Microsoft, Azure et les technologies d'IA luttent contre les risques d'incendies de forêt en Californie

Microsoft investit dans la détection des feux de forêt grâce à l'IA ; Juan Lavista Ferres, vice-président corporatif et responsable scientifique des données, évoque les stratégies visant à atténuer les dommages environnementaux.

Selon la NASA, le changement climatique touche tous les habitants de la Terre et se manifeste par une hausse des températures, une modification des régimes pluviométriques et une élévation du niveau de la mer.

La NASA affirme qu'il existe des preuves irréfutables que la Terre se réchauffe à un rythme sans précédent, l'activité humaine en étant le principal facteur.

À mesure que les températures mondiales augmentent, les feux de forêt constituent une menace croissante.

Aux États-Unis, la hausse des températures, les sécheresses prolongées et l'expansion urbaine accentuent les risques pour les communautés et les écosystèmes.

L’année dernière, près de 78 000 feux de forêt ont été signalés à l’échelle nationale, soit une augmentation de 20 % par rapport à l’année précédente.

En Californie, où le feu a historiquement façonné les forêts, les prairies et les paysages côtiers, le défi consiste de plus en plus à gérer la manière dont les communautés coexistent avec les effets du changement climatique.

Des scientifiques, des pompiers et le laboratoire « AI for Good » de Microsoft exploitent l’IA pour détecter les feux de forêt plus tôt, offrant ainsi aux équipes d’urgence un délai d’intervention plus long.

Notre objectif est de rendre cette technologie accessible à l’échelle mondiale.

Juan Lavista Ferres, vice-président et directeur scientifique des données au laboratoire AI for Good de Microsoft.

Microsoft s’est engagé à investir 5 millions de dollars pour faire progresser la détection des feux de forêt grâce à l’IA, en finançant le développement de systèmes de vision par ordinateur en temps réel qui proposent de nouvelles approches pour déployer l’apprentissage automatique dans le cadre d’une surveillance environnementale où le temps est un facteur critique.

Comment la technologie contribue à empêcher la propagation des feux de forêt

La vision par ordinateur à grande échelle

Pendant des décennies, la détection des feux de forêt reposait sur des personnes repérant la fumée depuis les routes, les postes d’observation ou les communautés voisines avant d’alerter les services d’urgence.

ALERTCalifornia, fondé à l’université de Californie à San Diego, transforme cette approche grâce à un réseau de près de 1 300 caméras réparties dans les zones de l’État sujettes aux incendies.

Le système surveille en continu les flux vidéo en direct et utilise l’IA pour identifier les signes potentiels de fumée.

Il compare les différents angles de prise de vue, vérifie l'emplacement des incendies et envoie des alertes aux équipes d'urgence en quelques minutes.

Au cours de ses deux premiers mois de fonctionnement, le réseau a détecté 77 incidents avant même qu’ils ne soient signalés par d’autres canaux.

Le système traite désormais plus de sept millions d’images par jour, identifiant les feux de forêt jusqu’à 2,5 heures avant le premier appel au 911.

Le modèle d’IA doit distinguer les signes caractéristiques d’un véritable incendie du bruit de fond environnemental, tel que les nuages, le brouillard et les variations de luminosité selon les moments de la journée et les saisons.

Ce défi de classification est aggravé par la diversité des paysages surveillés, allant des forêts denses aux prairies en passant par les régions côtières.

Le Dr Neal Driscoll, géophysicien et fondateur d’ALERTCalifornia, déclare : « Les données ne se contentent pas de révéler à quoi ressemble le paysage.

Dr Neal Driscoll, géophysicien et fondateur d’ALERTCalifornia. Crédit : Emily Zheng via Microsoft

« Elles nous aident à comprendre comment il évolue au fil du temps. »

D’après les données opérationnelles du projet, le fait de détecter des incendies 2,5 heures avant les méthodes traditionnelles indique que le seuil de sensibilité du modèle a été calibré pour identifier la fumée à un stade précoce tout en conservant une précision acceptable.

Performances du modèle en production

Le déploiement du système met en évidence des considérations pratiques pour les systèmes d’IA opérant dans des scénarios de détection critiques.

Le traitement quotidien de sept millions d’images nécessite une infrastructure capable de gérer une inférence continue à grande échelle ; la subvention Azure, qui fait partie de la contribution de 5 millions de dollars de Microsoft, pourrait répondre à ces besoins informatiques.

