Le rôle croissant de l’IA dans la lutte contre la déforestation

La déforestation est un problème qui dure depuis des décennies. Même si la technologie a évolué, les contrevenants ont gardé l’avantage parce qu’il y a simplement trop de terres à couvrir — jusqu’à maintenant. L’intelligence artificielle pourrait-elle être la clé pour mettre fin à la déforestation illégale ? Ses potentialités et ses cas d’utilisation dans le monde réel montrent des promesses.

1. Identifier les zones de reboisement optimales

Bien que les taux de déforestation fluctuent, plus d’arbres sont perdus chaque année. Il a augmenté de 4% de 2021 à 2022, ce qui équivaut à plus de 6,6 millions d’hectares de forêt perdus. Même si toutes les opérations illégales de coupe, de minage et d’agriculture cessent aujourd’hui, ces environnements critiques seront toujours désavantagés.

Si cette tendance se poursuit sans contrôle, le monde verra les températures monter, la faune fuir et les écosystèmes locaux s’affaiblir. Un processus de dépérissement incontrôlable se déclenche à ce stade, ce qui signifie que les conditions des arbres sains se dégradent progressivement. Cela entraînera un effet domino où des millions d’hectares de forêt supplémentaires seront perdus malgré l’absence de déforestation humaine.

Avec l’IA, les activistes et les gouvernements locaux peuvent accélérer la reforestation, aidant les forêts à retrouver leur état d’origine avant l’intervention humaine. Le modèle peut identifier les zones où la replantation serait la plus efficace. Il peut également identifier les espèces d’arbres à croissance rapide et natives résistantes aux parasites et à la sécheresse. Une fois les plants plantés, il peut surveiller leur croissance en temps réel.

2. Analyser les images satellites pour la perte de forêt

Pendant des décennies, l’analyse des images satellites a été l’un des rares moyens d’identifier la déforestation en action, à part les stratégies moins efficaces de bouche à oreille ou de bottes sur le terrain. Cependant, puisqu’il y a plus de 3 billions d’arbres sur la planète, il y a beaucoup de terrain à couvrir. Alors que passer manuellement par ces images est impraticable, les logiciels traditionnels manquent de détails critiques.

La technologie de reconnaissance d’images basée sur l’IA peut détecter les indicateurs précoces de perte de forêt, y compris les nouvelles routes, la fumée et les nouvelles clairières. Elle peut signaler toute détection positive à un humain en temps réel, permettant à celui-ci de réviser et de signaler aux agences de police locales. Les équipes peuvent même utiliser des drones basés sur l’IA pour des vues aériennes rapprochées.

3. Différencier entre les opérations légales et illégales

Parfois, la déforestation est légale. Les gouvernements locaux approuvent ces opérations pour que les entreprises puissent continuer à fonctionner. Cependant, ce qui commence comme une action sanctionnée ne reste pas toujours ainsi. Il y a de nombreux cas où les individus empiètent sur des territoires protégés avec la compréhension qu’il vaut mieux demander pardon que permission.

En fait, l’expansion des terres agricoles représente près de 50% de la déforestation dans le monde, suivie de près par le pâturage du bétail à 38,5%. Avec les images satellites seules, il est compliqué de faire la différence entre la déforestation légale, semi-légale et illégale. L’IA comble les lacunes en analysant la couleur, la texture et l’étendue de la couverture forestière, éliminant les conjectures.

4. Analyser les sons qui signalent la déforestation

À quoi ressemble la déforestation ? Les tronçonneuses qui ronronnent, les arbres qui tombent, les excavatrices qui rugissent, la faune qui est en détresse et les broussailles qui brûlent. Malheureusement, le bruit des machines lourdes, des outils électriques, des camions et des conversations entre les travailleurs est rapidement étouffé dans les zones densément boisées, ce qui rend difficile l’identification de ces opérations.

Les systèmes de surveillance basés sur l’Internet des objets (IoT) alimentés par des panneaux solaires miniatures pour la surveillance acoustique peuvent être placés presque partout, ils peuvent donc capter ces indices audio. De plus, puisque les animaux fuient et pénètrent dans des zones qu’ils n’occuperaient normalement pas lorsque les contrevenants brûlent ou coupent des arbres, ces caméras peuvent identifier une éventuelle ingérence humaine avant que la coupe ne commence.

5. Traiter les opérations illégales à la source

Le Bureau of Investigative Journalism a récemment découvert que la viande de fermiers faisait son chemin dans les chaînes d’approvisionnement mondiales — y compris celles qui fournissent deux des plus grandes entreprises de viande au monde — après qu’elles aient été accusées de déforestation illégale et punies par la suite. Malgré les embargos, les affaires ont continué comme d’habitude. Certaines ont même poursuivi la déforestation.

La déforestation illégale est souvent motivée par des scieries, des raffineries et des fermes locales. Que les travailleurs veuillent étendre leurs terres agricoles, vendre plus de produits ou nourrir leurs troupeaux à bon marché, ils contribuent à des pertes forestières importantes. Malheureusement, retrouver la source de ces activités est difficile. C’est-à-dire, à moins que les gens n’utilisent l’IA.

