Cela implique d’enregistrer les précipitations, de mesurer les niveaux d’eau, de calculer les conditions météorologiques quotidiennes et enfin d’envoyer des alertes par diffusion cellulaire. L’effort requis est important, mais le retour sur investissement est élevé si les résidents menacés peuvent d’abord sécuriser leur logement et disposer ensuite de suffisamment de temps pour se mettre à l’abri.
Bien entendu, le système de détection et d’alerte des inondations n’est pas absolument fiable. Néanmoins, il offre un niveau élevé de protection qui ne peut être assuré dans les régions dépourvues des infrastructures nécessaires. Ainsi, si le délai d’avertissement n’est pas de cinq jours, mais de zéro jour, les personnes, mais aussi leurs biens et leurs moyens de subsistance, sont particulièrement menacés.
Un nouveau système de prévision des risques d’inondation montre qu’il n’est pas nécessaire d’en arriver là. Grâce à des données précises et à jour et à une intelligence artificielle correctement entraînée, il peut rivaliser avec les meilleurs modèles actuellement disponibles pour prédire les conditions météorologiques extrêmes. Mais cela est également possible dans les régions du monde où de telles prévisions ne sont pas encore disponibles, faute d’un réseau dense de stations de mesure. Le temps passé sur le supercalculateur pour les calculs quotidiens est également coûteux.
Les chercheurs, dont ceux de Google, du Helmholtz Center de Leipzig et de la RAND Corporation en Californie, ont utilisé les données météorologiques de 5 680 bassins versants sur une moyenne de 30 ans. Cela représente un total d’environ 150 000 ans d’enregistrements météorologiques, résumés dans 60 gigaoctets de données. Et la collection ne cesse de s’étoffer.
Entraîner l’intelligence artificielle sur le GPU Nvidia Tesla V100 n’aurait pris que quelques heures. Ensuite, une dizaine d’heures sont nécessaires pour établir les prévisions. Et voilà : par rapport aux inondations précédentes, l’intelligence artificielle a obtenu un taux de réussite supérieur aux prévisions météorologiques traditionnelles réalisées à l’époque. Dans le même temps, l’effort global requis est considérablement réduit.
Même si cela n’est pas d’une grande utilité dans les zones qui disposent déjà d’une grande quantité de données météorologiques, cela s’avère utile dans de nombreuses zones isolées et en particulier dans les zones pauvres mais densément peuplées. Alors que le délai d’alerte resterait inchangé en Europe, en Amérique du Nord ou en Asie de l’Est, le délai entre l’alerte et la montée des eaux augmenterait en Afrique, en Amérique centrale ou en Asie du Sud-Est. , Par exemple.
Cette étude n’a nécessité que des données publiques, qu’il a fallu d’abord collecter, et un processeur performant coûtant un peu moins de 7 000 euros (7 500 dollars). Il suffit de quelques informations essentielles sur le vent, l’humidité et la température pour réaliser de grandes choses.