Faits sur les feux de forêt tirés d’Earth.Org

• Trois conditions essentielles sont nécessaires à l’apparition d’un feu de forêt : une végétation sèche (combustible), un air riche en oxygène et une source de chaleur. Des vents violents peuvent accélérer la propagation.
• La foudre déclenche naturellement des feux de forêt : elle constitue une source d’inflammation naturelle majeure, les coups de foudre plus chauds et plus longs étant plus susceptibles de provoquer des incendies. Une étude de 2014 a révélé qu’une hausse de température de 1 °C pouvait augmenter la fréquence des coups de foudre de 12 %.
• Plus de 80 % des feux de forêt aux États-Unis sont d’origine humaine : des activités telles que les feux de camp laissés sans surveillance, les cigarettes, les barbecues et les feux d’artifice représentent environ 84 % des feux de forêt aux États-Unis.
• Les feux de forêt provoquent une pollution atmosphérique généralisée : la fumée contient des gaz et des particules fines qui se déplacent sur de longues distances, pénètrent profondément dans les poumons et augmentent les risques pour la santé respiratoire et cardiovasculaire.
• Le changement climatique allonge la saison des feux de forêt : la hausse des températures, la sécheresse et la baisse des précipitations rendent la végétation plus sèche et plus inflammable. Aux États-Unis, la saison des feux, qui durait autrefois quatre mois, s’étend désormais sur six à huit mois, voire plus.
• Les feux de forêt créent une boucle de rétroaction climatique : les incendies à grande échelle libèrent d’importantes quantités de gaz à effet de serre tout en détruisant la végétation qui stocke le carbone, ce qui contribue à un réchauffement supplémentaire et augmente la probabilité et l’intensité des futurs feux de forêt.

En 2023, les capacités de détection du système ont permis de circonscrire l’incendie « Trotter Fire » dans le comté de Kern, aux États-Unis, à 52 acres, alors que les projections suggéraient qu’il aurait pu atteindre près de 4 000 acres sans l’intervention de l’IA.

Ces résultats concrets constituent des études de cas permettant d’évaluer l’impact des modèles au-delà des indicateurs de précision standard.

Le rôle joué par cette technologie lors de l’incendie « Kincade » dans le comté de Sonoma, aux États-Unis, en 2019 — qui a permis l’évacuation de plus de 180 000 habitants sans faire de victimes — démontre l’influence des systèmes d’alerte précoce sur les protocoles d’intervention d’urgence.

« Nous acquérons des informations cruciales dès les cinq premières minutes », explique Zachary Wells, chef adjoint du service des pompiers du comté de Kern et directeur adjoint des opérations chez ALERTCalifornia.

Zachary Wells, chef adjoint du service des pompiers du comté de Kern et directeur adjoint des opérations chez ALERTCalifornia. Crédit : Emily Zheng

« Cette compréhension précoce guide toutes les actions qui s’ensuivent. »

Évolutivité et adaptabilité du déploiement

La structure de financement de Microsoft, qui comprend 2 millions de dollars pour le développement technologique et une subvention Azure de 3 millions de dollars, met en évidence les priorités en matière d’amélioration des modèles et d’infrastructure informatique.

« Nous voulons que cette technologie soit accessible à tous, partout dans le monde », explique Juan Lavista Ferres, vice-président et responsable scientifique des données au sein du laboratoire AI for Good de Microsoft.

Juan Lavista Ferres, vice-président corporatif et responsable scientifique des données chez Microsoft

L'extension de cette approche au-delà de la Californie pose des défis techniques liés à la généralisation des modèles et à l'apprentissage par transfert.

Les risques d’incendies de forêt varient considérablement d’un endroit à l’autre, ce qui signifie que les systèmes doivent tenir compte des reliefs, de la végétation, des conditions météorologiques et des structures d’intervention d’urgence locales.

Un modèle entraîné principalement sur des données californiennes peut nécessiter un ajustement ou un réentraînement lorsqu’il est déployé dans des régions présentant des types de végétation, une topographie ou des régimes climatiques différents.

Le projet développe également des capacités allant au-delà de la détection initiale, en intégrant près de 98 000 miles carrés de données LiDAR pour créer des modèles numériques détaillés du paysage.

Cette extension à la cartographie du terrain, à la surveillance de la santé des forêts et à l’évaluation des risques après incendie suggère une architecture de pipeline de données plus large.

La combinaison de la vision par ordinateur pour la détection de la fumée et des données environnementales issues du LiDAR permet des approches d’apprentissage multitâches qui améliorent l’intelligence globale du système et offrent des cas d’utilisation supplémentaires pour l’infrastructure et les ensembles de données sous-jacents.

L’imagerie alimentée par l’IA accélère la détection des feux de forêt

Chiffres clés sur le climat fournis par les Nations Unies

• Depuis 1970, la température mondiale à la surface de la Terre a augmenté plus rapidement que durant toute autre période de 50 ans au cours des 2 000 dernières années au moins.
• La Terre est aujourd’hui environ 1,42 °C plus chaude qu’à l’époque préindustrielle (1850-1900).
• 2024 a été l’année la plus chaude jamais enregistrée, avec une température moyenne mondiale près de la surface supérieure de 1,55 °C à la référence préindustrielle.
• La décennie 2015-2024 a été la plus chaude jamais enregistrée.
• Chaque fraction de degré de réchauffement compte. Chaque nouvelle augmentation du réchauffement climatique s’accompagne d’une aggravation des phénomènes extrêmes et des risques.
• Le dioxyde de carbone (CO₂) s'accumule dans l'atmosphère plus rapidement qu'à n'importe quelle autre période de l'histoire de l'humanité, avec une augmentation de plus de 10 % en seulement deux décennies.

