L’IA dans la gestion des catastrophes naturelles

Les ouragans, les feux de forêt, les séismes et les inondations font tous 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 la capacité à y faire face coûteront aux pays en développement entre 140 et 300 milliards de dollars par an d’ici 2030.

Cependant, grâce aux avancées technologiques récentes, notamment dans l’IA, la gestion des catastrophes naturelles devient plus fluide, ce qui améliore tout, de la prévision des catastrophes à l’aide aux opérations de rétablissement. Dans cet article, nous examinerons en détail la gestion des catastrophes naturelles, verrons comment l’IA améliore chaque étape du processus et découvrirons les applications de l’IA qui contribuent à notre sécurité.

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 prévision et de détection précoce des catastrophes reposant sur l’IA peuvent contribuer à réduire les dommages causés par les catastrophes naturelles. Grâce à ces systèmes, les habitants et les premiers intervenants peuvent être alertés suffisamment tôt pour atténuer les effets de la catastrophe. Les outils d’IA peuvent traiter d’immenses volumes de données et produire des prévisions précises afin d’anticiper les catastrophes naturelles, comme les ouragans et les feux de forêt, avant qu’elles ne surviennent.

Les techniques d’IA telles que l’apprentissage automatique et la vision par ordinateur utilisent des réseaux neuronaux profonds, qui servent à analyser d’immenses jeux de données provenant de diverses sources, comme des images satellite, des données météorologiques et des archives historiques. Ces réseaux contiennent des neurones artificiels interconnectés capables d’identifier les tendances et les anomalies annonciatrices d’une catastrophe potentielle. En traitant et en analysant les énormes quantités de données collectées à l’aide d’outils tels que l’analyse des big data, les modèles d’IA peuvent être entraînés à fournir des systèmes d’alerte précoce et à contribuer à réduire les conséquences des catastrophes naturelles.

Par exemple, l’IA peut servir à prévoir les répliques d’un séisme en traitant les données sismiques. Google et Harvard ont développé un système d’IA qui a analysé les données de 131 000 séismes et répliques. Testé sur 30 000 événements sismiques, ce système d’IA s’est montré plus précis que les méthodes traditionnelles pour prévoir l’emplacement des répliques. Dans l’exemple de prévision d’une réplique présenté ci-dessous, les régions susceptibles de connaître des répliques sont indiquées en rouge. Les points noirs correspondent aux emplacements des répliques observées et la ligne jaune représente les failles qui se sont rompues lors du séisme principal.

Fig. 2. Image présentant le résultat de la prévision des répliques.

Des systèmes reposant sur l’IA pour se préparer aux catastrophes#

Une fois qu’une catastrophe a été 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 en temps utile sur les risques liés à une catastrophe peuvent prévenir des pertes humaines et économiques. Ces informations permettent aux autorités de se tenir prêtes en cas d’urgence et d’agir rapidement pour sauver des vies. Par exemple, les agriculteurs, les pêcheurs et les exploitants forestiers figurent parmi les 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 aider à surveiller et à suivre les régimes météorologiques en traitant des images satellite en temps réel. En surveillant la trajectoire de ces catastrophes, comme les cyclones, les zones susceptibles d’être touchées peuvent mieux se préparer à y faire face. 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. Leur système a été six fois plus performant que les méthodes standard, permettant de suivre l’ouragan toutes les heures, au lieu de toutes les six heures 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 fournir aux équipes d’intervention des données précieuses en temps réel, comme l’évaluation des dommages et le suivi de l’emplacement des personnes en détresse, afin de les aider à affecter plus efficacement les ressources de secours. Ils peuvent également accélérer l’acheminement de l’aide vers les personnes se trouvant dans les zones touchées et améliorer les décisions et les actions des agents de secours de première ligne.

Par exemple, lors d’une catastrophe naturelle, les lignes d’assistance 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 servir à gérer d’importants volumes d’appels et de messages en un temps record et à effectuer plusieurs fonctions grâce à des fonctionnalités comme la conversion de la parole en texte et le traitement du langage naturel (NLP). Ces fonctionnalités peuvent extraire le contexte de chaque appel d’urgence afin d’obtenir des informations précises sur la nature exacte de l’urgence et la localisation 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 à l’aide d’outils d’IA comme la vision par ordinateur et le NLP.

Comment les plateformes de réseaux sociaux peuvent-elles contribuer à la réponse aux catastrophes naturelles ? Au lendemain immédiat d’une catastrophe naturelle, les plateformes de réseaux sociaux peuvent contenir des informations essentielles et exploitables. Par exemple, des informations sous forme de texte, d’audio, d’images et de vidéos peuvent être publiées sur les réseaux sociaux par les personnes présentes dans la zone touchée. Gérer et traiter manuellement toutes ces informations n’est pas facile, surtout lorsque chaque seconde compte. Des outils comme la plateforme AIDR (Réponse numérique par intelligence artificielle) peuvent être utilisés pour réduire les délais d’intervention en traitant automatiquement les publications sur les réseaux sociaux. La plateforme analyse le texte et les images des tweets, ou d’autres plateformes de réseaux sociaux, afin d’obtenir des informations humanitaires pertinentes. Les organisations chargées de la réponse aux catastrophes peuvent utiliser les données extraites en temps réel pour orienter leurs actions et améliorer l’efficacité de leurs efforts.

