Après avoir passé près d’une décennie à travailler dans l’informatique et l’intelligence artificielle (IA), Sasha Luccioni était prête à déraciner toute sa vie il y a trois ans après avoir été profondément préoccupée par la crise climatique.
Mais son partenaire l’a convaincue de ne pas abandonner complètement sa carrière, mais plutôt d’appliquer ses connaissances en IA à certains des défis posés par le changement climatique.
“Vous n’avez pas besoin de quitter votre emploi dans l’IA pour contribuer à lutter contre la crise climatique”, a-t-elle déclaré. “Il existe des moyens par lesquels presque toutes les techniques d’IA peuvent être appliquées à différentes parties du changement climatique.”
Elle s’est jointe au centre de recherche sur l’intelligence artificielle Mila, basé à Montréal, et est devenue membre fondatrice de Climate Change AI, une organisation d’universitaires bénévoles qui prônent l’utilisation de l’IA pour résoudre les problèmes liés aux changements climatiques.
Luccioni fait partie d’une communauté croissante de chercheurs au Canada qui utilisent l’IA de cette manière.
En 2019, elle a co-écrit un rapport arguant que l’apprentissage automatique peut être un outil utile pour atténuer et s’adapter aux effets du changement climatique.
Les informaticiens définissent l’apprentissage automatique comme une forme d’intelligence artificielle qui permet aux ordinateurs d’utiliser des données historiques et des méthodes statistiques pour faire des prédictions et des décisions sans avoir à être programmés pour le faire.
Les applications courantes de l’apprentissage automatique comprennent le texte prédictif, les filtres anti-spam, les applications de traduction linguistique, les recommandations de contenu en continu, la détection des logiciels malveillants et des fraudes et les algorithmes de médias sociaux.
Selon le rapport de 2019, les applications de l’apprentissage automatique dans la recherche sur le climat comprennent la prévision climatique et l’optimisation des systèmes d’électricité, de transport et d’énergie.
Se préparer aux maladies des cultures
Des chercheurs de l’Université de l’Île-du-Prince-Édouard (UPEI) utilisent la modélisation de l’IA pour avertir les agriculteurs des risques pour leurs cultures à mesure que le temps devient plus imprévisible.
“Si vous avez une année sèche, vous voyez très peu de maladies, mais avec une année humide, vous pouvez attraper beaucoup de maladies autour des plantes”, a déclaré Aitazaz Farooque, doyenne associée par intérim de l’École des changements climatiques et de l’adaptation de l’UPEI.
Les chercheurs peuvent intégrer les données météorologiques des années précédentes dans un modèle d’IA pour prédire le type de maladies qui pourraient compromettre les cultures à différents moments de l’année, a déclaré Farooque.
“Ensuite, le producteur peut être un peu proactif et comprendre dans quoi il s’embarque”, a-t-il déclaré.
REGARDER | Jetez un coup d’œil à l’École des changements climatiques et de l’adaptation de l’UPEI :
Des drones aux dortoirs, le centre de recherche ultramoderne de St. Peter’s Bay accueillera des étudiants et des chercheurs de classe mondiale qui étudieront les nombreuses facettes du changement climatique.
L’agriculture de l’Île-du-Prince-Édouard est principalement pluviale, et le fait de fournir aux agriculteurs des prévisions de précipitations plus précises peut également les aider à obtenir de meilleurs rendements, a déclaré Farooque.
“Avec le changement climatique, nous observons différentes tendances où les précipitations cumulées totales ne changent pas beaucoup, mais le moment est important”, a-t-il déclaré.
“Si cela ne se produit pas au bon moment, la durabilité de notre agriculture peut être menacée.”
Étudier le comportement face aux conditions météorologiques perturbatrices
Une autre application de l’IA est à l’étude à l’Université McGill, où des chercheurs utilisent des données météorologiques historiques et récentes pour prédire les impacts sociaux de conditions météorologiques extrêmes les événements qui sont affectés par le changement climatique, tels que les vagues de chaleur, les sécheresses et les inondations.
Selon Renee Sieber, professeure agrégée au département de géographie de McGill, les chercheurs espèrent découvrir comment les gens ont réagi aux événements météorologiques perturbateurs dans le passé et si cela peut nous apprendre quelque chose sur notre résilience à l’avenir.
L’équipe utilisera une forme d’IA appelée traitement du langage naturel pour analyser les récits sociaux liés aux événements météorologiques dans les journaux et autres médias.
“L’IA est très bonne pour organiser, synthétiser, trouver des tendances ou des sentiments à partir de grandes quantités de texte non structuré”, a déclaré Sieber.
“En gros, ce que vous faites, c’est jeter des articles de journaux dans un seau, et vous voyez ce qui en ressort.”
Sieber a déclaré que son équipe prendra les résultats des articles précédents et des médias sociaux d’aujourd’hui et les comparera aux enregistrements météorologiques correspondants pour identifier les réponses des gens aux événements météorologiques au fil du temps.