Projets du laboratoire « AI for Good » de Microsoft

Prévision des aurores boréales :le projet « Aurora Forecasting » de Microsoft utilise un modèle de base d’IA comportant 1,3 milliard de paramètres pour analyser les données atmosphériques et améliorer les prévisions météorologiques et climatiques. Ce modèle prend en charge des applications telles que la prévision météorologique, la modélisation de la qualité de l’air et l’analyse des phénomènes météorologiques extrêmes, démontrant ainsi comment l’IA peut traiter des ensembles de données environnementales complexes afin d’améliorer la compréhension des conditions atmosphériques et de soutenir la planification de la résilience.

Apprentissage automatique géospatial: le laboratoire « AI for Good » de Microsoft combine des données géospatiales, des images satellites et aériennes avec l’apprentissage automatique, en collaboration avec des universités, des agences de conservation, des ONG et la Présidence de la gestion des catastrophes et des urgences du ministère de l’Intérieur turc. Parmi les projets figurent l’évaluation des dégâts causés aux bâtiments par les séismes, la cartographie des glaciers et de la couverture végétale, la cartographie des élevages avicoles et la surveillance des énergies renouvelables, qui contribuent à la gestion des catastrophes, à la protection de la nature, à l’action humanitaire et à la planification environnementale.

Cartographie des glaciers: le laboratoire « AI for Good » de Microsoft utilise l’apprentissage automatique et l’imagerie satellite pour faciliter la cartographie des glaciers et la surveillance écologique dans la région de l’Hindu Kush-Himalaya. Le projet identifie et délimite à la fois les glaciers de glace pure et ceux recouverts de débris, tandis qu’un outil en ligne permet aux experts d’examiner et de corriger les prévisions du modèle. Cette approche vise à accélérer la cartographie et à améliorer la compréhension des écosystèmes glaciaires affectés par le changement climatique.

Cartographie des énergies renouvelables: le projet « Renewable Energy Mapping » de Microsoft utilise l’apprentissage automatique géospatial pour cartographier et surveiller le développement des énergies renouvelables à grande échelle. Cette technologie aide les organisations à comprendre où des infrastructures liées aux énergies renouvelables sont en cours de développement et à suivre les changements sur de vastes zones. En combinant l’IA et les informations géospatiales, le projet démontre comment l’apprentissage automatique peut soutenir la planification des énergies renouvelables et fournir des données permettant de suivre la transition vers une énergie plus propre.

Bioacoustique: le laboratoire « AI for Good » de Microsoft collabore avec des organisations de protection de la nature et des laboratoires de recherche afin d’appliquer l’apprentissage automatique et l’apprentissage profond à de vastes volumes d’enregistrements audio de la faune sauvage. Parmi ces projets figure le « Project Guacamaya », mené en partenariat avec l’Institut Humboldt, qui utilise la bioacoustique pour l’identification des espèces en Amazonie. D’autres travaux contribuent au suivi des bélugas et à la classification automatisée des cris d’oiseaux et d’amphibiens, faisant ainsi progresser la recherche et la conservation de la biodiversité.

Accélérer les inventaires de la biodiversité: le laboratoire AI for Good de Microsoft, Microsoft Research et Microsoft AI for Earth collaborent avec NOAA Fisheries, Sieve Analytics et LILA BC afin d’accélérer les inventaires de la biodiversité grâce à l’apprentissage automatique. Ces projets analysent les images et les enregistrements audio provenant de pièges photographiques, de caméras aériennes et de microphones, réduisant ainsi le travail d’annotation manuelle. Ce travail vise à fournir plus rapidement aux défenseurs de l’environnement des données sur les populations d’animaux sauvages, afin de faciliter la prise de décisions concernant la protection des habitats, les infrastructures et la lutte contre le braconnage.

Cartographie de la couverture terrestre: les travaux de Microsoft en matière de cartographie de la couverture terrestre utilisent la vision par ordinateur pour transformer les données de télédétection en informations sur l’occupation des sols et la couverture terrestre. Cette approche réduit le temps que les scientifiques de l’environnement et les analystes géospatiaux consacrent à la cartographie manuelle des zones, leur permettant ainsi de se concentrer davantage sur l’analyse et la prise de décision. En automatisant certaines étapes du processus de cartographie, Microsoft soutient la surveillance environnementale et aide les organisations à exploiter des ensembles de données géospatiales à grande échelle.