Syracuse

Crédits photo : ENSOSP

Nous vous proposons une série de billets pour démystifier certains aspects techniques de l’IA, en commençant aujourd’hui par la computer vision.

En guise d’introduction, vous pouvez voir ou revoir la nocturne « Quand l’IA rencontre les pompiers », organisée par l'ENSOSP, le 18 septembre 2024, animée par le Capitaine Quentin Brot (chef du service Prospective à l'ENSOSP) et le Lieutenant Ernest Werenfrid :

La « computer vision », ou vision par ordinateur, est une technique d’intelligence artificielle qui permet aux machines de « voir », c’est-à-dire d’analyser, interpréter et comprendre des images (formats PDF, PNG, JPEG, etc.) ainsi que des flux vidéo, qu’ils soient directs ou enregistrés.

Les applications concrètes dans le domaine de la sécurité civile sont nombreuses. La plus évidente est la détection précoce des feux de forêt, grâce à divers capteurs (caméras infrarouges, thermiques, à spectre visible, radars ou autres capteurs électromagnétiques). En gestion de crise, les possibilités sont tout aussi vastes : analyse d’images satellitaires pour évaluer les dégâts après un séisme ou un cyclone, décompte précis du nombre de réfugiés en analysant, par exemple, les images de camps et le nombre de tentes, évaluation de la praticabilité des voies de communication en cas de catastrophe naturelle, comme cela a été réalisé lors du cyclone #Chido grâce au programme européen #Copernicus.

Les outils nécessaires à une utilisation efficace de la vision par ordinateur incluent (liste non exhaustive) :

• Des données d’entraînement fiables : la qualité des résultats dépend directement de la qualité des données initiales.
• Un contrôle humain : essentiel pour superviser et corriger les éventuelles erreurs, des algorithmes en amélioration continue (pour permettre un apprentissage perpétuel).
• Des capteurs adaptés : satellites, drones, radars, caméras et autres capteurs électromagnétiques.

L’analyse d’images n’est pas une nouveauté : elle existe depuis des décennies avec des algorithmes « faits main ». La véritable révolution est venue avec le deep learning (apprentissage profond) et ses réseaux neuronaux, capables de surpasser les humains dans certaines tâches de reconnaissance visuelle.

Prenons l’exemple d’un départ de feu : sa détection peut être entravée par des conditions météorologiques, la luminosité, etc. Un prétraitement des données est alors indispensable.

Côté algorithmes, la méthode #YOLO (You Only Look Once) est plébiscitée pour sa capacité à analyser les images en une seule étape, rendant la reconnaissance rapide et efficace. Pour des tâches plus complexes comme la cartographie post-catastrophe, la technologie #LIDAR (Light Detection and Ranging) est utilisée pour scanner les zones sinistrées, localiser les débris, évaluer la stabilité des structures et identifier les voies accessibles.

Mais quels en sont les risques ? Les faux positifs constituent un risque majeur. Prenons l’exemple de Stanislav Petrov, officier soviétique qui, en 1983, a évité une guerre nucléaire en identifiant une mauvaise interprétation d’images satellites par une machine. En matière de sécurité civile, des alertes erronées pourraient épuiser les ressources opérationnelles. Une supervision humaine rigoureuse reste donc indispensable pour garantir la fiabilité des systèmes.

La vision par ordinateur offre plusieurs avantages : temps de traitement réduit et efficacité accrue, capacité à généraliser à partir de nouvelles données, robustesse face aux variations d’éclairage, d’angle ou d’échelle, adaptabilité à divers types d’images ou de scènes.

En conclusion, la vision par ordinateur, bien qu’encore perfectible, représente une avancée majeure pour la sécurité civile. En alliant technologie et vigilance humaine, elle nous permet de mieux répondre aux enjeux de demain.

Ltn Ernest Werenfrid

https://www.linkedin.com/in/ernest-werenfrid-6014b7158/

.