DERNIERE MINUTE
This content is not available in your region

Peut-on se fier à l'intelligence artificielle pour corriger le climat ?

GettyImages
GettyImages   -   Tous droits réservés 
Taille du texte Aa Aa

À l’heure où de plus en plus d'industries se tournent vers l'intelligence artificielle pour résoudre certains de leurs plus grands défis, les machines peuvent-elles nous aider à comprendre et à régler les problèmes liés au changement climatique ?

Votre téléphone reconnaît votre visage et votre banque peut bloquer toute transaction contraire à vos habitudes de consommation. Votre supermarché en ligne vous recommande des produits végétaliens, alors que vous n’avez acheté du lait d'avoine qu’une fois dans votre vie, et votre plate-forme de streaming ne cesse d’afficher des navets sur votre page d’accueil, juste parce que vous avez regardé un soap opéra le mois dernier.

Un nombre croissant de nos appareils et services reposent sur l'intelligence artificielle (IA), une technologie qui continue de se diversifier et qui apparaît désormais dans mille et un domaines de notre vie. Les scientifiques, les entrepreneurs et les gouvernements exploitent l’IA pour chercher des solutions à certains des plus grands défis de notre société. Déterminer comment le climat terrestre fonctionne et comment il pourrait évoluer à l’avenir est une priorité. Mais si la technologie nous aide à décrypter l’abondance de données à notre disposition, comment son intelligence peut-elle concrètement nous aider à atténuer les changements environnementaux et à nous adapter à l'avenir ?

« Lorsque les gens mentionnent l’intelligence artificielle (IA), ils parlent souvent de Machine Learning (ML), ensemble d'algorithmes tirant parti de données », explique David Rolnick, professeur adjoint à l'Université de Pennsylvanie. « En général, l'IA ne fait rien de mieux qu'un humain, mais elle est souvent beaucoup plus rapide et capable d’identifier des modèles à partir de très grands volumes de données. » Et c'est cette capacité à traiter très rapidement de vastes quantités de données, à affiner les informations et à trouver des connexions, qui change la donne dans de nombreux secteurs.

Ceci vaut pour la climatologie et le suivi du changement climatique. Les satellites recueillent les données d’ordre climatologique à des niveaux sans précédent et les prévisions météorologiques sont effectuées avec une précision révolutionnaire. Mais les modèles et scénarios climatiques présentent encore de nombreuses incertitudes. Les scientifiques utilisent l'IA pour gérer ce terrain riche en données afin de perfectionner la climatologie et de générer des prévisions plus précises, permettant à la société et à la nature de s'adapter à l'avenir. « Le ML permet d’étudier des comportements complexes à partir de données sans compréhension physique », explique Peter Dueben, chargé de recherche au Centre européen pour les prévisions météorologiques à moyen terme (ECMWF). « Plus nous avons de données, plus les outils sont performants. Plus nous aurons de données à notre disposition, plus les outils d'apprentissage automatique deviendront perfectionnés. Ces outils seront donc de plus en plus utiles aux scientifiques de ces domaines. »

© GettyImages

L'IA assiste les scientifiques dans la lecture des images satellite et la création de prévision

« L'utilisation de machines nous aide à mesurer et à surveiller le monde réel, ce qui est essentiel pour prendre de meilleures décisions face à un avenir incertain », explique Nataliya Tkachenko, responsable scientifique des données et de l’IA à l'Université d'Oxford. « L'intelligence artificielle, dans sa plus simple expression, ne concerne pas réellement les données en tant que telles, mais consiste à trouver des modèles et des connexions dans un monde complexe. L’accent reste toujours sur la prise de décision ou le traitement des informations. »

Les scientifiques ont utilisé l'intelligence artificielle pour produire, avec succès, des images plus détaillées de la Terre. « L’IA excelle à fournir des informations spatiales, c’est l’un de ses grands points forts », déclare Pierre-Philippe Mathieu, responsable du Phi-Lab Explore Office à l’Agence spatiale européenne. Vincent Peuch, directeur du Service de surveillance de l’atmosphère Copernicus (CAMS), partage cet avis : « Elle est très efficace pour comparer les images satellites et suivre automatiquement les changements dans l’occupation des sols, et elle est particulièrement adaptée aux régions du monde dépourvues de systèmes de suivi sur le terrain. Elle permet également d'accélérer les modèles informatiques et de réduire les coûts d’exploitation, notamment pour ce qui est des prévisions météorologiques qui nécessitent une rotation rapide. »

Selon Vincent Peuch, le service changement climatique (C3S) et le service CAMS de Copernicus testent et utilisent l'intelligence artificielle pour repérer les changements dans le couvert terrestre et végétal, parfaire les prévisions de la qualité de l'air à l'échelle des villes et traiter automatiquement les images satellite.

