L’IA dans la gestion des catastrophes naturelles

Les ouragans, les tremblements de terre, les incendies de forêt et les inondations font partie de la nature. Cependant, ces dernières années, nous avons constaté une augmentation de la fréquence de ces catastrophes naturelles. Beaucoup ont perdu leur logement, leurs moyens de subsistance et la vie en raison de catastrophes naturelles de plus en plus graves et fréquentes. Le nombre de catastrophes liées au climat a triplé au cours des 30 dernières années. Selon des rapports de l’ONU, l’adaptation à ces catastrophes et les moyens d’y faire face coûteront aux pays en développement entre 140 et 300 milliards de dollars par an d’ici 2030.

Cependant, grâce aux récentes avancées technologiques, notamment en IA, la gestion des catastrophes naturelles devient plus efficace, de la prévision des catastrophes à l’aide apportée aux opérations de rétablissement. Dans cet article, nous examinerons la gestion des catastrophes naturelles, verrons comment l’IA améliore chaque étape du processus et présenterons des applications de l’IA qui contribuent à la sécurité des populations.

Fig. 1. Graphique montrant l’augmentation des catastrophes naturelles de 1900 à 2019.

Utiliser l’IA pour prévoir les catastrophes et gérer les risques de manière proactive#

Les systèmes de détection précoce et de prévision des catastrophes par l’IA peuvent contribuer à réduire les dégâts causés par les catastrophes naturelles. Grâce à ces systèmes, les habitants et les premiers intervenants peuvent être avertis rapidement afin d’atténuer les effets de la catastrophe. Les outils d’IA peuvent passer au crible d’immenses quantités de données et produire des prévisions précises afin d’anticiper des catastrophes naturelles comme les ouragans et les incendies de forêt avant qu’elles ne se produisent.

Les techniques d’IA comme l’apprentissage automatique et la vision par ordinateur s’appuient sur des réseaux neuronaux profonds pour analyser de vastes jeux de données issus de sources variées, comme les images satellite, les données météorologiques et les archives historiques. Ces réseaux sont constitués de neurones artificiels interconnectés capables de repérer des tendances et des anomalies annonciatrices d’une catastrophe potentielle. En traitant et en analysant les énormes quantités de données collectées à l’aide d’outils comme l’analyse de mégadonnées, les modèles d’IA peuvent être entraînés à fournir des systèmes d’alerte précoce et à réduire les effets des catastrophes naturelles.

Par exemple, l’IA peut servir à prévoir les répliques sismiques en traitant les données sismiques. Google et Harvard ont mis au point un système d’IA qui a analysé les données de 131 000 séismes et répliques. Lors d’un test portant sur 30 000 séismes, ce système d’IA a prédit avec plus de précision l’emplacement des répliques que les méthodes traditionnelles. Dans l’exemple de prévision des répliques ci-dessous, les zones où des répliques sont attendues sont représentées en rouge. Les points noirs indiquent l’emplacement des répliques observées, et la ligne jaune montre les failles qui ont rompu lors du séisme principal.

Fig. 2. Illustration du résultat d’une prévision des répliques sismiques.

Des systèmes de préparation aux catastrophes alimentés par l’IA#

Une fois une catastrophe prévue, l’étape suivante de la gestion des catastrophes naturelles consiste à s’y préparer. Les systèmes d’IA qui fournissent des informations précises et opportunes sur les risques liés à une catastrophe peuvent éviter des pertes humaines et économiques. Ces informations aident les autorités à se préparer aux urgences et à agir rapidement pour sauver des vies. Par exemple, les agriculteurs, les pêcheurs et les forestiers font partie des communautés les plus exposées aux catastrophes naturelles, et les solutions d’IA peuvent les aider à éviter des pertes.

Les solutions de vision par ordinateur et d’analyse d’images peuvent également contribuer à surveiller et à suivre les conditions météorologiques en traitant des images satellite en temps réel. En suivant la trajectoire de catastrophes comme les cyclones, il est possible de mieux préparer les zones susceptibles d’être touchées. Par exemple, la NASA a utilisé le cloud computing et des techniques d’apprentissage profond sur des photos satellite pour suivre des ouragans comme Harvey et Florence. Son système a obtenu des résultats six fois meilleurs que les méthodes standard, permettant de suivre les ouragans toutes les heures plutôt que toutes les six heures comme avec les méthodes traditionnelles.

