Et si l’IA pouvait contribuer au sauvetage en mer ?

Dans le cadre d’un hackathon, Avisia a développé des modèles d’intelligence artificielle destinés à améliorer les opérations de sauvetage en mer via la détection des fausses alertes et l’allocation de moyens.

Allassane Mamane, practice manager chez Avisia

Le potentiel de l’intelligence artificielle ne réside pas seulement dans la création de valeur pour les entreprises. Ces technologies peuvent aussi contribuer dans d’autres domaines, y compris sur un plan sociétal. Ces finalités peuvent être génératrices de sens pour des data scientists et ainsi constituer des facteurs d’attractivité pour les entreprises développant de tels cas d’usage.

A lire aussi : Avec l’IA, le projet Autend prépare des changements profonds pour la filière nucléaire

Cabinet de conseil, spécialisé notamment dans la Data, Avisia a ainsi conçu des modèles d’IA pour les opérations de sauvetage en mer. Cette application de l’intelligence artificielle a été pensée à l’occasion d’un hackathon mondial organisé par l’éditeur SAS.

Optimiser les opérations de surveillance et de sauvetage

Ce rendez-vous présentait une double opportunité pour les équipes du cabinet. Le hackathon permettait ainsi de faire émerger un projet imaginé en interne, mais aussi de tester une nouvelle technologie avec la plateforme SAS Viya afin de favoriser la montée en compétence.   

Pour concevoir un modèle d’IA, Avisia avait préalablement identifié la disponibilité en open data de données des CROSS, les centres régionaux opérationnels de surveillance et de sauvetage.

Ces données ont été intégrées à la plateforme afin d’enclencher une phase d’exploration pour sélectionner les problématiques pertinentes. “Nous partions d’un principe : comment, en utilisant les données open data et les outils avancés d’analytics, optimiser les opérations du CROSS ?”, explique Allassane Mamane, practice manager chez AVISIA.

L’analyse-diagnostique a par la suite permis de faire ressortir deux sujets principaux : la gestion des fausses alertes et la réduction du nombre de blessés. Les participants du challenge pouvaient ensuite se consacrer à l’étape de modélisation, mais après toutefois la préparation de données.

Les experts ont en outre décidé d’enrichir le dataset, notamment par l’ajout de données météorologiques. Pour la modélisation, Avisia a mobilisé un outil de traitement en mémoire, VDMML, qui fournit de multiples modèles de machine learning. L’objectif : tester et comparer différents modèles pour identifier le “modèle champion”.

Du machine learning pour détecter les fausses alertes

Sur les deux thématiques, Avisia a donc conçu ses modèles de ML (Gradient Boosting et réseaux de neurones), consacrant cependant plus de temps au sujet de “la détection au plus tôt des fausses alertes”, qui potentiellement permettrait aux CROSS de “gagner en efficacité et de réaliser des économies en termes de moyens.”

Le projet ne s’arrête pas au hackthon, malgré une 2e place au classement remportée dans la catégorie secteur public. L’objectif pour le cabinet est à présent de capitaliser sur ces réalisations pour concevoir des modèles plus avancés afin de les proposer aux opérationnels du sauvetage en mer. 

“Nous avons transformé le hackathon en une première étape d’un projet interne, que nous souhaitons mener jusqu’à son terme en proposant une solution opérationnelle pour le CROSS”, déclare Allassane Mamane.

Avisia a déjà identifié des pistes d’amélioration pour ses modèles, dont l’enrichissement avec d’autres sources de données. Cet enrichissement est présenté “comme une des phases les plus importantes”. Parmi les sources potentielles, le CROSS pourrait par exemple disposer de datasets pertinents ou fournir des historiques plus conséquents.

Au-delà de l’algorithmie, le cabinet planche également sur la restitution des résultats des modèles et leur utilisation dans le cadre du processus de prise de décision. Lors du hackthon, Avisia a eu recours pour la restitution à un tableau de bord sous Visual Analytics et à Model Studio.

Des projets à impact et d’intérêt public pour les data scientists

Dans le cadre d’un possible accord avec le CROSS, l’entreprise réfléchit, par exemple, à des modes de mise à disposition des résultats des modèles “en quasi temps réel” sur les terminaux des opérationnels. “L’idéal, c’est une alerte entrante qualifiée par le modèle, qui indiquera un taux de probabilité de fausse alerte”, détaille le Practice Manager.

A l’humain ensuite de prendre la décision finale. Le modèle vise lui à aider la prise de décision, non à s’y substituer, d’autant que les actions, déclenchées ou non, ont un impact potentiel sur des vies.

En fonction de la probabilité générée par le modèle, le CROSS pourrait néanmoins allouer des moyens adaptés ou déclencher des actions proportionnées. Allassane Mamane témoigne d’ores et déjà de l’intérêt exprimé au sein du Ministère de la mer.

Il suggère en outre que les sujets d’intérêt public pourraient être un moyen d’accroître le recours à l’IA dans le secteur public. Ces technologies y restent encore sous-exploitées, soulignait fin août un rapport du Conseil d’Etat.

Ces projets d’intérêt général trouvent également un intérêt au sein des entreprises spécialisées et parmi les experts de la data science. “C’est une demande de nos consultants, notamment pour leur permettre de monter en compétence en balayant l’ensemble du cycle analytics. Nous avions aussi le souhait d’avoir un impact au-delà des missions habituelles que nous menons”, conclut Allassane Mamane.