Lorsqu’en 1950 Alan Turing pose la question « les machines peuvent-elles penser ? », se doute-t-il que l’intelligence artificielle (IA), dont il sera l’un des pères fondateurs, nous permettra de remonter le temps en retraçant l’évolution de l’occupation des sols ? Imagine-t-il que l’IA permettra de suivre le changement climatique, de modéliser les risques et donc de mieux les anticiper ?

Dans cette nouvelle édition de l'Atlas « Cartographier l'anthropocène », découvrez comment l'IA est devenue indispensable au pilotage de la transition écologique et dans quelle mesure elle offre de nouvelles perspectives d’exploration et d’innovation.

* « Les machines peuvent-elles penser ? » - Alan Mathison Turing - « Computing Machinery and intelligence » - Mind, octobre 1950

En connectant les sujets des milieux et habitats naturels, d’espèces, d’aménagement du territoire, de pollutions et de pressions sur l’environnement, la connaissance d’un environnement convoque assez logiquement celui de la complexité. On touche ici à des domaines multidimensionnels, systémiques et évolutifs pour lesquels croiser différentes sources de données et avoir la capacité de suivre
leurs évolutions se révèlent nécessaires. Autant dire des domaines où l’intelligence artificielle excelle. Au-delà de la protection de l’environnement, il s’agit ici de comprendre les phénomènes en jeu pour tirer les conséquences d’une intervention humaine sur son milieu. Il est aujourd’hui possible d’observer les conséquences de certains choix, mais aussi de bâtir des modèles permettant d’en tirer des projections par simulation. Cette compréhension est essentielle lorsque l’on cherche, par exemple, à reboiser une parcelle, à implanter un champ d’éoliennes, à modifier un plan local d’urbanisme ou à élever un bâtiment sur un espace agricole.

Inondations, feux de forêts, tempêtes, érosion des côtes et des massifs, risques industriels... la gestion des risques systémiques liés au dérèglement climatique croise un grand nombre de domaines et implique autant de données environnementales et géographiques. La puissance de calcul de l’intelligence artificielle est ici d’un apport crucial pour révéler ce qui ne se voit pas forcément selon des méthodes traditionnelles d’observation. Un aspect impressionnant des modèles mathématiques qui permettent de prévenir les occurrences de ces risques ou de prendre des mesures pour en limiter les conséquences. Et, le cas échéant, assister les services d’urgence à intervenir sur le terrain. Des capacités qui prennent encore un nouveau tour avec celles du Machine Learning révélant ainsi les effets de l’évolution du paysage.

Les espaces forestiers sont soumis à des tensions multiples : changement climatique, pression du gibier, grands feux… Cela appelle une observation plus fréquente et bien plus précise. Des exigences pour lesquelles l’IA et les techniques de Machine Learning, couplées aux observations satellites issues du programme européen Copernicus, ouvrent des perspectives inédites. Leur combinaison avec les grands référentiels statistiques et scientifiques permet d’alerter rapidement et d’aider à mieux comprendre toute la complexité des mécanismes en jeu, au sein de ces espaces qui couvrent près d’un tiers de la surface du territoire national.

Le monde agricole est un des premiers à subir frontalement les bouleversements environnementaux, dont il est à la fois l’acteur et le spectateur malheureux. Les techniques d’IA constituent désormais des aides précieuses pour mesurer l’évolution de ces impacts et éclairer les décisions publiques en matière de politique agricole. Aujourd’hui essentiellement consacré à la délimitation des parcelles cultivées, à l’identification de la nature des cultures et à la connaissance fine du terrain, le traitement de la donnée est un allié essentiel de transformation vers des techniques d’agriculture de précision, plus respectueuses de ses environnements. Et une opportunité pour nourrir l’ensemble d’un écosystème d’innovation tout en permettant d’assurer la compétitivité durable des modèles agricoles français. 

Chaque année, entre 20 000 et 30 000 hectares d’espace naturel disparaissent en France sous la pression de l’artificialisation des sols. La loi ZAN (zéro artificialisation nette) a été promulguée pour chercher à endiguer cette tendance. L’urbanisation est, à ce titre, une des premières causes de ce phénomène, avec des répercussions importantes sur la perte de la biodiversité et l’assèchement des sols. Contenir l’extension des villes constitue, par conséquent, une priorité nationale qui demande une observation permanente des zones urbaines et une collaboration étroite des acteurs du territoire possédant une information de terrain. L’apport de l’intelligence artificielle constitue désormais un gain de temps précieux pour accélérer la connaissance du terrain et conduire les politiques publiques en matière d’urbanisme.

Les sujets liés à la production et à la performance énergétiques sont désormais des enjeux stratégiques nationaux pour assurer la transition énergétique du pays. On comprend, dès lors, l’importance d’une collaboration étroite de tous les acteurs de l’observation du territoire permettant d’acquérir une connaissance fine de ses propriétés. L’IA ouvre, à ce titre, des perspectives inédites pour modéliser le territoire et révéler le potentiel d’implantation des énergies renouvelables ainsi que pour visualiser leurs impacts éventuels sur l’environnement. En croisant les faisceaux d’informations multiples, comme la durée d’ensoleillement, le relief ou encore la force des vents, l’IA permet d’acquérir une connaissance fine des propriétés du territoire et de nourrir, par la suite, la puissance publique.