L’IA utilisée pour améliorer la prédiction des éclairs

La prévision météorologique a considérablement amélioré au cours de la dernière décennie, les prévisions à 5 jours étant désormais d’environ 90 % précises. Cependant, un aspect du temps qui a longtemps échappé aux tentatives de prédiction est la foudre. En raison de son caractère imprévisible, il est très difficile de minimiser les dégâts qu’elle peut causer à la vie humaine, aux biens et à la nature. Grâce au travail d’une équipe de recherche de l’EPFL (Ecole Polytechnique Fédérale de Lausanne) School of Engineering, les éclairs pourraient être beaucoup plus prévisibles dans un avenir proche.

Selon SciTechDaily, une équipe de chercheurs de l’EPFL, du laboratoire d’électromagnétisme de l’école d’ingénierie, a récemment créé un programme d’IA capable de prédire avec précision un éclair dans un délai de 10 à 30 minutes et sur un rayon de 30 kilomètres. Le système créé par l’équipe d’ingénieurs applique des algorithmes d’intelligence artificielle aux données météorologiques, et le système sera utilisé dans le cadre du projet European Laser Lightning Rod.

L’objectif du projet European Laser Lightning Rod (ELLR) est de créer de nouveaux types de systèmes et de techniques de protection contre la foudre. Plus précisément, l’ELLR vise à créer un système qui utilise une technique basée sur le laser pour réduire le nombre d’éclairs naturels descendant, en stimulant les éclairs ascendants.

Selon l’équipe de recherche, les méthodes actuelles de prédiction de la foudre reposent sur des données collectées par radar ou satellite, ce qui peut être très coûteux. Le radar est utilisé pour scanner les tempêtes et déterminer le potentiel électrique de la tempête. D’autres systèmes de prédiction de la foudre nécessitent souvent l’utilisation de trois récepteurs ou plus dans une région pour que les occurrences de foudre puissent être triangulées. La création de prédictions de cette manière est souvent un processus lent et complexe.

À la place, la méthode développée par l’équipe de l’EPFL utilise des données qui peuvent être collectées à tout poste météorologique standard. Cela signifie que les données sont beaucoup moins chères et plus faciles à collecter, et que le système pourrait potentiellement être appliqué à des régions reculées où les systèmes de satellite ou de radar ne couvrent pas et où les réseaux de communication sont peu développés.

Les données pour les prédictions peuvent également être collectées rapidement et en temps réel, ce qui signifie qu’une région pourrait potentiellement être avertie de l’arrivée d’éclairs même avant qu’une tempête ne se forme dans la région. Selon ScienceDaily, la méthode utilisée par l’équipe de l’EPFL pour faire des prédictions est un algorithme d’apprentissage automatique formé sur des données collectées à partir de 12 stations météorologiques suisses. Les données couvraient une décennie et à la fois des régions montagneuses et urbaines étaient représentées dans le jeu de données.

La raison pour laquelle les éclairs peuvent être prédits est qu’ils sont fortement corrélés avec des conditions météorologiques spécifiques. L’un des ingrédients les plus importants pour la formation de la foudre est la convection intense, où l’air humide monte à mesure que l’atmosphère devient instable dans la région locale. Les collisions entre les gouttes d’eau, les particules de glace et d’autres molécules dans les nuages peuvent causer une séparation des charges électriques dans les particules. Cette séparation conduit à la création de couches de nuages avec des charges opposées, ce qui conduit aux décharges qui apparaissent sous forme de foudre. Les caractéristiques atmosphériques associées à ces conditions météorologiques peuvent être intégrées dans des algorithmes d’apprentissage automatique pour prédire les éclairs.

Parmi les caractéristiques du jeu de données figuraient des variables telles que la vitesse du vent, l’humidité relative, la température de l’air et la pression atmosphérique. Ces caractéristiques étaient étiquetées avec des éclairs enregistrés et l’emplacement du système qui a détecté l’éclair. Sur la base de ces caractéristiques, l’algorithme a pu interpréter les modèles dans les conditions qui ont conduit aux éclairs. Lorsque le modèle a été testé, il s’est avéré capable de prédire correctement un éclair dans environ 80 % des cas.

Le modèle de l’équipe de l’EPFL est notable car il s’agit du premier exemple d’un système basé sur des données météorologiques couramment disponibles capable de prédire avec précision les éclairs.