La nouvelle IA de Google prédit les crues soudaines jusqu'à 24 heures à l'avance

Les crues soudaines tuent des milliers de personnes chaque année. Ils se produisent rapidement et touchent le plus les villes, et pendant des décennies, les scientifiques n’ont pratiquement rien pu faire pour les anticiper, car les données nécessaires à la formation des modèles de prévision n’existaient tout simplement pas.

Jeudi, Google a déclaré avoir trouvé une solution à ce problème : lire les actualités.

La société a présenté Groundsource, un système qui utilise Gemini AI pour analyser des millions d'articles de presse publiés depuis 2000, extraire des références aux inondations et localiser chacun d'entre eux à un lieu et une date. Le résultat est un ensemble de données de 2,6 millions de crues éclair historiques couvrant plus de 150 pays, qui peut désormais être téléchargé et utilisé par tous.

Cet ensemble de données a ensuite été utilisé pour former un nouveau modèle d’IA capable de prévoir si une crue soudaine est susceptible d’affecter une zone urbaine dans les prochaines 24 heures. Les prévisions sont désormais disponibles sur Google Flood Hub, la même plateforme que l'entreprise utilise déjà pour alerter environ 2 milliards de personnes en cas de crue des rivières dans le monde.

Le problème résolu par Groundsource est étonnamment basique. Les rivières sont équipées de compteurs physiques, de capteurs installés dans l'eau qui enregistrent les niveaux depuis des décennies. C’est ainsi que les météorologues ont appris à prédire le moment où une rivière sortirait de son lit. Les rues des villes n’ont rien de tel. Lorsque de fortes pluies tombent sur la chaussée et dépassent la capacité des systèmes de drainage, les inondations se produisent trop rapidement et trop localisées pour être suivies avec les instruments traditionnels.

Sans enregistrements historiques, un modèle d’IA ne peut pas être entraîné à reconnaître le modèle. La solution de Google consistait à traiter les articles de presse comme le capteur manquant.

« En transformant les informations publiques en données exploitables, nous n'analysons pas seulement le passé, mais nous construisons un avenir plus résilient pour tous, conformément à notre objectif que personne ne soit surpris par une catastrophe naturelle », a déclaré Google.

En filtrant les publicités, les menus de navigation et les doublons, et en traduisant des articles d'autres langues vers l'anglais, l'équipe a converti des millions de descriptions textuelles confuses en données de séries chronologiques structurées et géolocalisées.

Le modèle formé sur ces données utilise un réseau neuronal LSTM (un type d'IA conçu pour traiter des séquences au fil du temps) pour traiter les prévisions météorologiques horaires ainsi que des facteurs locaux tels que la densité de développement, les taux d'absorption du sol et la topographie. Il génère alors un signal simple : risque d'inondation moyen ou élevé dans les prochaines 24 heures, pour toute zone urbaine ayant une densité de population supérieure à 100 habitants au kilomètre carré.

Le système présente de réelles limites. Il ne couvre que des zones d'environ 20 kilomètres carrés à la fois, ne peut pas indiquer la gravité d'une inondation et ne fonctionnera pas bien dans les régions où la couverture médiatique est clairsemée.

Pourtant, les premiers résultats sont révélateurs. Une autorité régionale de gestion des catastrophes en Afrique australe a reçu une alerte Flood Hub pendant la phase bêta, a confirmé l'inondation sur le terrain et a dépêché un travailleur humanitaire pour gérer la réponse. Selon Juliet Rothenberg, directrice de la résilience aux crises chez Google, « cette chaîne d'événements, depuis une prédiction dans Flood Hub jusqu'à la présence sur le terrain, est exactement ce pour quoi Flood Hub a été créé ».

Trezor One – Portefeuille Matériel de Crypto-Monnaie – Le Stockage à Froid Le Plus Fiable pour Bitcoin, Ethereum, ERC20 et Bien d’autres (Noire)