Historiquement, les modèles basés sur la physique et la puissance de calcul standard constituaient la norme en matière de prévision des crues. Cependant, ceux-ci ont tendance à sous-estimer les risques réels d'inondation, comme le montre l'exemple tragique de Waverly, dans le Tennessee, en août 2021, où 20 personnes sont mortes après qu'on ait prévu entre 5 et 7,6 centimètres d'eau de pluie et plus de 50 centimètres de pluie. en tombant.
Les modèles d'IA d'aujourd'hui analysent non seulement les prévisions météorologiques, mais évaluent également la topographie, les rivières à proximité, les systèmes de drainage et les paramètres régionaux pour créer des modèles prédictifs plus complets et plus rapides.
La BBC a souligné que des entreprises telles que 7Analytics en Norvège et Neara à Londres appliquent l'IA pour simuler numériquement les inondations et assister les réseaux d'infrastructures électriques, tandis que l'Université de l'Iowa et Google, avec sa plateforme Flood Hub, contribuent également à cette révolution technologique.
7Analytics, une plateforme axée sur la gestion des risques climatiques, fournit déjà des prévisions d'inondations en temps réel grâce à l'IA, étant capable d'anticiper les événements catastrophiques jusqu'à sept jours à l'avance.
Ainsi, des données spécifiques sont proposées telles que l'accumulation d'eau attendue dans des zones spécifiques. L'infrastructure technologique de Neara et l'IA Flood de l'Université de l'Iowa démontrent le potentiel de l'IA à fournir d'importantes alertes fluviales.
En 2021, Google Flood Hub a envoyé 115 millions de messages d'alerte aux inondations à 23 millions de personnes. Les modèles d’IA sont particulièrement utiles dans les régions où les données météorologiques historiques sont rares, même si, comme le souligne Amy McGovern de l’Université d’Oklahoma, l’efficacité de l’IA est proportionnelle à la qualité des données collectées, ce qui représente un défi dans les zones où les conditions météorologiques sont moins graves. ou des inondations peu fréquentes.
L’intérêt et les investissements dans ces modèles de prédiction d’IA se sont accrus à mesure que la prise de conscience des risques d’inondation est devenue plus courante. L'application de ces technologies a le potentiel de sauver des vies et de réduire les dommages économiques en permettant une préparation et une réponse plus efficaces à ces catastrophes naturelles.
Cependant, la communauté scientifique souligne la nécessité de continuer à améliorer les algorithmes et la collecte de données pour s’affiner constamment face aux défis imposés par le changement climatique.