Quand l’intelligence artificielle prédit la qualité de l’eau douce

Une solution, qui à l’aide de l’intelligence artificielle et des données spatiales et météorologiques, permet d’accompagner les professionnels mais aussi les consommateurs pour une meilleure prévention de la contamination de l’eau douce aux cyanobactéries.

Face à l’accélération du réchauffement climatique, l’eau douce subit de façon croissante une contamination aux toxines de cyanobactéries, source de risques sanitaires pouvant provoquer de graves effets sur la santé, aussi bien auprès de la population humaine que de la faune et de la flore.

En 2021, le projet BEPS-IA (Bloom Event Prediction by Satellite Images Analysis) mené par SCALIAN et WaterShed Monitoring Europe en partenariat avec le CNES et l’Agence spatiale européenne, a démontré les premières capacités prédictives des évènements de prolifération massive de cyanobactéries (les efflorescences) par le biais du traitement par l’IA d’images spatiales multi spectrales et de données météorologiques locales.

« Dans ce travail d’expertise de 2 ans, l’objectif est d’intégrer les données spatiales et météorologiques à un algorithme d’IA afin de prédire ces phénomènes » explique Cécile Frayssinet, Cheffe de Projet Data et responsable du projet Nerthus chez SCALIAN.

Depuis juin 2023, l’ESA, SCALIAN et WaterShed Monitoring Europe s’unissent pour propulser l’intelligence artificielle développée dans BEPS-IA vers une nouvelle dimension, plus performante, plus robuste, plus responsable et plus accessible. Au cours des deux prochaines années, les experts de SCALIAN et de WaterShed Monitoring Europe travailleront sur la finalisation de la solution en tenant compte des retours d’un panel d’utilisateurs concernés par la problématique des cyanobactéries.

En avril 2025, WaterShed Monitoring Europe ouvrira officiellement la distribution de ce nouveau service innovant. Cette plateforme en ligne, permettra à ses utilisateurs de limiter les impacts sanitaires, économiques, écologiques et politiques d’évènements d’efflorescences.