L’Intelligence Artificielle pour Lutter contre la Pollution en Chine

Pour prévenir les effets dévastateurs de la pollution, IBM lance une intelligence artificielle capable de mieux prévoir et de mieux se prémunir des épisodes de forte pollution dans les zones urbaines chinoises. Le projet est d’ores et déjà en test à Beijing.

La Chine est désormais le pays au monde qui émet le plus de CO2. Bien sûr, une grande partie de ces émissions est destinée à alimenter les marchés des économies occidentales. Malgré tout, c’est en Chine que se font sentir les effets de cette pollution : une étude affirmait récemment que la pollution de l’air était directement ou indirectement responsable de la mort de près de 4 000 personnes en Chine. Rien d’étonnant quand on sait que la pollution de l’air entraine de plus grands risques de crise cardiaque sévère…

C’est pour lutter contre ce phénomène que les chercheurs d’IBM (grâce au financement du gouvernement chinois) se sont lancés dans un projet d’intelligence artificielle à grande échelle, capable de prévoir les pics de pollution et de donner à l’avance des moyens d’agir pour les réduire.

Analyser les causes multiples de la pollution de l’air

Outre la présence de nombreuses usines en Chine, d’autres facteurs expliquent la situation difficile du pays en matière de pollution de l’air. La congestion du trafic urbain, les conditions de pression atmosphérique ou la situation météorologique influent fortement sur la concentration des polluants dans l’air. Taux d’humidité, provenance du vent, activité de certaines industries ou de certains transports, embouteillages, tous ces facteurs ont un impact sur le taux de pollution et le type de polluants que l’on trouve dans l’air.

Pour mieux prévoir les pics de pollutions et s’y préparer, il est donc nécessaire d’analyser et de combiner toutes ces données dans un modèle mathématique prévisionnel. Une analyse avec autant de facteurs est difficilement réalisable à l’échelle humaine, c’est pourquoi IBM a conçu un superordinateur capable de réaliser des millions de calculs par seconde pour analyser ces données.

Financé en partie par le gouvernement municipal de Beijing, capitale chinoise, le programme est d’ores et déjà en test dans la ville. Au total, c’est près de 130 milliards d’euros que les autorités prévoient d’investir d’ici 2017 dans le cadre de ce programme de lutte contre la pollution.

Pour que le programme fonctionne, les données environnementales, industrielles et urbaines sont récoltées chaque jour par le Beijing Environmental Protection Bureau dans toute l’agglomération, et sont transmises le plus rapidement possible à IBM, qui les entre dans son algorithme de calcul pour établir des prévisions.

Prévoir avec précision jusqu’à 10 jours en avance pour agir en amont

Les résultats obtenus seraient près de 30% plus précis que les méthodes utilisées habituellement par les organisations de prévisions météorologiques. En effet, l’Intelligence Artificielle d’IBM est dotée d’un programme d’auto-learning qui lui permet d’enrichir son algorithme en confrontant ses analyses aux résultats mesurés sur le terrain. Ce processus d’amélioration continue permet au logiciel d’être de plus en plus performant dans le temps. Sur le long terme, IBM veut être capable de prévoir les évolutions de la pollution jusqu’à 10 jours en avance, et donc émettre des recommandations stratégiques pour amoindrir les pics de pollution.

Ce programme fait partie d’un partenariat de plus grande échelle entre IBM et la Chine. Baptisé Green Horizon, il vise à mettre au service de la Chine les compétences des ingénieurs d’IBM dans 3 domaines : la qualité de l’air, la gestion d’un réseau d’énergies renouvelables et l’optimisation énergétique dans les secteurs industriels.

Sur les 360 grandes agglomérations concernées par Green Horizon, 351 dépassent les seuils critiques définis par le gouvernement chinois et sont 2,5 fois supérieurs aux normes de l’OMS en matière de santé publique. Le programme aura donc beaucoup de travail avant que l’industrie et les villes chinoises soient réellement green.

Source : e-RSE