Un modèle suisse d’IA «écoute» la montagne pour détecter les avalanches

Grâce à l’intelligence artificielle, il est aujourd’hui possible de localiser la plupart des avalanches à l’avance avec une grande précision. SLF

Les montagnes ne sont pas silencieuses. Elles vibrent, craquent et bougent. Aujourd’hui, des algorithmes apprennent à les «écouter». Certains scientifiques suisses expérimentent l’intelligence artificielle pour analyser les signaux sismiques et détecter les avalanches à un stade précoce, dans le but de prévenir les accidents.

Le danger d’avalanche est actuellement à son niveau le plus élevé dans différentes régions de Suisse. La neige fraîche s’accumule sur des couches fragiles et «sucrées» au sein du manteau neigeux qui s’est formé pendant de longues périodes de froid et sec. Les vents violents créent des congères irrégulières, si bien que le poids d’un seul skieur ou de nouvelles chutes de neige pourrait provoquer une fracture et déclencher l’effondrement de sections entières de la montagne.

Ce processus ne se déroule pas en silence. «Lorsqu’une avalanche est en mouvement, elle produit des ondes sonores et des vibrations du sol avec des caractéristiques temps-fréquence spécifiques», explique Cristina Pérez, chercheuse à l’Institut pour l’étude de la neige et des avalanches SLFLien externe au sein du WSL.

Jusqu’ici, les méthodes conçues pour détecter ces signaux sismiques généraient de nombreuses fausses alertes. Aujourd’hui, grâce à l’intelligence artificielle (IA), Cristina Pérez et ses collègues peuvent déceler la plupart des avalanches en cours avec une grande précision.

À l’avenir, la détection précoce à l’aide de l’IA pourrait permettre aux autorités d’évacuer les villages et de fermer de manière proactive les routes et les lignes ferroviaires, évitant ainsi des accidents potentiellement mortels.

Moins de fausses alarmes

Avant l’introduction de l’intelligence artificielle, il était difficile pour Cristina Pérez et ses collègues de repérer automatiquement les signaux. Les systèmes de détection, basés sur des capteurs sismiques installés dans le sol, lançaient une pré-alerte dès que les vibrations dépassaient un certain seuil.

Andri Simeon et Cristina Pérez installent des capteurs sismiques et infrasons pour la détection des avalanches sur le site d’essai.  Johannes Aichele – SLF

Le problème, explique-t-elle, est que plusieurs signaux différents peuvent dépasser ce seuil et être confondus avec une avalanche, comme les vibrations causées par le passage d’une voiture ou les tremblements de terre. «Avant l’IA, de nombreuses autres sources sonores déclenchaient l’alarme, même lorsqu’il n’y avait pas d’avalanche», précise-t-elle.

L’IA a considérablement réduit les fausses alertes. Le système parvient désormais à détecter automatiquement plus de 90% des avalanches. Cristina Pérez et Andri Simeon, chercheur doctorant au SLF, ont développé un modèle d’IA capable de reconnaître les avalanches en temps réel et d’apprendre les schémas de leurs signaux sismiques.

Andri Simeon précise que cela fonctionne de manière similaire aux modèles de réseaux neuronaux établis sur de grandes quantités de données, tels que ceux qui alimentent les chatbots comme ChatGPT. Mais au lieu de combler les lacunes dans le texte, ce modèle est entraîné à reconstruire les parties manquantes et à identifier la «signature sismique» d’une avalanche, en la dissociant de celle d’un hélicoptère ou du trafic routier. «Le modèle apprend à reconnaître différents signaux et nous aide à les distinguer», explique le scientifique.

20 ans de données sur les avalanches

L’un des principaux avantages du modèle SLF est qu’il est entraîné à partir des enregistrements de l’institut qui datent, pour les plus anciens, de 1999. Selon Cristina Pérez, il s’agit d’une situation relativement unique au monde.

Il y a dix ans, elle travaillait comme chercheuse doctorante à l’université de Barcelone, qui collaborait déjà avec le SLF. «Nous disposons de plus de 20 ans d’enregistrements sismiques d’avalanches, l’une des plus longues séries chronologiques de données sur les avalanches au monde», précise-t-elle.

En plus de ces précieuses données historiques, Cristina Pérez peut s’appuyer sur l’expérience de l’institut dans l’utilisation de l’IA pour anticiper les risques régionaux. Des modèles prédictifs hautement spécialisés estiment la probabilité de déclenchement d’avalanches et leur ampleur en combinant les prévisions météorologiques et les simulations de la stratification du manteau neigeux. Cela permet une évaluation du niveau de danger potentielLien externe sur une échelle de 1 à 5, 5 indiquant le danger le plus élevé.

«Il y a cinq ou six ans encore, des experts analysaient les mesures météorologiques, les observations sur le terrain et les résultats des modèles de manteau neigeux. Avec l’augmentation du volume et de la complexité des données, il est devenu de plus en plus difficile de tout rassembler pour obtenir des prévisions cohérentes», explique Frank Techel, scientifique au SLF et prévisionniste d’avalanches avec plus de 15 ans d’expérience au sein du bulletin national suisse d’avalanches.

Les limites de l’IA

Même si l’IA aide les experts et expertes suisses à trouver un sens à des données vastes et complexes, elle n’est pas infaillible. Frank Techel souligne que la supervision humaine reste essentielle, puisque l’IA peut parfois produire des résultats incorrects. Cela arrive notamment lorsque le danger est au plus haut niveau, car les conditions extrêmes sont rares et donc moins représentées dans les données historiques.

«Je continue à examiner moi-même les données et à formuler des prévisions. Ensuite, j’utilise les modèles pour tester mes hypothèses», explique-t-il.

Cristina Pérez admet que son modèle a aussi ses limites. Par exemple, les petites avalanches produisent des signaux qui ressortent à peine du bruit de fond, ce qui les rend difficiles à reconnaître par les machines. «Nous poursuivons le travail pour maximiser les taux de détection tout en réduisant les fausses alertes», commente-t-elle.

Par ailleurs, des études internationales révèlent que les modèles d’IA ont du mal à gérer les événements raresLien externe et les modèles de signaux complexesLien externe, souvent en raison de données d’entraînement restreintes ou d’une mauvaise interprétation des situations qui ne sont pas des avalanches.

Néanmoins, Cristina Pérez estime que d’ici quelques années, ces modèles pourraient devenir suffisamment fiables pour être déployés dans des zones habitées et à haut risque. Parallèlement, des approches similaires ont également été développées par les scientifiques du WSL pour surveiller les glissements de terrain de grande ampleur, tels que ceux qui ont frappé les villages de Blatten et Brienz. À l’avenir, ces modèles pourraient être capables de détecter automatiquement ces deux types de catastrophes naturelles.

«Notre rêve est que ces modèles soient utilisés en temps réel pour aider à sécuriser les routes, les voies ferrées et les villages», conclut-elle.

Texte relu et vérifié par Reto von Wartburg, traduit de l’anglais par Lucie Donzé/op