Dans la mer d'Amundsen, au large de la côte ouest de l'Antarctique, les experts du British Antarctic Survey (BAS), basé à l’Alan Turing Institute, utilisent la technologie ML pour repérer, suivre et étudier comment les icebergs se brisent en morceaux plus petits et plus étroits, et forment des algorithmes d'IA destinés à prédire l’évolution des banquises. Par voie de conséquence, l'IA leur permet d'interpréter ces prédictions et potentiellement d'obtenir de nouvelles informations concernant la manière dont les variables climatiques s'influencent mutuellement dans l'espace et le temps.

Le pool d'applications d’IA destinées à résoudre les problèmes environnementaux et sociétaux, petits et grands, ne cesse de s’agrandir. L'Université de Washington prévoit d'utiliser l'IA pour suivre et prévoir plus efficacement les vagues de chaleur océaniques. Le Tanzania Conservation Resource Centre utilisera l’IA pour réaliser des études aériennes de l’activité faunique et humaine, pour tenter de prévenir les conflits entre humains et animaux. La ville de Boston a testé le logiciel de cartographie des arbres de Green City Watch, qui se base sur l’intelligence artificielle, pour vérifier précisément le nombre et la santé des canopées urbaines, afin d'étayer les politiques publiques.

© GettyImages

L’agriculture récolte également les fruits de l’IA. La plate-forme cloud Azure FarmBeats de Microsoft agrège des données provenant de capteurs, de caméras, de tracteurs et de drones, et crée des modèles de Machine Learning (ML) basés sur la fusion de ces ensembles de données, afin de surveiller l'agriculture et d’accroître la capacité de résistance des agriculteurs face au changement climatique. « Les producteurs déterminent le bon moment pour semer, arroser, récolter et autres, en fonction des conditions météorologiques », explique Ranveer Chandra, directeur scientifique chez Microsoft Azure Global. « Cependant, les prévisions météorologiques disponibles proviennent de la station météo et non de l’exploitation agricole. L'un de nos algorithmes d'IA associe des modèles météorologiques détaillés et les données des stations météo, à des capteurs installés sur l’exploitation agricole, afin de générer des prévisions hyper-locales. En comblant le manque de données au niveau de l’exploitation, cette solution peut prévoir des valeurs permettant aux agriculteurs de prendre de meilleures décisions. »

Un nouvel outil puissant pour prévoir le changement climatique ?

L’une des ambitieuses missions de l’IA consisterait à créer un jumeau numérique de la Terre, soit une réplique des systèmes et processus de la planète. « Il s’agirait d’une sorte de laboratoire numérique de la planète, où nous pourrions expérimenter avec différents scénarios afin d’élaborer des politiques et d’en évaluer les résultats », explique Pierre-Philippe Mathieu. « Nous possédons déjà la structure d'IA nécessaire pour développer des jumeaux numériques de notre environnement naturel, et donc une Terre jumelle numérique », ajoute Scott Hosking, spécialiste des données environnementales chez BAS. « Nous ne pouvons pas examiner avec précision chaque aspect de notre planète car elle est en constante évolution. En développant des jumeaux numériques de nos milieux naturels, nous pourrions cibler nos études intelligemment, ce qui serait révolutionnaire dans les milieux isolés et hostiles, tels que les régions polaires où l'alimentation par batterie et l'accessibilité posent un défi. Ces informations pourraient être utilisées en temps réel pour indiquer à une flotte de drones et de sous-marins automatisés où se diriger, afin d’optimiser l’efficacité de futures mesures. »

Mais l'intelligence artificielle n'est pas infaillible. Les experts préviennent que, dans le domaine des prévisions climatiques, il n'y a pas suffisamment de données pour former des algorithmes. « L'IA doit être créée à partir de données historiques », informe Judah Cohen, directeur des prévisions saisonnières au Centre de recherche sur l’environnement et l’atmosphère (AER) et climatologue au MIT. « Nous travaillons à partir de données remontant à 1979, époque où l’utilisation des satellites s’est répandue, mais nous ne disposons pas de cas historiques suffisants pour générer des solutions d'IA optimales. Une solution consisterait à créer des données synthétiques avec des modèles, mais la question est de savoir si les données du modèle seraient aussi bonnes que les informations historiques. »

