“Grâce à ses algorithmes de traitement automatique du langage, la start-up canadienne BlueDot a été l’une des premières à lancer l’alerte sur le SARS-CoV-2.”
Les technologies d’intelligence artificielle (IA) permettent de repérer des motifs dans des jeux de données volumineux et hétérogènes, et d’anticiper certains phénomènes. Elles représentent des outils puissants pour trouver des solutions à certains problèmes mondiaux aussi urgents que complexes.
Elles sont de plus en plus utilisées par les institutions gouvernementales et les organismes humanitaires et de développement dans toutes les étapes de la prévention et de la gestion de crise.
L’IA pour améliorer l’information sur le terrain lors des interventions d’urgence
Lorsqu’une crise survient, il est primordial de disposer d’informations précises et en temps réel sur la zone touchée pour apporter une réponse rapide et efficace. Si l’imagerie satellite est un outil précieux, les données produites sont parfois difficiles à exploiter.
Les méthodes d’analyse actuelles reposent sur le travail d’experts humains, qui passent des jours à annoter les données. Dans certaines régions du monde, ces données n’existent tout simplement pas.
L’IA permet de produire des analyses en beaucoup moins de temps et pour des coûts moins élevés que les analyses manuelles. Par exemple, UNOSAT et Global Pulse développent un algorithme d’apprentissage profond afin d’aider les analystes à compter et classifier les structures dans des camps de réfugiés.
Elle permet aussi de pallier le manque d’informations géographiques dans les régions du monde qui sont absentes des cartes. Lancé en 2014 par la Croix-Rouge américaine, la Croix-Rouge britannique, Médecins sans frontières et l’équipe humanitaire d’OpenStreetMap, Missing Maps vise à “cartographier les zones les plus vulnérables des pays en voie de développement”.
Pour ce faire, ce projet ouvert et collaboratif de cartographie humanitaire s’appuie sur les contributions de dizaines de milliers de volontaires, qui ajoutent des informations sur OpenStreetMap.
Pour accélérer ce processus, Intel s’est récemment associé à la Croix-Rouge américaine, fournissant une technologie d’IA permettant d’identifier des constructions à partir d’images satellite. Tout au long de l’année 2019, ses data scientists ont bâti un modèle de vision par ordinateur entraîné à repérer des ponts, des routes et des voies navigables. Ce modèle a identifié 70 ponts dans le sud de l’Ouganda qui n’étaient pas recensés sur OpenStreetMap ou sur la carte officielle du Bureau ougandais des statistiques.
La vision par ordinateur peut aussi améliorer l’évaluation des dommages causés aux bâtiments par une catastrophe naturelle. C’est l’objet, aux États-Unis, du Projet xView2, lancé par la Defense Innovation Unit.
L’organisation, fondée par le Pentagone pour accélérer l’adoption de technologies civiles de pointe dans l’armée, a mis au défi la communauté internationale des praticiens de l’IA et du machine learning de créer des modèles pour automatiser le processus.
En guise de données d’entraînement, elle a publié l’un des jeux de données satellitaires haute résolution publics les plus importants, annoté avec l’emplacement des bâtiments et des scores de dommages avant et après catastrophes naturelles.
L’IA pour réduire les risques de catastrophe
“Et si nous pouvions aider les pays à éviter une crise ?” À l’instar de la Banque mondiale qui a lancé en 2018 la Plateforme mondiale contre le risque de crise, de plus en plus d’organismes humanitaires et de développement investissent dans cette nouvelle approche pour détecter les risques afin de prévenir l’éclatement d’une crise à l’aide d’outils technologiques, en partant du postulat que la prévention permet de sauver des vies et d’éviter des pertes matérielles considérables.
Le Mécanisme de lutte contre la famine (FAM) s’inscrit dans cette stratégie. Fruit d’un partenariat mondial entre l’ONU, la Banque mondiale, le Comité international de la Croix-Rouge, Microsoft, Google et Amazon, ce dispositif a pour objectif d’éviter les famines grâce au “pouvoir prédictif des données”.
