Une journée pour ouvrir la plateforme numérique aux autres projets ciblés
Le projet ciblé Plateformes numériques du programme Risques (IRiMa) construit une architecture distribuée de données et de services destinée à mutualiser les ressources scientifiques produites par l'ensemble du programme Risques. La brique Intelligent Mapping, pilotée par Isabelle Manighetti et Elena Di Bernardino à l’Université Côte d’Azur, contribue à l’infrastructure Plateformes numériques et propose une action transverse à la plupart des projets ciblés du programme. Cette action vise à développer des algorithmes basés sur l’intelligence artificielle (IA), pour identifier, cartographier et modéliser certains des aléas et risques étudiés dans le programme Risques.
Au terme d’une première année d’activité de l’équipe Intelligent Mapping, la journée organisée à Nice avait pour ambition de présenter les avancées et faire dialoguer l’équipe avec le reste du programme. Plusieurs responsables d'autres projets ciblés étaient donc présents et sont intervenus. Une grande variété de sujets a été abordée : détections morphologiques en zone littorale, comportements humains en situation de catastrophe, vectorisation des objets et prédictions, événements extrêmes hydroclimatiques, détection des failles sismiques, instabilités gravitaires et effondrements en mer, inondations méditerranéennes, suivi temporel de la turbidité littorale, détection d'événements climatiques extrêmes par paramètres spectraux, ou encore modélisation des îlots de chaleur urbains. Un volet transversal a également été consacré aux questions d'incertitudes et d'explicabilité des algorithmes IA.
Cette diversité témoigne de la portée transversale de cette brique fonctionnelle : pour qu'une plateforme numérique commune ait du sens, encore faut-il que les outils qu'elle hébergera répondent aux besoins concrets des projets ciblés qui en seront les utilisateurs.
Augmenter les capacités nationales dans la cartographie automatisée des aléas et risques
Pourquoi développer ces algorithmes ? Parce qu'au moment où le projet a été lancé, il n'existait pas, ou peu, d’algorithmes IA appliqués à la cartographie automatique d’aléas et risques dans les images de télédétection. Si certains outils existent déjà dans la communauté internationale pour identifier et cartographier automatiquement des routes ou des bâtiments dans des images satellite, la cartographie automatisée d'objets plus complexes — failles tectoniques responsables des séismes, morphologies littorales en évolution sous l'effet des changements globaux, comportements humains, etc. — reste un angle mort. Au niveau national, les services d'imagerie aérospatiale existants, comme ISDeform, exploitent d'autres approches, notamment l'analyse de déformations dans les images radar, complémentaires à l’utilisation de l'intelligence artificielle.
Cinq premiers chantiers de recherche
L'équipe Intelligent Mapping rassemble une vingtaine de chercheurs spécialistes en IA, mathématiques, modélisation, et des différents aléas et risques étudiés. Le projet ambitionne de couvrir une dizaine de thématiques. À ce jour, trois sujets ont véritablement démarré, un quatrième vient d'entrer en phase de lancement, et un cinquième démarrera d'ici quelques mois.
Détecter les courants marins d’arrachement (les baïnes) avant qu'ils ne piègent les baigneurs :
Le premier sujet vise à cartographier automatiquement les courants d'arrachement responsables du plus grand nombre de noyades estivales en France et dans le monde. Un doctorant a été recruté pour développer un algorithme d’IA capable de les identifier dans l'imagerie spatiale de la Terre (collaboration Inria-Montpellier, Géoazur-Université Côte d’Azur, et Université de Bordeaux). Couplé à des survols par drone ou avion, l'outil permettrait de signaler en quasi temps réel les zones dangereuses avant la baignade.
