L'an passé, 400 éléphants sont morts en l'espace de quelques mois au Botswana. Le coupable est identifié au terme d'une large investigation par les autorités. Pas de braconnier à l'horizon mais la présence de cyanobactéries dans la réserve d'eau douce où venaient boire les pachydermes.

"Avec le réchauffement climatique, les phénomènes d'efflorescence de cyanobactéries sont amenés à se multiplier. La présence de ces bactéries est normale et même nécessaire au bon fonctionnement de l'écosystème aquatique. Mais lorsqu'il y a une trop grande concentration de cyanobactéries sur un plan d'eau douce, l'eau devient impropre à la consommation", explique Thomas Benoist, responsable des ventes de solution chez Scalian.

Prévenir un à trois jours à l'avance le phénomène

La société d'ingénierie toulousaine été choisie au printemps dernier par l'agence spatiale européenne et le Cnes pour développer avec l'entreprise canadienne Watershed un projet de prédiction des efflorescences de cyanobactéries. Scalian avait déjà une solide expertise en matière de solutions d'intelligence artificielle à partir d'images satellites. De son côté, Watershed est spécialisée dans les systèmes de mesure de la qualité de l'eau. Elle a développé à destination des agglomérations ou des agences en charge du traitement de l'eau une plateforme qui permet de surveiller l'ensemble de l'écosystème.

Lire aussi 7 mnIA : Vitesco et l'institut Aniti s'associent pour une industrie 4.0 plus poussée

"Scalian a développé des algorithmes à partir d'images satellitaires multispectrales, pour pouvoir anticiper en amont l'efflorescence de cyanobactéries, alors que rien ne le laisse paraître visuellement grâce à l'apprentissage automatique de nos algorithmes d'intelligence artificielle. Nous sommes capables de prédire avec un à trois jours d'avance le phénomène. L'idée est que ces données alertent sur le risque sanitaire les agences de l'eau ou les responsables de bassin dédiés à des sports aquatiques pour qu'ils puissent soit interdire la baignade, soit trouver un autre moyen d'approvisionnement en eau potable", détaille Thomas Benoist.

Un taux de prédiction de 97%

Pour entraîner l'algorithme, Scalian a pu s'appuyer sur une solide base de données du lac Saint-Charles au Québec qui fait l'objet d'une surveillance depuis une dizaine d'années. Le modèle a ensuite été testé pendant sept mois sur ce même lac. Cette étude de faisabilité vient d'arriver à son terme et livre de premiers résultats encourageants.

"Nous sommes capables à 97% de prévoir qu'il va y avoir une efflorescence dans les jours à venir, confirmant nos hypothèses initiales. En revanche, nous avons encore beaucoup de faux positifs (39%), nous détectons trop d'événements. Pour stabiliser le modèle, nous allons coupler les images satellitaires avec des données météo ou des sondes installées sur des bouées", ajoute le représentant de Scalian.

Après cette première phase de test, le projet va entrer en phase d'industrialisation jusqu'en 2024 avec l'objectif de tisser des collaborations avec des industriels de l'eau.