Le Lab IA : Présentation | Équipe | Projets | Outils | Communauté
Comment l’Office français pour la biodiversité (OFB) oriente les contrôles de la police de l’eau en valorisant des historiques de données sur les usages et la qualité de l’eau
Grâce à l’IA, l’OFB souhaite faciliter la planification des activités de contrôle réalisées par ses agents de la police de l’eau pour mieux cibler les secteurs à contrôler en priorité et réduire l’impact de l’activité humaine sur l’environnement. Elle a donc lancé un projet, accompagné par le Lab IA et la DITP et financé par l’appel à manifestation d’intérêt IA 1.
|
Date – Durée 2019 – 10 mois |
Administration OFB |
|
Statut actuel Expérimentation en cours au 1er trimestre 2020 |
Porteurs Alexandre Liccardi (OFB) François Hissel (OFB) Laurent Ratineau (OFB) |
|
Domaine IA Données structurées |
Politique publique Énergie et environnement |
|
Code source Pas encore ouvert |
Typologie métier Inspection et contrôle |
Contexte initial
Sur l’ensemble du territoire français, les 1 800 agents de terrain de l’OFB réalisent plusieurs milliers de contrôles chaque année (20 000 contrôles de police de l’environnement, hors chasse et permis de chasser) pour s’assurer de l’absence d’atteintes aux milieux aquatiques par les activités humaines, comme les pollutions du fait des pratiques agricoles ou industrielles.
Plus spécifiquement, ses agents de la police de l’eau contrôlent la pollution dite « diffuse » des cours et étendues d’eau. Toutefois, seuls 23% des contrôles de pollution « diffuse » réalisés chaque année donnent effectivement lieu à un constat de pollution de la zone contrôlée. D’où la recherche de nouvelles solutions grâce à l’intelligence artificielle.
Bénéfices attendus
Démarche
Le projet a consisté à …
1. Définir le périmètre de l’expérimentation de l’outil développé. Le choix a été fait de réaliser la preuve de concept au sein de 2 départements pilotes : Ille-et-Vilaine et Morbihan et de prendre en compte les besoins du terrain spécifiques à ces deux départements.
2. Se focaliser dans un premier temps sur le périmètre des pollutions « diffuses » de l’eau (i.e. contamination de l’eau par divers facteurs dont la source est difficile à déterminer).
3. Alimenter un algorithme d’apprentissage supervisé avec des historiques de données de 93 variables physico-chimiques, socio-économiques et géographiques (Ex : type de culture, zone humide, urbanisation, économie…).
4. Calculer le risque de pollution « diffuse » de l’eau dans une zone donnée grâce à l’algorithme d’apprentissage. Ce risque est un indicateur de priorité des zones à contrôler, qui intègre les historiques des contrôles précédents, la vulnérabilité des milieux naturels, les pressions des activités humaines et les variables environnementales descriptives de l’état de l’environnement (concentrations chimiques, topographie…)
5. Restituer les résultats sur une interface à destination des agents de l’OFB. Celle-ci leur permet de prioriser leurs contrôles en se concentrant sur les zones à risque et de nouvelles zones à investiguer. (cf. illustration)
sur l’interface utilisateur
Résultats
Les agents de la police de l’eau se voient désormais proposer quotidiennement une zone (5km*5km) où il maximise l’impact de leur action de contrôle.
L’interface de la solution IA, coconstruite et « sur mesure » est adapté aux agents. L’outil est utilisable sur des terminaux mobiles et propose une représentation cartographique, donc adapté au terrain.
Statistiquement, la prédiction du risque d’infraction est améliorée par 3 par rapport aux modèles usuels non basés sur l’IA
x3
L’IA permet d’améliorer la prédiction du risque d’infraction par un facteur 3 par rapport aux modèles usuels
Ce qu’il faut en retenir
Bien dimensionner le périmètre initial du projet pour atteindre un résultat tangible.
Anticiper la phase de mise en production de l’outil dans les systèmes d’informations en impliquant les acteurs nécessaires.
Expérimenter la solution avec les inspecteurs-testeurs sur le terrain pour itérer et améliorer l’outil.
Et la suite ?
D’autres acteurs publics pourraient être associés pour tester l’outil (en particulier, directions régionales et départementales). Une extension du périmètre thématique (nouvelles catégories de pollutions analysées) et géographique (toute la Bretagne en 2020 puis l’ensemble du bassin versant après 2020) est envisagée. A terme, des plans de contrôle prioritaires pourront être mis en place.
« On a développé un prototype qui paraît cohérent, efficace et mobilisable par les métiers, qui y voient un réel intérêt dans leurs activités. »
Porteurs de projets à l’OFB
Découvrez le Lab IA : Présentation | Équipe | Projets | Outils | Communauté
