Veille gestion globale des risques naturels
Dernière mise à jour : le 28/02/2021 à 17:45

Observatoire permanent des catastrophes naturelles et des risques naturels

Alertes en cours
Aucune alerte en cours actuellement
Partager via...

b_300_200_16777215_00_images_stories_images_generales_prevention330trans.png L'intelligence artificielle (IA), après plusieurs décennies de tâtonnements, fait aujourd'hui irruption avec force non seulement sur un plan scientifique mais aussi dans différents domaines d'activité humaine.

 

L'intelligence artificielle (IA), après plusieurs décennies de tâtonnements, fait aujourd'hui irruption avec force non seulement sur un plan scientifique mais aussi dans différents domaines d'activité humaine. Après avoir rappelé la définition de l'IA, nous verrons comment elle permettra d’aider à la prévention des catastrophes naturelles – et plus particulièrement ici, les risques naturels gravitaires (glissements de terrains, boues torrentielles, avalanches, éboulements rocheux).

Des applications sont déjà opérationnelles telles que la voiture autonome, le diagnostic médical, les analyses ADN, les reconnaissances visuelle et vocale, la traduction automatique pour citer les plus connues. Pour ce qui concerne plus spécifiquement l’environnement, on peut penser à deux grands champs d'application : ceux de la robotique intelligente visant à préserver l’environnement sur des plans techniques et  de l'exploitation intelligente des très grands nombres de données, qui se rencontrent souvent dans l’étude des phénomènes naturels environnementaux. C’est ce deuxième aspect qui va être illustré maintenant.

Les risques naturels gravitaires comme les glissements de terrain, les boues torrentielles, les éboulements rocheux, les avalanches, apparaissent comme des problèmes difficiles pour leur analyse, leur prédiction et leur prévention essentiellement du fait de la complexité des matériaux impliqués : sols, roches, neiges sont le plus souvent constitués de plusieurs phases (grains ou blocs solides, eau, air) en interaction complexe entre eux. Les grains ou particules de sols, les blocs rocheux et les flocons de neige ont des formes contournées, variables dans le temps. Le sable peut s’écouler entre les doigts comme un fluide et se comporter comme un solide sur la plage où l’on peut déambuler sans difficulté - sauf en cas de sables mouvants! Ces difficultés irréductibles ont poussé au développement de modélisations numériques de plus en plus performantes et à la mise en œuvre de ce qui est appelé « le clone numérique » du glissement, de la falaise, etc, modèle numérique qui doit être alimenté par des mesures réalisées in-situ.

La révolution métrologique a fait émerger de nouvelles familles de capteurs peu coûteux, résistants dans le temps, peu gourmands en énergie, qui peuvent être disposés en grand nombre dans les terrains à surveiller (glissements de terrains, falaises rocheuses instables, …) ou dans les ouvrages dont le comportement doit être contrôlé (barrages, digues, centrales nucléaires, grands ouvrages d'art...). Ces capteurs peuvent mesurer des variations de longueurs (l’extensométrie), des variations d’angles (l’inclinométrie), des pressions d’eau (la piézométrie), des déplacements locaux (par le global positionning system ou GPS) ou globaux (par photogrammétrie) ; ils peuvent aussi utiliser des techniques de scanner laser en surface (par le light detection and ranging ou LIDAR) ou de radar (par l’interferometric synthetic aperture radar ou InSAR). Pour les grands linéaires tels que les digues, les fibres optiques sont mises en œuvre.

On obtient alors de très grandes bases de données, issues de séries temporelles et/ou spatiales. Il devient alors intéressant de valoriser ces bases par des techniques intelligentes qui permettent de détecter les points critiques de fissure/rupture/tassement/fuite d’eau, de fournir une analyse des mécanismes de ruine potentiels et même – à terme - de recommander les mesures de confortement ou autres à prendre. En fait, le seul point délicat aujourd’hui est la phase d’apprentissage automatique (machine learning) qui ne peut pas s’appuyer uniquement sur les cas de glissements ou d’éboulements qui se sont effectivement produits en ayant été instrumentés.

Ces algorithmes d'intelligence artificielle trouvent leurs limites quand l'hyper-surface évoquée plus haut n'est pas suffisamment régulière, ce qui conduit à des inexistences de solutions ou à des solutions multiples ou parce que le système étudié est pathologiquement sensible aux conditions initiales (comme en météorologie : voir notre article Introduction à la prévision météorologique). 

 

Grâce à nos outils et solutions de veille par email ou flux RSS, définissez vos critères et obtenez votre revue de presse permanente personnalisée

----------------------------- 

Catnatmaps

Découvrez CATNATLAS notre système d'information géographique en ligne dédié aux risques naturels en France et dans le Monde

Statistiques base BD CATNAT

Nombre d’événements recensés depuis 2001 (vu au 26/02/2021)
  • En France / DOM : 1.985
  • A l’étranger : 16.336
Nombre de victimes recensées depuis 2001 (vu au 26/02/2021)
  • En France / DOM : 30.845
  • A l’étranger : 1.324.789
Coût depuis 2001 en millions de $ (vu au 26/02/2021)
  • En France / DOM : 42.586
  • A l’étranger : 3.299.013
Accès à la BD CATNAT
Statistiques en temps réel

Newsletter CATNAT Info

Recevez GRATUITEMENT tous les samedis les articles publiés durant la semaine écoulée grâce à notre lettre d'information "CATNAT Info"