Fig. 3. Surveillance et suivi de l’ouragan Florence à l’aide de l’apprentissage profond (source).

L’IA dans la réponse aux catastrophes : améliorer les données en temps réel pour les équipes de secours#

Une autre application importante de l’IA dans la gestion des catastrophes naturelles consiste à aider les équipes d’intervention. Les systèmes d’IA peuvent leur fournir de précieuses données en temps réel, comme l’évaluation des dégâts et la localisation des personnes en détresse, afin de les aider à répartir les ressources d’aide plus efficacement. Ils peuvent aussi accélérer l’acheminement de l’aide vers les zones touchées et améliorer les décisions et les actions des intervenants de première ligne.

Par exemple, lors d’une catastrophe naturelle, les lignes d’urgence (comme le 911) sont submergées d’appels de détresse. Les équipes d’intervention risquent de manquer des informations importantes si tous les appels sont acheminés vers des opérateurs humains. L’IA peut gérer rapidement un grand nombre d’appels et de messages, et remplir plusieurs fonctions grâce à des outils comme la transcription automatique de la parole et le traitement du langage naturel (NLP). Ces outils peuvent extraire le contexte de chaque appel d’urgence afin d’obtenir des informations précises sur la nature exacte de l’urgence et l’emplacement de l’appelant.

Ces informations réduisent la durée des appels et accélèrent les interventions d’urgence. Le même système peut être appliqué aux plateformes de réseaux sociaux grâce à des outils d’IA qui combinent la vision par ordinateur et le NLP.

Comment les plateformes de réseaux sociaux peuvent-elles contribuer aux interventions en cas de catastrophe naturelle ? Lors d’une catastrophe naturelle, elles peuvent contenir des informations cruciales et exploitables dans les instants qui suivent. Par exemple, les personnes présentes dans les zones touchées peuvent publier sur les réseaux sociaux des textes, des fichiers audio, des images et des vidéos. Il n’est pas facile de gérer et de traiter manuellement toutes ces informations, surtout lorsque chaque seconde compte. Des outils comme la plateforme AIDR (Artificial Intelligence Digital Response) peuvent réduire les délais d’intervention en traitant automatiquement les publications sur les réseaux sociaux. La plateforme analyse les textes et les images des tweets (ou d’autres réseaux sociaux) afin d’en extraire des informations humanitaires pertinentes. Les organismes d’intervention peuvent utiliser ces données en temps réel pour orienter leurs actions et améliorer l’efficacité de leurs efforts.

Les innovations en IA peuvent également aider directement les équipes de secours sur le terrain. Les modèles de vision par ordinateur comme Ultralytics YOLOv8 peuvent aider à évaluer les dégâts dans les zones touchées à partir d’images satellite et de méthodes comme la segmentation sémantique, qui classe chaque pixel d’une image dans des catégories spécifiques. Par exemple, après le séisme en Turquie, le département de la Défense des États-Unis a utilisé la segmentation sémantique et des images satellite pour déterminer et classer la gravité des dégâts aux infrastructures et aux bâtiments dans les zones sinistrées, beaucoup plus rapidement qu’avec les méthodes de détection traditionnelles. Ces méthodes ont ramené le processus à quelques heures ou minutes, permettant au centre de commandement et aux équipes de secours d’intervenir plus rapidement dans les zones touchées.

Fig. 4. Évaluation des dégâts à l’aide de la segmentation sémantique.

L’IA au service du rétablissement après une catastrophe naturelle grâce au soutien en santé mentale#

La phase de rétablissement après une catastrophe naturelle vise à reconstruire les communautés et à les rendre plus résilientes. L’un des meilleurs moyens d’y parvenir est de fournir un soutien en santé mentale aux personnes touchées. Les survivants peuvent souffrir de troubles mentaux comme le trouble de stress post-traumatique (PTSD) après une telle catastrophe. Le taux de PTSD après une catastrophe peut atteindre 40 %. Les outils d’IA peuvent aider les personnes touchées. Par exemple, Omdena est une entreprise qui fournit un soutien en santé mentale à l’aide de chatbots basés sur l’IA.

