L’article « Tackling Climate Change with Machine Learning » va aujourd’hui permettre d’avoir un regard complémentaire à ma publication précédente d’un article sur l’hypocrisie climatique de Microsoft (cf sources ci-dessous).

Il me semble être une ressource précieuse et assez exhaustive sur le potentiel de l’intelligence artificielle (IA) pour lutter contre le changement climatique, même s’il manque par exemple les effets potentiels de l’IA pour l’adaptation au changement climatique (la santé pourrait en faire partie)

Voici donc une vision par domaine des applications possibles. Vous pouvez évidemment lire tout l’article qui fait référence sur le sujet.

Il faut aussi en retenir une méthodologie pour se poser la question de la pertinence de l’IA pour traiter un problème en se basant sur 3 critères:

• Le Machine Learning peut-il apporter une contribution unique ?
• Y a-t-il suffisamment de données disponibles ?
• L’application aurait-elle un impact significatif sur les émissions de GES ?

Résumé des applications possibles issues de l’article

❇️ Systèmes électriques
Optimiser la gestion des réseaux électriques, améliorer l’intégration des énergies renouvelables, prédire la demande et l’offre d’électricité, et optimiser le stockage de l’énergie. Des applications spécifiques incluent la prévision de la production solaire et éolienne, la gestion de la demande, et l’optimisation des micro-réseaux.

❇️ Transport
Contribuer à réduire les émissions du secteur des transports en optimisant les itinéraires, améliorant l’efficacité des véhicules, facilitant l’adoption des véhicules électriques, et en aidant à la conception de systèmes de transport en commun plus efficaces. Des applications incluent la prédiction du trafic, l’optimisation des flottes de véhicules, et l’amélioration de la logistique du fret.

❇️ Bâtiments et villes
Optimiser la consommation d’énergie dans les bâtiments, améliorer la planification urbaine, et aider à la conception de villes intelligentes. Les applications comprennent la gestion intelligente des systèmes HVAC, la modélisation énergétique des bâtiments, et l’optimisation des infrastructures urbaines.

❇️ Industrie
Améliorer l’efficacité énergétique dans l’industrie, optimiser les chaînes d’approvisionnement, et aider à développer des matériaux plus durables. Les applications incluent la maintenance prédictive, l’optimisation des processus de fabrication, et la gestion de la demande industrielle d’électricité.

❇️ Fermes et forêts
Contribuer à une agriculture plus durable, à la gestion des forêts, et à la surveillance des écosystèmes. Les applications comprennent l’agriculture de précision, la détection précoce des feux de forêt, et le suivi de la déforestation par imagerie satellite.

❇️ Élimination du CO2
Aider à développer et optimiser les technologies de capture et de stockage du carbone. Les applications incluent l’optimisation des processus de capture directe dans l’air et l’identification des sites de stockage géologique appropriés.

❇️ Prévisions climatiques
Améliorer les modèles climatiques, affiner les prévisions météorologiques, et aider à prédire les événements météorologiques extrêmes. Les applications comprennent l’amélioration des modèles de circulation générale et la prévision des impacts locaux du changement climatique.

❇️ Impacts sociétaux
Aider à comprendre et à atténuer les impacts sociaux du changement climatique. Les applications incluent la modélisation des migrations climatiques, la prévision des impacts sur la santé, et l’optimisation des systèmes d’alerte précoce pour les catastrophes naturelles.

❇️ Géo-ingénierie solaire
Contribuer à la recherche sur la géo-ingénierie solaire, bien que ce domaine reste controversé. Les applications potentielles incluent la modélisation des impacts de l’injection d’aérosols stratosphériques et l’optimisation des stratégies de déploiement.

❇️ Actions individuelles
Aider les individus à comprendre et à réduire leur empreinte carbone personnelle. Les applications comprennent les assistants virtuels pour un mode de vie durable, la désagrégation de la consommation d’énergie domestique, et les recommandations personnalisées pour des choix de consommation plus écologiques.

❇️ Décisions collectives
Aider à la prise de décision collective en matière de politique climatique. Les applications incluent la modélisation des interactions sociales, l’analyse des politiques climatiques, et l’optimisation des marchés du carbone.

❇️ Éducation
Améliorer l’éducation sur le changement climatique. Les applications comprennent des systèmes de tutorat intelligents sur les questions climatiques et des simulations interactives des impacts du changement climatique.

❇️ Finance
Aider à intégrer les risques climatiques dans les décisions financières et à orienter les investissements vers des solutions durables. Les applications incluent l’analyse des risques climatiques pour les portefeuilles d’investissement et l’optimisation des investissements dans les technologies propres.

Sources

• L’article scientifique
• Livre blanc Microsoft

Voir aussi nos autres articles sur le sujet

Risques et opportunités de l’IA pour l’environnement – par le CESE

The Atlantic – Faut-il croire ce que Microsoft affirme ‘L’IA résoudra plus de problèmes qu’elle n’en créera’