Une IA révolutionne la détection des glissements de terrain pour une réponse plus rapide aux catastrophes

Le 3 avril 2024, un séisme de magnitude 7,4 a frappé la côte orientale de Taïwan, marquant le plus fort tremblement de terre en 25 ans. Bien que les codes de construction rigoureux aient préservé la plupart des bâtiments, les villages montagneux et reculés ont subi de lourds dégâts en raison de nombreux glissements de terrain. Face à ces situations, les équipes de secours utilisent souvent des images satellites pour identifier les zones touchées et prioriser les interventions. Cependant, l'analyse manuelle de ces images est longue et complexe. Lorenzo Nava, chercheur basé à l'Université de Cambridge, a utilisé une intelligence artificielle pour cartographier 7 000 glissements de terrain en seulement trois heures après le séisme, grâce à des images satellitaires. Depuis, il travaille en collaboration avec une équipe internationale pour améliorer cette méthode. L'objectif est d'utiliser plusieurs technologies satellitaires, notamment celles capables de capturer des images à travers les nuages et de nuit, pour renforcer la capacité de l'IA à détecter les glissements de terrain. Les glissements de terrain, souvent déclenchés par des séismes ou des précipitations intenses, peuvent être aggravés par des activités humaines comme la déforestation ou la construction sur des pentes instables. Ils peuvent également provoquer des coulées de débris rapides ou des inondations graves, augmentant ainsi leur impact destructeur. Lorenzo Nava fait partie du groupe CoMHaz, dirigé par Maximillian Van Wyk de Vries, qui étudie ces phénomènes pour mieux comprendre les risques et prédire les événements. Dans le cadre de ces recherches, Nava collabore avec des communautés locales pour sensibiliser aux dangers des glissements de terrain. En Népal, il a travaillé avec des scientifiques locaux et le consortium CDRIN pour tester un système d'alerte précoce à Butwal, une ville située au pied d'une pente instable. Pour améliorer la détection, Nava entraîne l'IA à analyser deux types d'images satellitaires : les images optiques, qui montrent la surface terrestre, et les données radar, capables de pénétrer les nuages et de capturer des images de nuit. Cependant, ces images radar, souvent en noir et blanc, sont difficiles à interpréter en raison de distorsions visuelles. C'est pourquoi l'IA est particulièrement utile pour identifier des caractéristiques subtiles. En combinant les forces de ces technologies, Nava espère créer un modèle capable de détecter les glissements de terrain même en conditions météorologiques défavorables. Son essai après le séisme de Taïwan a déjà montré des résultats prometteurs, en identifiant des glissements invisibles sous les nuages. Il souligne cependant que des progrès sont encore nécessaires pour améliorer la précision et la transparence de l'IA. « L'IA peut sembler un "boîte noire" », explique-t-il. « Les décideurs ne sont pas toujours les développeurs de l'algorithme, et leur méfiance peut nuire à l'efficacité des interventions. » Nava collabore désormais avec l'Agence spatiale européenne (ESA), l'Organisation météorologique mondiale (OMM) et d'autres partenaires pour rendre son modèle plus fiable et compréhensible. Il a lancé un défi de science des données pour solliciter l'aide de la communauté des développeurs. L'objectif est non seulement d'améliorer les performances de l'IA, mais aussi d'ajouter des fonctionnalités qui expliquent ses décisions, comme des cartes visuelles montrant la probabilité d'une image contenant des glissements de terrain. Dans les situations critiques comme les secours après un désastre, la confiance dans les résultats de l'IA est essentielle. Grâce à ce défi, Nava souhaite rendre le processus de décision plus transparent, permettant aux gestionnaires de crise d'agir rapidement et avec assurance.