L’IA peut suivre les machines lourdes lorsqu’elles se déplacent des clairières nouvellement créées jusqu’à leur station de base, aidant les enquêteurs à réduire leur recherche. Alternativement, elle peut utiliser la technologie de reconnaissance faciale pour découvrir l’identité de ceux qui sont impliqués. Cela aide les agences de police locales à identifier les contrevenants récidivistes, réduisant l’écart entre l’attribution et l’application des peines.

6. Analyser les données héritées non archivées

Bien que les données sur la déforestation remontent à des décennies, beaucoup restent inaccessibles à ce jour. C’est parce qu’elles ne sont accessibles que via des sources physiques non archivées comme les notes de terrain, les cassettes, la correspondance écrite et les spécimens biologiques conservés. Ces preuves existent dans des silos, cachées des outils traditionnels qui analysent les ressources en ligne.

Avec la reconnaissance d’images basée sur l’IA, la détection de langage et la transcription automatique, les chercheurs peuvent enfin sécuriser ces connaissances précieuses. Cela leur permet d’identifier les facteurs de perte de forêt et de révéler les contrevenants récidivistes. Les modèles avancés peuvent prendre en compte le contexte, en maintenant l’exactitude même si les entités contrevenantes changent de nom ou si les frontières des localités changent.

7. Permettre une intervention proactive

Bien que la clarté des images satellites ait été améliorée pendant des décennies — les professionnels peuvent maintenant identifier la déforestation avec une précision sans précédent — cette stratégie est toujours réactive. La perte de forêt se produit toujours même si les intervenants interviennent immédiatement après avoir reçu une alerte. Avec l’IA, ils peuvent enfin atteindre une intervention proactive, en identifiant les zones à risque avant que la déforestation ne commence.

L’IA peut analyser des facteurs tels que la topographie locale, la distance des routes et les taux d’industrialisation pour déterminer les zones les plus à risque. Elle peut même prendre en compte des éléments complexes tels que le climat géopolitique ou le marché mondial du bois. Un tel outil n’est plus hypothétique — une équipe de recherche conjointe l’a développé.

Les chercheurs du Fonds mondial pour la nature ont collaboré avec des informaticiens pour développer une IA appelée Forest Foresight. Elle peut prédire la perte de forêt jusqu’à six mois à l’avance avec une précision de plus de 80%. Lorsqu’elle reconnaît des opérations illégales potentielles, elle peut alerter les autorités locales, arrêtant la déforestation avant qu’elle ne commence.

8. Utiliser des capteurs pour identifier les activités illégales

Que les opérations de déforestation illégale utilisent des machines lourdes pour couper des arbres, déplacer des animaux de ferme dans des territoires protégés ou allumer des incendies de forêt pour défricher, leurs actions produisent certaines émissions. Par exemple, une seule vache produit jusqu’à 264 livres de méthane par an — les émissions gazeuses d’un troupeau entier seraient remarquables.

Les capteurs basés sur l’IA placés stratégiquement dans les forêts à haut risque peuvent suivre les émissions de méthane, de monoxyde de carbone et de dioxyde de carbone. Si elles augmentent soudainement, les équipes peuvent enquêter plus avant. Cette approche pourrait être particulièrement efficace car le modèle peut prendre en compte le contexte, permettant ainsi de filtrer les faux positifs et de faciliter les enquêtes.

9. Fournir une ligne d’information anonyme

Dans le passé, les activistes et les agences de police ont largement compté sur la bouche à oreille pour découvrir les opérations de coupe illégale. Même si elles sont passées à d’autres approches une fois que les images satellites sont devenues largement disponibles, cela n’en est pas moins utile. Si elles étaient à utiliser des chatbots basés sur l’IA dans les zones touchées, elles pourraient recevoir des conseils anonymes éclairés sur les pertes de forêt potentielles.

Le déploiement de l’IA pour ce cas d’utilisation est idéal car un seul modèle peut tenir des dizaines — voire des centaines ou des milliers — de conversations à la fois. Ceux qui interagissent avec lui n’ont pas besoin d’attendre les heures de bureau ou d’être mis en attente, ce qui les incite à envoyer un message. Cette technologie peut également analyser les sémantiques, extraire des mots clés et résumer les rapports pour leurs homologues humains.

L’IA peut-elle mettre fin à la déforestation une fois pour toutes ?

En vérité, l’IA n’est pas une solution miracle. Elle peut faire tout le travail, mais il y a de nombreuses autres pièces mobiles. La fin de la déforestation nécessite l’adhésion des politiciens locaux, la collaboration entre les groupes d’enquête et les ressources publiques disponibles. Cependant, cette technologie pourrait toujours être un facteur de changement, en réduisant les taux de perte de forêt à des niveaux jamais vus auparavant.