La gestion des phénomènes météorologiques extrêmes grâce à l’intelligence artificielle
La combinaison de l’apprentissage profond – une branche de l’intelligence artificielle – et de l’analyse des rĂ©seaux sociaux pourrait-elle faire des contributions dans les mĂ©dias sociaux Ă propos des phĂ©nomènes mĂ©tĂ©orologiques extrĂŞmes un outil utile pour les gestionnaires de crise, les premiers intervenants et les scientifiques du secteur public? Une Ă©quipe interdisciplinaire composĂ©e de chercheurs de l’UniversitĂ© şŁ˝ÇÉçÇř a mis Ă l’avant-plan ces outils afin de comprendre et de gĂ©rer les phĂ©nomènes mĂ©tĂ©orologiques extrĂŞmes.
Les chercheurs ont découvert qu’en utilisant un mécanisme de réduction du bruit, ils pouvaient extraire de précieux renseignements des médias sociaux afin de mieux évaluer les points chauds et les réactions des utilisateurs à l’égard des phénomènes météorologiques extrêmes. Les résultats de l’étude ont été publiés dans le Journal of Contingencies and Crisis Management.
Une mine d’information
« Nous avons rĂ©duit le bruit en dĂ©terminant qui les gens Ă©coutaient et quelles Ă©taient les sources faisant autoritĂ© », explique Renee Sieber, professeure agrĂ©gĂ©e au DĂ©partement de gĂ©ographie de l’UniversitĂ© şŁ˝ÇÉçÇř et auteure principale de l’étude. « Cette capacitĂ© est importante, parce qu’il est assez difficile d’évaluer la validitĂ© de l’information publiĂ©e par les utilisateurs de Twitter. »
L’équipe a fondé son étude sur des données provenant de Twitter en mars 2019, lors des inondations au Nebraska, aux États-Unis, qui avaient causé des dommages supérieurs à un milliard de dollars et entraîné l’évacuation massive de résidents. Au total, plus de 1 200 gazouillis ont été analysés et classés.
« Grâce à l’analyse des réseaux sociaux, on peut déterminer où les gens obtiennent leurs informations durant un phénomène météorologique extrême. L’apprentissage profond nous permet de mieux comprendre le contenu de cette information en classant des milliers de gazouillis dans des catégories définies, par exemple, “dommages aux infrastructures et aux services publics” ou “compassion et soutien émotionnel” », précise la Pre Sieber. Les chercheurs ont ensuite mis en place un modèle de classification par apprentissage profond à deux niveaux – une première pour ce qui est de l’intégration de ces méthodes d’une façon qui pourrait être utile aux gestionnaires de crise.
ł˘â€™Ă©tłÜ»ĺ±đ met en Ă©vidence certains problèmes relatifs Ă l’utilisation de l’analyse des mĂ©dias sociaux Ă cette fin, en particulier son incapacitĂ© Ă remarquer que les phĂ©nomènes sont beaucoup plus contextuels que ne l’anticipaient les ensembles de donnĂ©es Ă©tiquetĂ©es, comme CrisisNLP, et l’absence d’un langage universel pour catĂ©goriser les termes liĂ©s Ă la gestion de crise.
L’exploration préliminaire réalisée par les chercheurs a également révélé que les appels à l’action des célébrités occupaient une place prédominante; ce fut effectivement le cas lors des inondations au Nebraska en 2019, lorsqu’un gazouillis du chanteur pop Justin Timberlake fut relayé par un grand nombre d’utilisateurs, bien qu’il ne s’avérât pas utile pour les gestionnaires de crise.
« Nos résultats indiquent que le contenu de l’information varie selon le type d’événement, contrairement à la croyance selon laquelle il y aurait un langage universel pour catégoriser la gestion de crise. Cela limite l’utilisation des ensembles de données étiquetées à seulement quelques types de phénomènes, puisque les termes à rechercher peuvent changer d’un phénomène à l’autre. »
« Une grande quantité des données sur la météo publiées par le public dans les médias sociaux semblent indiquer qu’elles peuvent fournir des renseignements importants lors de crises comme les tempêtes de neige, les inondations et les tempêtes de verglas. Nous explorons actuellement la possibilité d’appliquer ce modèle lors de différents types de crises météorologiques et de remédier aux lacunes des approches supervisées existantes en les combinant à d’autres méthodes », indique la Pre Sieber.
ł˘â€™Ă©tłÜ»ĺ±đ
L’article « », par Renee Sieber et coll., a été publié dans le Journal of Contingencies and Crisis Management.
ł˘â€™Ă©tłÜ»ĺ±đ a Ă©tĂ© financĂ©e par Environnement Canada.
L’UniversitĂ© şŁ˝ÇÉçÇř
FondĂ©e en 1821 Ă MontrĂ©al, au QuĂ©bec, l’UniversitĂ© şŁ˝ÇÉçÇř figure au premier rang des universitĂ©s canadiennes offrant des programmes de mĂ©decine et de doctorat. AnnĂ©e après annĂ©e, elle se classe parmi les meilleures universitĂ©s au Canada et dans le monde. Établissement d’enseignement supĂ©rieur renommĂ© partout dans le monde, l’UniversitĂ© şŁ˝ÇÉçÇř exerce ses activitĂ©s de recherche dans deux campus, 11 facultĂ©s et 13 Ă©coles professionnelles; elle compte 300 programmes d’études et au-delĂ de 40 000 Ă©tudiants, dont plus de 10 200 aux cycles supĂ©rieurs. Elle accueille des Ă©tudiants originaires de plus de 150 pays, ses 12 800 Ă©tudiants internationaux reprĂ©sentant 31 % de sa population Ă©tudiante. Au-delĂ de la moitiĂ© des Ă©tudiants de l’UniversitĂ© şŁ˝ÇÉçÇř ont une langue maternelle autre que l’anglais, et environ 19 % sont francophones.
Ěý