Reconnaître les appels au secours dans les images de drones :
Lorsqu'une catastrophe survient — séisme, incendie, inondation, etc. — les survols par drone produisent désormais des heures d'imagerie en continu, destinées à aider les secours. Un doctorant a été recruté pour développer un algorithme d'IA capable d'identifier les comportements humains de détresse dans ces images : une personne sur un toit faisant de grands gestes, par exemple (collaboration Inria et Géoazur, Université Côte d’Azur). Le système peut alors transmettre l'image et la localisation aux centres de secours restés à terre, accélérant considérablement la chaîne d'intervention.
Passer de la probabilité au vecteur :
La plupart des algorithmes d'IA produisent des cartes de probabilités pixelisées : tel pixel a 90 % de chances d’être l’objet d’intérêt, tel autre 60 %, etc. Pour exploiter scientifiquement ces résultats — mesurer une longueur, un angle, suivre une évolution dans le temps — il faut convertir ces cartes de probabilités en vecteurs en deux dimensions. Une opération moins triviale qu'il n'y paraît, sur laquelle un travail de thèse est en cours en s'attaquant d'abord à un cas simple : la vectorisation des routes (collaboration Inria et LJAD, Université Côte d’Azur).
Modéliser les événements climatiques extrêmes dans les séries temporelles d’images et de données :
Quatrième sujet, en phase de lancement : la modélisation d'événements hydrologiques extrêmes (inondations, crues) à partir de séries temporelles de données. Le sujet mobilise des analyses mathématiques, notamment spectrales, en sus de l'intelligence artificielle. Un post-doctorant vient tout juste d’être recruté pour travailler sur ce défi (collaboration Inria-Montpellier, BRGM, et LJAD-Université Côte d’Azur).
Cartographier les failles qui produisent les séismes :
Cinquième sujet, dont le démarrage est attendu dans quelques mois : l'identification automatique dans l'imagerie spatiale des failles tectoniques responsables des forts séismes dommageurs. À terme, l'algorithme pourrait recevoir une image satellite et restituer en sortie la cartographie des failles susceptibles de produire de futurs séismes — une avancée majeure pour anticiper les zones à risque sismique. Un post-doctorant est en passe d’être recruté sur ce projet (collaboration Irisa-Rennes, et Géoazur-Université Côte d’Azur).
D'autres sujets viendront enrichir ce portefeuille au fil des deux ou trois vagues de recrutement prévues dans les prochaines années. À terme, le projet mobilisera une dizaine de doctorants et post-doctorants, sans compter les chercheurs encadrants et les ingénieurs.
De la recherche fondamentale à l'usage opérationnel
L'objectif final de ce groupe de travail est de mettre les algorithmes développés à disposition de la communauté scientifique et des décideurs, via la plateforme numérique du programme. Pour cela, deux conditions doivent être réunies : que les algorithmes soient suffisamment robustes, et qu'ils soient suffisamment généralisables.
Le travail engagé vise précisément à concevoir des algorithmes capables de transfer learning : une fois entraînés sur un jeu de données initial, ils pourraient apprendre rapidement à partir de nouvelles données issues d'autres territoires ou d'autres types d'imagerie. C'est cette capacité d'adaptation qui permettrait à un gestionnaire des risques d'utiliser un algorithme initialement entraîné sur une zone donnée, moyennant une phase d'apprentissage incrémental légère sur ses propres données.
L'articulation avec les autres projets ciblés du programme se construit progressivement. Si l’équipe est, début 2026, encore principalement en phase de recherche, l'atelier de Nice marque une étape importante : faire connaître les travaux en cours, identifier les besoins concrets des autres projets, et préparer le moment où les premiers outils pourront être effectivement utilisés.
À propos du projet Plateformes numériques
Le projet ciblé Plateformes numériques du programme Risques (IRiMa) construit une architecture distribuée de données et de services pour mettre à disposition de la communauté scientifique et des acteurs du risque les ressources produites par le programme. Intelligent Mapping en constitue l'un des piliers, en développant des algorithmes d'intelligence artificielle pour cartographier automatiquement certains des aléas et risques étudiés dans le programme.