Comment utiliser la puissance de l’IA pour limiter l’impact du changement climatique en Suisse ?

Comment utiliser la puissance de l’IA pour limiter l’impact du changement climatique en Suisse ?

Recommandations à l’attention de la société et de la sphère économique suisses pour une meilleure résilience face à l’impact d’un changement radical de climat

Surmonter les difficultés par la diffusion à grande échelle des technologies clés et par l’application de méthodes clés dans les domaines du climat et de l’IA.

Impact sur le climat et risque de transition alerter – évaluer – atténuer – adapter

Données d’observation terrestre

IA et supercalculateurs

Technologies clés

IA au service de modèles de système Terre

Bénéficiaires

Intégration au flux de travail de l’IA

Science ouverte : données et code

Méthodes clés

IA responsable et fiable

Nature État

Société

Économie

Vue d’ensemble de l’étude : impact des technologies et méthodes clés visant à réduire les effets du changement climatique ainsi que bénéficiaires des mesures prises.

Introduction

Les impacts du changement climatique affectent l’ensemble de la société. Ils peuvent être directs et se traduire par des dommages aux infrastructures ou par des ruptures de chaînes d’approvisionnement, ou indirects, à l’instar des risques de transition qui se multiplient au fur et à mesure que nous évoluons vers une société décarbonée. Au-delà des impacts physiques directs engendrés par le changement climatique en Suisse, notre économie est fortement tributaire de l’économie mondiale. Notre pays est donc tout autant exposé ou vulnérable que les autres en termes d’approvisionnement, d’accès aux ressources et de disponibilité pour la clientèle. Le processus de réduction des émissions de gaz à effet de serre doit être accéléré. L’adaptation aux risques physiques et de transition doit devenir une priorité absolue pour toutes les entreprises, des sociétés individuelles aux multinationales en passant par les PME et les start-ups.

Si les défis sont considérables, il ne faut pas pour autant occulter les opportunités qui en découlent en matière de coopération et de recherche interdisciplinaire et transdisciplinaire, de déploiement de technologies de pointe ou encore de modèles commerciaux et de produits innovants.

Associés à des données d’observation de la Terre et à des modèles de système Terre de nouvelle génération, les outils d’IA peuvent générer des prévisions météorologiques hautement précises jusqu’à 40 000 fois plus vite que les modèles conventionnels. Des prévisions d’impact climatique peuvent ainsi être générées globalement à des niveaux de résolution sans précédent en vue d’alimenter de précieux outils de résilience climatique. Toutefois, la mise en œuvre de tels modèles d’IA nécessite des ressources d’informatique en nuage et de stockage appropriées, une solide expertise en climatologie et en IA ainsi que la prise en compte du déploiement, de l’intégration, des principes du cycle de vie et des possibilités des logiciels.

Bien que toutes ces ressources soient déjà présentes au sein des communautés concernées, ce n’est que maintenant qu’il devient possible de les répartir à un coût abordable et à un niveau approprié pour les entreprises. Cependant, ces évolutions n’ont pas encore atteint toutes les parties prenantes ; il subsiste d’importantes dépendances vis-à-vis de quelques grands fournisseurs de services et au-delà des frontières nationales et politiques.

Risques physiques et de transition en lien avec le changement climatique

La Suisse est particulièrement exposée au changement climatique : à l’heure actuelle, la température moyenne au niveau national se situe 2,8 °C au-dessus de la moyenne préindustrielle (1871–1900), contre 1,3 °C au niveau mondial. Cela se traduit par une nette augmentation de la fréquence et de l’intensité de certains épisodes extrêmes, à l’instar des vagues de chaleur et des fortes précipitations.

Le changement climatique engendre deux types de risques : le risque physique, qui a trait aux impacts concrets (engendrés par des conditions climatiques extrêmes, p. ex.) et le risque de transition, associé à la mise en place d’un modèle économique bas carbone. En matière de stratégie climatique nationale à long terme, le Conseil fédéral suisse estime que l’inaction entraînera un coût physique annuel pouvant s’élever à 38 milliards de francs suisses d’ici 2050.

Évaluation et gestion des risques physiques en Suisse

Selon les projections, les épisodes de températures et de précipitations extrêmes deviendront de plus en plus fréquents et intenses à l’avenir. Les risques physiques sont donc amenés à se multiplier : stress thermiques, sécheresses, inondations, instabilités des pentes, dégradation de la qualité de l’eau, des sols et de l’air, propagation des nuisibles et des maladies ainsi qu’invasion par des espèces non endémiques. Pratiquement tous les domaines sont concernés, comme le secteur de la santé (vagues de chaleur), de l’agriculture et de la sylviculture (sécheresses et propagation de nuisibles), de la construction et des infrastructures (événements extrêmes) ou encore de l’industrie (interruption des chaînes d’approvisionnement et baisse de la productivité du personnel).

Une gestion des risques à court terme nécessite des systèmes d’alerte précoce et une diffusion rapide de l’information pendant et après les événements. À moyen et long termes, la société suisse se devra d’adopter des mesures comportementales, structurelles, réglementaires et techniques. Ce processus d’adaptation devra impérativement s’appuyer sur une modélisation précise des risques climatiques physiques futurs. Malgré les progrès considérables dans le domaine des sciences du climat, les cantons et les communes ont toutes les peines à définir des modèles d’exposition et de vulnérabilité précis, tant les projections climatiques à long terme restent chargées d’incertitudes. Pour les dissiper, des efforts doivent être consentis rapidement dans le but de développer de nouvelles techniques de modélisation et des processus de prises de décisions flexibles et suffisamment fiables.