© GettyImages

David Rolnick souligne aussi que l’intelligence artificielle ne remplace pas la physique du climat. « L’IA a ses limites », confirme Pierre-Philippe Mathieu de l’ESA. « Nous pouvons trouver des corrélations entre les données, mais cela ne signifie pas nécessairement qu'il existe un lien de causalité. C’est pourquoi nous avons besoin d’experts capables de donner des explications basées sur la physique. »

Selon Peter Dueben de l’ECMWF, il en va de même pour les modèles de prévision météorologique. « Il a été suggéré que l'IA et le ML sont supérieurs aux outils conventionnels pour ce qui est de la prévision immédiate (jusqu'à deux ou trois heures) et de la prévision sur plusieurs années. Cependant, il est fort peu probable que le ML surpasse les autres prévisions et, par conséquent, « remplace » les modèles de prévision météorologique, car dans la plupart des cas, il ne sera pas aussi précis. »

Dans la mesure où un système d’IA ne fonctionne efficacement que dans les domaines pour lesquels il a été programmé, de nouveaux défis surgissent également. « Il faut s’assurer d’utiliser l’IA dans le cadre des valeurs pour lesquelles elle a été conçue », explique Vincent Peuch. « Autrement, on peut obtenir des résultats erronés. » En d’autres termes, bien qu’un algorithme puisse décrypter les données qu'il a été créé pour traiter, toute donnée hors de son champ d’action pourrait le voir générer des résultats imprécis. Mais dans le domaine de la recherche climatique, ce ne sont pas seulement les données qui changent. Le climat change également. « Lorsque nous parlons de changement climatique, les algorithmes doivent être très perfectionnés car le climat continue d’évoluer. Il faut faire attention à ce que l'IA ne se contente pas d'utiliser le passé pour prédire l'avenir », ajoute le directeur du CAMS. Choisir des algorithmes pour s'attaquer aux problèmes de changement climatique est très difficile. « Il existe de nombreuses techniques d'intelligence artificielle, et sélectionner celle qui effectuera les meilleures prévisions n'est pas anodin », déclare Judah Cohen. « Je pense que choisir et optimiser un algorithme d'IA capable d'améliorer de manière significative les prévisions climatiques actuelles pose un défi. »

La technologie d'IA soulève également des questions concernant la manière dont nous nous procurons et traitons les données. Selon Peter Dueben, « la confidentialité des données n’est d’ordinaire pas un souci pour les sources conventionnelles d'observation météorologique. Cependant, il existe des données dites de 'l'Internet des objets' (IdO), qui ne sont guère utilisées pour les prévisions météorologiques aujourd'hui, mais qui pourraient permettre des améliorations significatives à l'avenir. Il s'agit, par exemple, d'observations recueillies à partir de téléphones mobiles ou d'autres données de crowdsourcing. Celles-ci pourraient présenter des problèmes de confidentialité. » Nataliya Tkachenko va plus loin, arguant que la falsification éventuelle de données brutes contribuant aux prises de décision pourrait produire des effets négatifs. « Ainsi, tout comme nous avons une liste d'ingrédients sur les emballages de nos plats cuisinés, nous souhaiterions peut-être savoir comment l’IA a été conçue et quelles sources de données ont été incluses », conclut Tkachenko.

Au final, les spécialistes du climat et de l’environnement peuvent-ils apprendre de l’utilisation de l’IA par d’autres industries ? « Ne recourrez à l'IA que s'il existe un problème qui nécessite son utilisation », prévient David Rolnick. « Il est facile de se laisser distraire par une technologie tape-à-l’œil. Dans chaque cas, il est essentiel de s'assurer que l'IA apporte quelque chose. Les applications de l'IA doivent être déterminées selon leur impact final, et être développées en collaboration avec les parties prenantes qui utiliseront et bénéficieront de cette technologie. Le grand piège est d'imaginer que l'IA pourra résoudre les problèmes comme par magie. L'IA est efficace, mais elle n'est que l'un des nombreux outils pouvant être utilisés dans le cadre de stratégies de lutte contre le changement climatique. »