérablement développées sous l'impulsion du progrès technologique. Ces nouvelles techniques font notamment appel à l'intelligence artificielle, dont la capacité à anticiper des événements futurs pourrait largement changer la donne et participer à limiter les coûts humains et matériels qu'engendrent de telles catastrophes.

Puisque la prévision sismique consiste principalement à anticiper la survenue de tremblements de terre soudains et catastrophiques, l'intelligence artificielle s'avère être un outil de choix pour détecter et analyser les premiers signes de séisme. Néanmoins, les chercheurs se heurtent parfois à un obstacle majeur : les séismes de magnitude élevée, ceux que les sismologues voudraient le plus pouvoir prédire, sont également les plus rares, du fait du caractère exceptionnel des conditions à réunir pour qu'il se produisent. Se pose alors le problème du manque de quantités de données nécessaires pour entraîner convenablement l'algorithme. A l'inverse, de petits séismes imperceptibles ont lieu quotidiennement le long des mêmes failles d'où proviennent les phénomènes de forte intensité et, de plus, ils impliquent une physique et des mécanismes identiques. Ces « microséismes » représentent donc une source d'information inexploitée utile dans la quête de compréhension et de prédiction des tremblements de terre.

C'est précisément pour pallier cette difficulté qu'un groupe de chercheurs de l'Université de Stanford a développé un nouvel algorithme d'apprentissage automatique, baptisé Earthquake Transformer^[1]. Ce dernier est capable d'offrir un niveau de précision proche des analyses humaines et de détecter plus de séismes, en particulier ceux de faible intensité, habituellement non repérés par les méthodes de détection traditionnelles. Cette puissance de détection accrue a été obtenue en adaptant les meilleurs algorithmes de traitement d'images médicales et de captation vocale, en mesure de déceler les signaux les plus faibles. Le fait de pouvoir repérer et donc étudier les plus petits séismes présente un intérêt considérable : cela permet d'obtenir une meilleure compréhension globale de la manière dont ces évènements sont répartis le long de la faille et d'en apprendre davantage sur la manière dont ils se déclenchent et prennent fin. Selon Gregg Beroza, sismologue et professeur de géophysique à l'Université de Stanford : « Plus nous obtenons d'informations sur la structure de faille profonde et tridimensionnelle grâce à une meilleure surveillance des petits tremblements de terre, mieux nous pouvons anticiper ceux qui se profilent à l'avenir »

Dénivellation du sol, quantité et fonte des neiges ou crues sont autant de variables qui rendent difficile la prédiction exacte des zones qui seront inondées. Pour pallier cette trop grande diversité de paramètres à prendre en compte, scientifiques et géants de la Silicon Valley entendent utiliser des outils d'intelligence artificielle nourris par des données provenant d'images satellites, en complément de celles fournies par les cartes^[2]. Des chercheurs de Google ont par exemple recueilli des milliers d'images satellites pour créer un modèle numérique du relief en Inde, où les épisodes de fortes pluies sont fréquents. Ils ont ensuite généré de nombreuses simulations à partir de ce modèle pour identifier la façon dont les cours d'eau pourraient se comporter en cas d'inondation. Grâce à l'accès aux données pluviométriques en temps réel délivrées par le gouvernement indien, les chercheurs sont désormais capables de prédire d'éventuelles inondations, en intégrant ces données à leur modèle numérique et en observant l'évolution de la simulation du comportement des cours d'eau. Ainsi, ils peuvent alerter les autorités quelques jours à l'avance grâce à la recherche Google Maps et, par conséquent, préparer au mieux les évacuations avec des notifications Android.

Sur cette lancée, des ingénieurs de Google Research ont développé une intelligence artificielle qui prédit le temps qu'il fera à 5 minutes près^[3]. Si cette technologie, nommée « ML for Precipitation Nowcasting from Radar Images », se prête volontiers à la prédiction météorologique, elle pourrait également être une clé pour anticiper, à l'avenir, certaines catastrophes naturelles. Concrètement, les ingénieurs de Google ont décidé de traiter les captures satellitaires comme des photographies, en se désintéressant des lois de la physique et en reprenant le fonctionnement des algorithmes de reconnaissance d'images. L'algorithme récupère des images en définition maximale, les compresse et tente de les reconstituer lui-même. En fournissant les images météo scannées entre 2017 et 2019 à son IA, le géant américain lui a appris à deviner le fonctionnement de chaque nuage et de chaque phénomène météorologique. Néanmoins, si cette technologie est prometteuse, elle reste pour l'heure limitée, ne pouvant réaliser d'estimations météorologiques au-delà des 6 heures.

Même s'il reste encore du chemin à parcourir, l'utilisation de l'intelligence artificielle dans la prévision des catastrophes naturelles, associées à l'émergence de nouvelles technologies, ouvre indéniablement de nombreuses perspectives pour accompagner les gouvernements dans la compréhension et l'appréhension des phénomènes naturels. En s'appropriant ces outils intelligents, ils sont désormais en mesure de suivre au plus près l'évolution de ces phénomènes pour agir en conséquence et limiter au maximum les impacts humains et matériels.

^[1]https://earth.stanford.edu/news/ai-detects-hidden-earthquakes#gs.zff0zm

^[2]https://www.ledevoir.com/societe/science/576661/et-si-l-ia-pouvait-predire-les-inondations

^[3]https://www.01net.com/actualites/avec-son-intelligence-artificielle-google-vous-dira-exactement-quand-il-va-pleuvoir-1841793.html