Les innovations en matière d’IA peuvent également aider directement les équipes de secours sur le terrain. Les modèles de vision par ordinateur comme Ultralytics YOLOv8 peuvent contribuer à évaluer les dommages subis par la zone touchée à l’aide d’images satellite et de méthodes comme la segmentation sémantique, qui classe chaque pixel d’une image dans des catégories précises. Par exemple, après le séisme survenu en Turquie, le département de la Défense des États-Unis a utilisé la segmentation sémantique et l’imagerie satellite pour identifier et catégoriser la gravité des dommages causés aux infrastructures et aux bâtiments dans les zones sinistrées, bien plus rapidement qu’avec les méthodes traditionnelles de détection. Ces méthodes ont permis de réduire le processus à quelques heures ou quelques minutes, permettant au centre de contrôle et aux équipes de secours d’intervenir plus rapidement dans les zones touchées afin de faciliter le rétablissement.

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

L’IA pour le 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 fortes. L’un des meilleurs moyens d’y parvenir consiste à fournir un soutien en santé mentale aux personnes touchées. Après une telle catastrophe, les survivants peuvent souffrir de troubles de la santé mentale comme le trouble de stress post-traumatique (PTSD). Le taux de PTSD après une catastrophe peut atteindre 40 %. Les outils d’IA peuvent être utilisés pour aider les personnes touchées. Par exemple, Omdena est une entreprise qui fournit un soutien en santé mentale à l’aide de chatbots reposant sur l’IA.

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

L’IA peut également contribuer à la recherche en santé mentale et au soutien psychologique. Les systèmes d’IA peuvent être utilisés pour prédire les problèmes de santé mentale en analysant les dossiers médicaux électroniques avec une précision équivalente à celle des experts humains. Par exemple, des chercheurs ont utilisé l’IA pour analyser les données des réseaux sociaux et évaluer les niveaux de stress chez de jeunes adultes après un traumatisme. Selon leurs études, la même technique pourrait également être appliquée pour 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 influencer les différents processus de gestion des catastrophes naturelles, examinons certains des avantages et des inconvénients associés. Voici quelques avantages de l’utilisation de l’IA pour la gestion des catastrophes :

• Améliorer la coordination : les systèmes d’IA peuvent être utilisés pour améliorer la coordination entre les différentes agences et organisations impliquées dans la réponse aux catastrophes, en réduisant les retards et les inefficacités.

• Automatiser les tâches : l’IA peut automatiser les tâches répétitives, comme la saisie et l’analyse de données, afin de libérer des ressources humaines pour des activités plus importantes pendant une catastrophe naturelle, lorsque chaque seconde compte.

• Adaptation au changement climatique à long terme : l’IA peut aider à identifier et à évaluer les conséquences du changement climatique, permettant aux communautés du monde entier d’élaborer des stratégies d’adaptation à long terme.

Malgré leurs nombreux avantages, les applications de l’IA dans la gestion des catastrophes naturelles présentent également des limites à prendre en compte. Voici quelques-uns des principaux défis liés à l’IA dans la gestion des catastrophes naturelles :

• Coûts de mise en œuvre élevés : développer et mettre en œuvre des systèmes d’IA pour la gestion des catastrophes peut coûter cher, car cela nécessite souvent des investissements importants dans le matériel, les logiciels et l’expertise en IA.

• Préoccupations relatives à la confidentialité des données : les systèmes d’IA utilisent des données satellite géospatiales, des données issues des réseaux sociaux et des communications avec les lignes d’assistance, ainsi que d’autres sources, pour évaluer les dommages et suivre les personnes pendant une catastrophe. Cela soulève des préoccupations en matière de confidentialité concernant l’utilisation non consentie d’informations personnelles et la surveillance potentielle.

• Dépendance à la qualité des données : les prédictions d’un modèle d’IA ne peuvent être aussi bonnes que la qualité et la quantité des données sur lesquelles il a été entraîné. Si les modèles d’IA sont entraînés avec des données inexactes, cela peut entraîner des résultats moins efficaces, en particulier dans les situations critiques.

Réflexions finales sur l’IA dans la gestion des catastrophes naturelles#

Nous avons étudié 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 y répondre et à nous en remettre plus efficacement. Les outils d’IA peuvent prévoir les séismes, suivre les ouragans et améliorer les efforts de réponse et de rétablissement après une catastrophe. Cela contribue à réduire au minimum l’impact des catastrophes sur les personnes comme sur les infrastructures. Bien que l’IA présente de nombreux avantages, comme des interventions plus rapides et une meilleure coordination, elle comporte également certains défis, notamment des coûts élevés, des préoccupations relatives à la confidentialité des données et la nécessité de disposer de données précises. En traitant ces défis et en en tenant compte, nous pouvons maximiser l’impact de l’IA pour gérer efficacement les catastrophes naturelles.

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