Nouvel outil d'IA de Google prédit les crues éclair jusqu'à 24 heures à l'avance

En résumé

• Google a constitué le plus grand ensemble de données sur les inondations éclair en utilisant Gemini pour analyser deux décennies de rapports d’actualités mondiaux.
• Cet ensemble de données alimente désormais un modèle d’IA capable de prévoir les inondations éclair urbaines jusqu’à 24 heures à l’avance.
• Le système comble une importante lacune de données qui bloquait depuis longtemps la prévision des inondations éclair.

Les inondations éclair tuent des milliers de personnes chaque année. Elles se produisent rapidement, frappent surtout les villes, et pendant des décennies, les scientifiques n’avaient presque rien pour anticiper leur arrivée, car les données nécessaires à l’entraînement des modèles de prévision n’existaient tout simplement pas. Jeudi, Google a annoncé avoir trouvé une solution à ce problème—en lisant les actualités. L’entreprise a dévoilé Groundsource, un système utilisant Gemini AI pour parcourir des millions d’articles de presse publiés depuis 2000, extraire les références aux inondations, et associer chaque événement à un lieu et une date. Le résultat est un ensemble de données de 2,6 millions d’inondations éclair historiques couvrant plus de 150 pays, désormais accessible à tous pour téléchargement et utilisation.

Cet ensemble de données a ensuite été utilisé pour entraîner un nouveau modèle d’IA capable de prévoir si une inondation éclair est susceptible de toucher une zone urbaine dans les 24 heures. Les prévisions sont désormais en ligne sur Flood Hub de Google, la même plateforme que l’entreprise utilise déjà pour avertir environ 2 milliards de personnes des inondations fluviales dans le monde.  Le problème que Groundsource résout est étonnamment simple. Les rivières disposent de jauges physiques—des capteurs immergés dans l’eau qui enregistrent les niveaux depuis des décennies. C’est ainsi que les prévisionnistes ont appris à anticiper un débordement. Les rues des villes n’ont rien de tel. Lorsqu’une pluie intense frappe le pavé et surcharge les systèmes de drainage, l’inondation se produit trop rapidement et localement pour être suivie avec des instruments traditionnels. Sans données historiques, il est impossible d’entraîner un modèle d’IA à reconnaître le schéma. La solution de Google a été de considérer les articles de presse comme le capteur manquant.

« En transformant l’information publique en données exploitables, nous ne faisons pas que analyser le passé—nous construisons un avenir plus résilient pour tous, dans le but que personne ne soit pris au dépourvu par une catastrophe naturelle », a déclaré Google.

Source : Google

Après avoir filtré les publicités, menus de navigation, doublons, et traduit les articles d’autres langues en anglais, l’équipe a transformé des millions de descriptions textuelles désordonnées en données chronologiques géolocalisées propres. Le modèle entraîné sur ces données utilise un réseau neuronal LSTM—un type d’IA conçu pour traiter des séquences dans le temps—pour intégrer les prévisions météorologiques horaires ainsi que des facteurs locaux comme la densité d’urbanisation, les taux d’absorption du sol, et la topographie. Il produit ensuite un signal simple : risque d’inondation moyen ou élevé dans les 24 heures, pour toute zone urbaine avec une densité de population supérieure à 100 personnes par km². Le système présente des limites. Il ne couvre qu’environ 20 km² à la fois, ne peut pas indiquer la gravité d’une inondation, et sera moins précis dans les régions où la couverture médiatique est faible. Cependant, les premiers résultats sont prometteurs. Une autorité régionale de gestion des catastrophes en Afrique australe a reçu une alerte Flood Hub lors de 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 face aux crises chez Google, « cette chaîne d’événements, du prédiction dans Flood Hub à l’intervention sur le terrain, est exactement ce pour quoi Flood Hub a été conçu. »