Les données clés
-
16 000 hectares détruits dans l’Aude en 2024, un record depuis 1949
-
Surveillance permanente grâce à une caméra installée à 250 mètres d’altitude
-
Taux de fausses alertes limité à 10 %
-
Détection deux fois plus rapide que les habitants
Installation d’un dispositif unique à Marseille
Une caméra haute résolution a été installée à 250 m au-dessus du niveau de la mer. Elle filme la ville et les zones boisées environnantes jour et nuit, reliée à un programme d’IA entraîné sur des millions d’images. Ce système analyse en continu le paysage pour repérer les premières fumées.
Le dispositif intervient dans un contexte d’urgence. En juillet 2024, Marseille a subi un incendie majeur. À l’échelle nationale, les surfaces brûlées sont six fois supérieures à celles de 2006, selon Oxfam. La région méditerranéenne est particulièrement vulnérable aux feux de forêt en raison de conditions climatiques extrêmes.
Témoignage de Dejan Glavas sur les performances
Lors d’un reportage sur place, les journalistes ont constaté que le système d’IA déclenche une alerte deux fois plus rapidement que les riverains. Avec seulement 10 % de fausses alertes, il permet aux pompiers de gagner un temps précieux.
Selon Dejan Glavas, directeur de l’AI for Sustainability Institute et professeur associé à l’ESSCA, plus le modèle analyse d’images, plus sa précision s’améliore. Contrairement à un opérateur humain, l’IA ne se fatigue pas et reste vigilante 24 h/24.
Déploiement en France et en Amérique du Nord
En Dordogne, dans le Sud-Ouest, 17 points de surveillance équipés d’IA seront opérationnels d’ici fin 2024. La tendance est similaire en Amérique du Nord. En Californie, un millier de caméras scrutent déjà l’horizon. Le Canada a lancé une mission nationale dédiée à la détection précoce des feux.
Les autorités misent sur ces outils pour réduire la propagation des incendies et limiter les pertes humaines, matérielles et environnementales.
Prédire un incendie avant qu’il ne commence
Certains systèmes d’IA anticipent les risques avant même le premier départ de flamme. En combinant les données satellites, les relevés de température et les taux d’humidité du sol, ils identifient les zones à risque élevé.
Parmi les modèles les plus avancés :
-
ECMWF Machine Learning (Europe)
-
NOAA Next Generation Fire System (États-Unis)
Ces plateformes établissent des cartes en temps réel pour aider les autorités à prioriser les interventions. Elles réduisent aussi les fausses alertes, ce qui évite aux pompiers des déplacements inutiles.
Consommation énergétique et impact environnemental
Si ces technologies sauvent des forêts, elles ne sont pas neutres pour l’environnement. Les data centers nécessaires à l’IA consomment d’importantes quantités d’électricité et d’eau pour leur refroidissement. Cette consommation contribue au réchauffement climatique et à la raréfaction de l’eau, deux facteurs qui aggravent les incendies.
L’Agence internationale de l’énergie prévoit que la consommation mondiale des centres de données devrait doubler d’ici 2030.
Tableau comparatif des dispositifs
| Région | Nombre de caméras IA | Année de mise en service | Objectif principal |
|---|---|---|---|
| Marseille | 1 | 2024 | Détection rapide des départs de feu |
| Dordogne | 17 | 2024 (prévu) | Surveillance forestière régionale |
| Californie | 1 000 | 2023 | Observation et alerte en zones à haut risque |
| Canada | Non communiqué | 2024 | Mission nationale de détection |
L’écart entre l’IA récréative et l’IA environnementale
Dejan Glavas souligne que l’IA récréative, comme ChatGPT, compte environ 700 millions d’utilisateurs actifs par semaine et devrait dépasser le milliard en 2025. Elle est plus rentable économiquement à court terme que l’IA environnementale, qui nécessite des investissements publics massifs.
Le défi reste de promouvoir un usage raisonné de ces technologies pour limiter leur empreinte carbone tout en préservant leur utilité dans la lutte contre les catastrophes naturelles.
Source: FRANCE 24