L’idée est d’utiliser l’IA et l’apprentissage automatique pour créer des systèmes d’alerte précoce capables de détecter les signes avant-coureurs d’une crise alimentaire (mauvaises récoltes, sécheresse, instabilité politique, inflation, etc.), déclenchant des financements et des plans d’action prédéfinis lorsque cela est nécessaire.
Les entreprises impliquées ont mis au point une série de modèles d’analyse baptisée “Artemis”, qui peut traiter de grandes quantités de données provenant de différentes sources pour prévoir les risques d’aggravation des crises alimentaires en temps réel.
Le Système de prévision atmosphérique mondial à haute résolution (GRAF) offre un autre exemple de partenariat public-privé. Lancé par The Weather Company, une filiale d’IBM, il vise à aider les institutions, les entreprises et les populations, en particulier dans les zones vulnérables, à mieux prévoir et répondre aux conditions climatiques extrêmes.
Basé sur un modèle de prévision avancé développé par le Centre national de recherche atmosphérique (NCAR) et le Los Alamos National Laboratory, l’IBM GRAF doit fournir des prévisions météorologiques beaucoup plus fines et détaillées que les modèles actuels.
Pour pallier le manque d’équipement dans de nombreuses régions du monde et améliorer les capacités prédictives du modèle, il traitera une grande variété de données, notamment issues de nouvelles sources, comme les capteurs d’aéronefs ou les smartphones si les utilisateurs décident de les partager.
Les champs de la prédiction des conflits et de la détection des épidémies sont aussi investis par l’IA. L’outil Water, Peace and Security (WPS), fruit de la collaboration entre six organisations et le ministère des Affaires étrangères néerlandais, permet par exemple de prédire les conflits liés à l’eau un an à l’avance à l’aide d’un algorithme de forêts aléatoires, une technique d’apprentissage automatique qui effectue un apprentissage sur de multiples arbres de décision pour améliorer la classification.
La start-up canadienne BlueDot a quant à elle mis au point un système d’alerte précoce s’appuyant sur des algorithmes de traitement automatique du langage afin de détecter et suivre les risques de propagation de maladies infectieuses. Elle a ainsi été l’une des premières à lancer l’alerte sur le risque d’épidémie du nouveau coronavirus SARS-CoV-2.
L’IA pour lutter contre le changement climatique
Il existe un lien entre le changement climatique et la survenance de catastrophes naturelles ou d’origine humaine. Réduire l’ampleur du réchauffement climatique permet donc de s’attaquer aux causes profondes des crises qui touchent, à un rythme de plus en plus soutenu, les populations.
Comment l’IA peut-elle aider à atteindre l’objectif “zéro émission nette” en matière de gaz à effet de serre (GES) fixé par le rapport de 2018 du Groupe d’experts intergouvernemental sur l’évolution du climat (GIEC) ?
Produit d’un atelier mené lors de la Conférence internationale sur l’apprentissage automatique en juin 2019, le livre blanc apporte des éléments de réponse.
Ce document se divise en plusieurs parties, correspondant aux domaines où l’IA peut contribuer à réduire les GES. Dans le domaine de l’énergie, l’apprentissage automatique peut appuyer la transition énergétique et concourir à la réduction des émissions des installations existantes. Il permet par exemple d’accélérer le développement de technologies d’énergie propre, d’améliorer les prévisions de la production et de la demande en énergies renouvelables, ou encore d’optimiser la gestion des systèmes électriques…
L’apprentissage automatique peut aussi contribuer à décarboner les transports. Il offre des outils pour mieux modéliser la demande de transport et traiter les données, liées au trafic notamment, afin de concevoir des infrastructures et des politiques de transport plus adaptées. Il peut optimiser l’acheminement des marchandises et des personnes ou aider à concevoir des véhicules plus efficaces…
L’IA apparaît aujourd’hui indispensable pour soutenir le développement de la mobilité partagée, des systèmes de transport intelligents, des véhicules autonomes et électriques. Ses autres utilisations sont nombreuses, de la réduction de la consommation d’énergie des bâtiments et des villes à l’industrie 4.0 et à l’agriculture de précision.
