L’Ouest parie qu’une détection plus précoce peut changer l’issue des incendies de forêt

À mesure que les conditions de feux de forêt sévères s’aggravent dans l’Ouest américain, les services publics et les agences d’État développent l’usage de réseaux de caméras alimentées par l’IA, conçues pour repérer rapidement la fumée et alerter les intervenants avant qu’un incendie ne devienne incontrôlable. La technologie n’est pas présentée comme un remplacement des pompiers ou du jugement humain, mais comme un multiplicateur de force dans des territoires où les grandes distances et la visibilité limitée peuvent coûter de précieuses minutes.

L’argument en faveur de ces systèmes repose sur une vérité opérationnelle simple: plus un incendie est identifié tôt, plus il a de chances d’être contenu alors qu’il est encore petit. En Arizona, un exemple sert déjà de preuve. Un après-midi de mars, l’intelligence artificielle a signalé quelque chose ressemblant à de la fumée sur un flux de caméra de la forêt nationale de Coconino. Des analystes humains ont ensuite vérifié qu’il ne s’agissait ni d’un nuage ni de poussière et ont alerté le service forestier de l’État ainsi qu’Arizona Public Service. L’incendie qui a suivi, baptisé plus tard Diamond Fire, a été contenu avant de dépasser 7 acres.

Cette séquence illustre le modèle qui se répand désormais dans plusieurs États: les machines scrutent en continu, les humains vérifient et les autorités interviennent. C’est un changement progressif dans le flux de travail, mais aux conséquences potentiellement majeures dans une région confrontée à des chaleurs records et à un faible manteau neigeux.

De caméras isolées à des réseaux régionaux

Arizona Public Service dispose de près de 40 caméras actives de détection de fumée par IA et prévoit de porter ce total à 71 d’ici la fin de l’été. L’agence des incendies de l’État en a déployé sept des siennes. Au Colorado, Xcel Energy a installé 126 caméras et vise des systèmes opérationnels dans sept des huit États qu’elle dessert d’ici la fin de l’année.

La Californie est déjà passée à une échelle bien plus grande via ALERTCalifornia, un réseau d’environ 1 240 caméras alimentées par l’IA déployées dans tout l’État. Le système fonctionne de manière similaire, utilisant l’IA pour repérer d’éventuelles fumées tout en gardant des humains dans la boucle afin de réduire les faux positifs et d’améliorer le modèle au fil du temps. Cette couche de vérification humaine n’est pas anecdotique. C’est l’une des raisons pour lesquelles ces déploiements sont considérés comme des outils opérationnels plutôt que comme de simples curiosités expérimentales.

Les fausses alertes constituent un risque majeur dans la surveillance environnementale, en particulier dans des terrains accidentés où la météo, la poussière, la brume et les conditions de lumière peuvent facilement tromper les systèmes automatisés. En exigeant une confirmation humaine avant d’escalader les alertes, les agences cherchent à préserver la confiance dans la technologie tout en conservant son avantage de rapidité. Selon Neal Driscoll, fondateur d’ALERTCalifornia, cette boucle de rétroaction entraîne aussi le système à devenir plus précis.