Fig. 5. Chatbot d’IA pour aider les patients souffrant de PTSD.

L’IA peut également contribuer à la recherche et au soutien en santé mentale. Les systèmes d’IA peuvent prédire les problèmes de santé mentale en analysant les dossiers médicaux électroniques avec la même précision que des experts humains. Par exemple, des chercheurs ont utilisé l’IA pour analyser des données des réseaux sociaux et évaluer le niveau de stress des jeunes adultes après un traumatisme. Selon leurs études, cette même technique pourrait aussi servir à comprendre l’impact des crises climatiques et des catastrophes naturelles sur la santé mentale, à court comme à long terme.

Avantages et inconvénients de l’utilisation de l’IA dans la gestion des catastrophes#

Maintenant que nous avons vu comment l’IA peut influer sur les différents processus de gestion des catastrophes naturelles, examinons certains des avantages et des inconvénients. Voici quelques-uns des avantages de l’utilisation de l’IA pour gérer les catastrophes :

• Améliorer la coordination : Les systèmes d’IA peuvent améliorer la coordination entre les différentes agences et organisations qui participent aux interventions en cas de catastrophe, réduisant ainsi les délais et les inefficacités.
• Automatiser les tâches : L’IA peut automatiser les tâches répétitives, comme la saisie et l’analyse de données, libérant ainsi des ressources humaines pour des activités plus essentielles lors d’une catastrophe naturelle, où chaque seconde compte.
• Adaptation à long terme au changement climatique : L’IA peut aider à identifier et à évaluer les effets du changement climatique, ce qui permet aux communautés du monde entier d’élaborer des stratégies d’adaptation à long terme.

Malgré les nombreux avantages, il faut également tenir compte des limites de l’IA dans la gestion des catastrophes naturelles. Voici quelques défis majeurs liés à son utilisation dans ce domaine :

• Coûts de mise en œuvre élevés : Le développement et la mise en œuvre de systèmes d’IA pour la gestion des catastrophes peuvent coûter cher, car ils nécessitent souvent des investissements importants en matériel, en logiciels et en expertise en IA.
• Préoccupations relatives à la confidentialité des données : Les systèmes d’IA utilisent des données géospatiales et satellite, des données issues des réseaux sociaux et des communications avec les services d’assistance, ainsi que d’autres sources, pour évaluer les dégâts et suivre les personnes pendant une catastrophe. Cela soulève des questions de confidentialité concernant l’utilisation de données personnelles sans consentement et la surveillance potentielle.
• Dépendance à la qualité des données : Les prédictions d’un modèle d’IA ne peuvent être meilleures que la qualité et la quantité des données utilisées pour l’entraîner. Si les modèles d’IA sont entraînés avec des données inexactes, les résultats risquent d’être moins efficaces, en particulier dans les situations critiques.

En guise de conclusion sur l’IA dans la gestion des catastrophes naturelles#

Nous avons vu comment l’IA peut contribuer à sauver des vies lors d’une catastrophe naturelle. Elle nous aide à prévoir les catastrophes, à nous y préparer, à intervenir et à nous rétablir plus efficacement. Les outils d’IA peuvent prévoir les tremblements de terre, suivre les ouragans et améliorer les interventions et les efforts de rétablissement après une catastrophe. Ils contribuent ainsi à réduire l’impact des catastrophes sur les personnes comme sur les infrastructures. L’IA présente de nombreux avantages, comme la rapidité des interventions et une meilleure coordination, mais elle comporte aussi des défis. Ceux-ci comprennent les coûts élevés, les préoccupations relatives à la confidentialité des données et la nécessité de disposer de données précises. En tenant compte de ces défis et en les prenant en charge, nous pouvons maximiser l’impact de l’IA pour gérer efficacement les catastrophes naturelles.

Pour en savoir plus, consulte notre dépôt GitHub et participe à notre communauté. Découvre les applications de l’IA dans les secteurs de la fabrication et de l’agriculture sur nos pages de solutions.