L’apport du deep learning pour gérer les catastrophes naturelles
En 2017, la planète a été frappée par de nombreux désastres naturels, allant des ouragans aux incendies de forêt. Grâce à l’avancée des technologies, en particulier avec les drones et les satellites sophistiqués, nous avons désormais accès à des informations sans précédent dès qu’un sinistre survient. Cependant, malgré cette abondance d’images aériennes, il reste des défis à relever concernant la traitement de ces données afin qu’elles soient utiles dans les efforts de secours. C’est ici qu’intervient le deep learning, comme l’explique la Banque Mondiale en partenariat avec WeRobotics et OpenAerialMap.
Pour explorer comment l’intelligence artificielle (IA) pourrait jouer un rôle clé dans la gestion des catastrophes naturelles, la Banque Mondiale a lancé un challenge le 10 janvier 2018. Ce défi avait pour but d’encourager l’utilisation du deep learning pour analyser des images aériennes post-catastrophe. Ce type d’IA, capable de reconnaître des patrons dans des images, des sons et d’autres données, fonctionne à l’aide de réseaux neuronaux qui imitent le fonctionnement de notre cerveau. Ce logiciel de deep learning permet à des applications comme Alexa de comprendre des modèles de voix et à Google Translate de traduire des phrases entières.
L’IA pourrait s’avérer précieuse pour catégoriser les images aériennes prises dans les heures critiques suivant les catastrophes. Cela aiderait les secouristes et les agences humanitaires à compiler des informations essentielles. En triant rapidement une multitude d’images, il serait plus simple d’évaluer les zones nécessitant une assistance immédiate, d’identifier les chemins les plus accessibles et de déterminer où les dommages infrastructurels sont les plus conséquents.
La Banque Mondiale et Patrick Meier de WeRobotics ont souligné que les pays insulaires du Pacifique, qui font face à des risques tels que les tremblements de terre, les tsunamis et les érosions, doivent faire l’objet d’une attention particulière. Au cours de la dernière décennie, de puissants cyclones ont causé des millions de dollars de dégâts dans des régions comme Fidji et Samoa.
Identifier les arbres et les routes
Le programme de la Banque Mondiale utilisant des UAV (Unmanned Aerial Vehicles) a permis de capturer environ 80 km² d’images aériennes de haute résolution dans l’archipel de Tonga. À présent, l’objectif est de solliciter des participants pour développer des algorithmes d’apprentissage automatique capables d’analyser ces images de manière autonome, sans intervention humaine. Cette technologie pourra par la suite être appliquée à de nouvelles images pour accélérer l’analyse et l’évaluation des dommages.
Les développeurs sont appelés à se concentrer sur deux éléments cruciaux : les arbres et les routes. Ils doivent être en mesure d’identifier avec une précision d’au moins 80 % les emplacements des cocotiers, des bananiers, des papayers et des manguiers. La destruction de ces arbres essentiels à la production alimentaire pourrait avoir des conséquences dramatiques sur la sécurité alimentaire des habitants et sur les économies locales après une catastrophe.
En outre, l’analyse automatisée des images doit également permettre d’évaluer l’état des routes, qu’elles soient pavées ou non, ainsi que leur nombre de voies. Ces évaluations routières sont cruciales pour que les secouristes puissent planifier les voies d’accès afin de distribuer l’aide de manière efficace.
À l’heure où les technologies de communication et les données massives évoluent rapidement, il est important de rappeler que l’IA a un potentiel bien au-delà de la simple amélioration des gadgets domestiques. Le défi lancé par la Banque Mondiale et ses partenaires témoigne de l’importance du deep learning dans les efforts humanitaires.
FAQ
Qu’est-ce que le deep learning ?
Le deep learning est une sous-catégorie de l’intelligence artificielle qui utilise des réseaux neuronaux profonds pour permettre aux machines d’apprendre à partir de grandes quantités de données.
Comment les UAV sont-ils utilisés dans les situations de catastrophe ?
Les UAV, ou drones, permettent de capturer des images aériennes haute résolution, facilitant la surveillance des dégâts et l’acheminement de l’aide humanitaire.
Quels types de données sont analysés après une catastrophe ?
Les données incluent des images aériennes, des rapports sur l’état des infrastructures et des évaluations des besoins des populations touchées.
Pourquoi est-il essentiel d’identifier les arbres après une catastrophe ?
La détection d’arbres fruitiers est cruciale pour assurer la sécurité alimentaire des populations insulaires, particulièrement en cas de destruction des cultures.
Quel impact la technologie a-t-elle sur les opérations de secours ?
La technologie moderne, comme l’IA et le deep learning, améliore l’efficacité des réponses humanitaires en offrant des solutions rapides et précises pour analyser les situations et distribuer les ressources.