Les enregistrements de la Observatoire McGill sont les enregistrements écrits ininterrompus les plus longs et les plus détaillés des modèles météorologiques au Canada et contiennent une quantité massive d’informations, a déclaré Sieber. L’enregistrement météorologique y a commencé en 1863 et s’est poursuivi jusque dans les années 1950.
“Ces données sont la seule mesure directe du changement climatique que nous ayons [in Canada]”, a déclaré Sieber.
Optimiser la consommation d’énergie
Certaines entreprises canadiennes utilisent l’IA pour minimiser les déchets et construire des infrastructures plus éconergétiques.
Scale AI, un groupe d’investisseurs basé à Montréal qui finance des projets liés aux chaînes d’approvisionnement, a travaillé avec des chaînes d’épicerie telles que Loblaws et Save-on-Foods pour identifier les habitudes d’achat. Grâce à l’IA, les entreprises sont en mesure de mieux prévoir la demande et moins de produits alimentaires sont gaspillés, a déclaré Julien Billot, PDG de Scale AI.
“Chaque optimisation que nous pouvons réaliser améliore la résilience des chaînes d’approvisionnement et contribue à l’utilisation de moins de ressources”, a-t-elle déclaré.
Une autre entreprise montréalaise, BrainBox Al, se concentre sur l’amélioration de l’efficacité énergétique en optimisant les systèmes CVC dans les bâtiments commerciaux.
La technologie d’apprentissage automatique est contenue dans un boîtier de 30 cm de large qui se connecte au système CVC d’un bâtiment. Il augmente ou abaisse les températures en fonction des entrées de données telles que les prévisions météorologiques, les prix des services publics et les calculs d’émissions de carbone.
Le système a été en mesure de réduire de 25 % l’énergie consommée par certains systèmes CVC, a déclaré le PDG de BrainBox, Sam Ramadori, et en deux ans, la société a installé la technologie dans 350 bâtiments dans 18 pays.
“Le même type d’intelligence que nous apportons aux bâtiments a probablement un nombre infini d’applications. Choisissez simplement un secteur”, a déclaré Ramadori.
“Comment nous fabriquons du ciment, comment nous expédions des marchandises – tout cela doit être rendu plus efficace au fil du temps dans le cadre de la lutte contre le changement climatique.”
Selon Ramadori, BrainBox AI travaille sur une technologie qui permettra aux bâtiments de se connecter les uns aux autres et de communiquer avec les réseaux énergétiques via le serveur cloud de l’entreprise.
Cela a le potentiel de minimiser le gaspillage d’énergie à l’échelle de la ville, car les réseaux énergétiques détectent plus précisément où et quand l’électricité est nécessaire, a-t-il déclaré.
“Le réseau électrique peut dire : ‘Hé, les deux prochaines heures vont être occupées. J’ai besoin que vous trouviez un moyen de réduire la consommation.’ Et avec le cerveau de l’IA en haut, il est capable de dire: “OK, je peux réduire un peu ici et un peu là. Je vous ai couvert”, a déclaré Ramadori.
Limites d’équité à l’IA
L’accès au type d’IA qui peut aider à résoudre les problèmes liés au climat n’est pas égal à travers le monde.
Les incendies de forêt en Amérique du Nord, par exemple, ont tendance à recevoir plus d’attention de la part des développeurs que les infestations de criquets pèlerins en Afrique de l’Est, a déclaré David Rolnick, professeur adjoint d’informatique à McGill et membre de Mila.
“La manière dont le changement climatique affecte une communauté varie considérablement entre les différentes zones géographiques”, a déclaré Rolnick, qui est également président de Climate Change AI.
La technologie de l’IA repose sur des ensembles de données, et de nombreuses communautés n’ont pas accès à suffisamment de données robustes nécessaires pour créer des algorithmes d’apprentissage automatique, a déclaré Rolnick.
Au Canada, certaines communautés autochtones et éloignées du Nord sont toujours confrontées à d’importantes fractures numériques par rapport à d’autres régions du pays, a-t-il déclaré.
“Travailler à démocratiser cela est fondamentalement important”, a déclaré Rolnick.
Rolnick co-écrit une étude l’an dernier décrivant diverses limites à la mise en œuvre de l’IA pour les solutions aux changements climatiques au Canada. Il a appelé à un financement accru pour la recherche sur l’IA et à davantage d’éducation à l’IA dans l’enseignement primaire et secondaire, ainsi qu’à des normes et protocoles pour le partage de données liées aux projets climatiques.
La mise en œuvre rapide de programmes d’initiation à l’IA à grande échelle pour les décideurs et les dirigeants des industries liées au climat pourrait aider à “démystifier” l’IA, selon le rapport.
“Nous constatons souvent un manque de connaissances pertinentes, et les programmes éducatifs peuvent aider les gens à comprendre ce que ces outils peuvent et ne peuvent pas faire”, a déclaré Rolnick.
