Des scientifiques du Massachusetts Institute of Technology (MIT) développent un outil d'intelligence artificielle (IA) capable de générer des images satellites réalistes simulant des scénarios d'inondation potentiels. Cette technologie, combinant des modèles d'IA générative et des modèles d'inondation basés sur la physique, vise à identifier plus précisément les zones à haut risque et à fournir aux décideurs une aide visuelle fiable.
IA + Modèles physiques : génération d'images d'inondation plus précises
Selon Space.com, l'outil identifie d'abord les zones à risque d'inondation à l'aide de modèles physiques. Ensuite, en fonction de l'intensité de la tempête à venir, il génère une vue aérienne détaillée de la zone telle qu'elle pourrait apparaître après une inondation. L'outil utilise une méthode innovante combinant les réseaux antagonistes génératifs (GAN) et les modèles physiques pour réduire les « hallucinations » possibles des GAN (c'est-à-dire les caractéristiques qui semblent réalistes sur l'image mais sont inexactes).
Bjorn Lyttjens, chercheur postdoctoral au département des sciences de la Terre, de l'atmosphère et des planètes du MIT, explique : « Les "hallucinations" peuvent induire le public en erreur. Nous réfléchissons à la manière d'utiliser ces modèles d'IA générative dans le contexte des impacts climatiques, où la fiabilité des données est essentielle. C'est là que les modèles physiques entrent en jeu. »
Alertes plus intuitives : améliorer la volonté d'évacuation
Lyttjens ajoute : « Notre objectif est de pouvoir un jour utiliser cette technologie avant l'arrivée d'un ouragan pour fournir au public une couche de visualisation supplémentaire. » Il souligne également l'importance de l'évacuation : « Encourager les gens à évacuer lorsqu'ils sont confrontés à un risque est un défi de taille. Peut-être que cette visualisation pourra contribuer à améliorer ce niveau de préparation. »
Comparaison des résultats : l'avantage des modèles IA + physique
Pour démontrer le modèle, les chercheurs l'ont appliqué à un scénario à Houston, générant des images satellites de la ville inondée après une tempête de l'intensité de l'ouragan Harvey. Ils ont comparé les images générées par l'IA aux images satellites réelles et aux images générées sans l'aide de modèles physiques. Les résultats montrent que les images IA générées sans l'aide de modèles physiques étaient très imprécises, avec de nombreuses « hallucinations », principalement des inondations dans des zones où elles étaient impossibles. À l'inverse, les images générées avec l'approche renforcée par la physique correspondaient très bien à la réalité.
Perspectives d'application : aide à la décision et protection des vies
Les scientifiques prévoient que cette technologie contribuera à prédire les futures inondations et fournira des données visuelles fiables pour aider les décideurs à prendre des décisions éclairées en matière de planification, d'évacuation et d'atténuation des inondations. Lyttjens indique que les décideurs utilisent généralement des visualisations (comme des cartes à code couleur) pour évaluer les zones potentiellement inondables, mais que la visualisation par images satellites peut offrir des informations plus intuitives et attrayantes, tout en restant fiables.
Actuellement, la méthode de l'équipe est encore au stade de la validation de concept et nécessite plus de temps pour analyser d'autres régions afin de prédire plus précisément les résultats de divers types de tempêtes.
Dava Newman, professeur d'aéronautique et astronautique au MIT et directrice du MIT Media Lab, déclare : « Nous avons démontré une approche viable combinant l'apprentissage automatique et la physique pour des cas d'utilisation sensibles au risque, nécessitant l'analyse de la complexité des systèmes terrestres et la prédiction des actions futures et des scénarios possibles afin de garantir la sécurité des populations. Nous avons hâte de mettre notre outil d'IA générative à la disposition des décideurs au niveau des communautés locales, ce qui pourrait avoir un impact majeur, voire sauver des vies. »