FRÉQUENCE par périodes de 50 ans

Hausse de l’INTENSITÉ

1850–1900

Une fois

actuellement

Niveaux de réchauffement mondial futurs

Survenance probable

4,8 fois (2.3–6.4)

plus chaud

Survenance probable

8,6 fois (4.3–10.7)

Survenance probable

13,9 fois (6.9–16.6)

32,9 fois (27.0–41.4) 4°C

Survenance probable

Effets du réchauffement climatique : fréquence et intensité des épisodes de températures extrêmes. Source : IPCC AR6 WGI Fig. SPM.6

Gestion des risques de transition –vers une économie à faibles émissions de carbone L’ampleur du changement climatique à venir dépend des émissions cumulées de gaz à effet de serre au niveau mondial. Par conséquent, une atténuation concrète et immédiate est impérative. La transition vers une économie à faibles émissions de carbone comporte certains risques qu’il convient de gérer. Il peut s’agir de risques juridiques, administratifs, technologiques, ou encore de risques de réputation et de marché.

Fournir une déclaration détaillée des émissions de carbone qui respecte les exigences légales représente un défi organisationnel majeur pour les entreprises. Les entreprises doivent déclarer leurs performances environnementales, sociales et de gouvernance (ESG), harmoniser leurs standards de déclaration ou adopter les principes du groupe de travail sur la publication d’informations financières relatives à la nature (TNFD). L’évaluation de l’empreinte carbone des entreprises ouvre la voie à des stratégies de réduction ciblées et à des pratiques commerciales durables ; c’est un élément clé en vue d’une gestion de leur impact environnemental futur.

Technologies et méthodes clés génériques à grande échelle

L’IA au service de modèles de système

Terre : extraire des connaissances à partir de données pour en déduire des informations structurées est un travail complexe et coûteux. L’émergence de l’IA, et notamment de l’apprentissage profond, couplée aux modèles de système Terre de nouvelle génération permet d’extraire des connaissances à partir de données d’observation de la Terre et de formuler des prévisions météorologiques hautement fiables à l’échelle mondiale. Ces progrès appuient les prises de décisions lorsqu’il s’agit d’évaluer des risques majeurs en temps réel ou à long terme. Ils contribuent aussi à rendre les exigences gouvernementales ou légales transparentes aux niveaux intra et intersectoriel.

Les données d’observation de la Terre ne cessent de foisonner et sont de plus en plus souvent rendues publiques ; les données ouvertes sont actuellement estimées à 807 pétaoctets (PB) et ce nombre s’accroît de plus de 100 PB chaque année. La résolution des satellites commerciaux permet d’identifier depuis l’espace des objets de la taille d’une feuille A4, et ce tous les jours, partout sur Terre. En couplant ces informations à des données commerciales privées provenant, entre autres, de chaînes d’approvisionnement ou de réseaux logistiques et de distribution, les entreprises peuvent identifier et gérer les risques liés au climat à un niveau de résolution spatiale et temporelle sans précédent.

Intégration au flux de travail de l’IA : intégrer des données aux flux de travail de l’IA n’est pas chose aisée. Les données et formats analysables sont trop peu nombreux. Il faut aussi prendre en compte leur degré de véracité et s’assurer de l’interopérabilité des systèmes. Par ailleurs, l’ensemble du flux de travail doit être conforme aux principes FAIR. En raison des restrictions de réutilisation, de modularité et de documentation, les outils d’IA et le code provenant de la recherche ne sont souvent pas adoptés par l’industrie. Ainsi, malgré le potentiel indéniable de l’IA pour limiter l’impact du changement climatique, seuls 43 % des dirigeant·e·s des secteurs public et privé ont une vision claire quant à la façon de l’exploiter. Et même avec une stratégie bien établie, les coûts liés aux aspects informatiques constituent souvent un obstacle de taille. S’ajoute à cela la nécessité d’une intégration écologiquement et économiquement viable, fiable et acceptable socialement. Les approches de conception participative, qui regroupent des expert·e·s du domaine, des membres des communautés concernées et des responsables politiques, constituent une base éprouvée lorsqu’elles sont associées aux bonnes pratiques et aux standards ouverts.

Le moment est venu d’exploiter ces technologies révolutionnaires au profit du développement durable

Cela passe par une collaboration soutenue entre partenaires des secteurs privé, public et académique. Une collaboration qu’il convient d’amplifier au travers de partenariats public-privé et de centres de compétences interdisciplinaires animés d’une culture de l’innovation ouverte

IA et supercalculateurs : le partage de ressources (informatiques) entre organismes est la façon la plus économique d’accéder à celles-ci, compte tenu de leur disponibilité restreinte et du coût associé au développement de modèles de pointe en matière d’IA, qui peut rapidement s’élever à plusieurs millions de francs suisses. Des organismes gouvernementaux comme le Centre suisse de calcul scientifique (CSCS) ou certains services commerciaux donnent accès à de telles infrastructures pour une fraction du coût de possession. Ces ressources doivent donc absolument être mises à la portée de toutes les parties prenantes afin qu’elles puissent exécuter des applications climatiques ouvertes ou propres à un client avec un maximum d’efficacité et de manière économique.

Science ouverte : les écosystèmes open source et science ouverte contribuent à l’accélération de la recherche et favorisent l’accès aux différents marchés et secteurs d’activité par les outils d’IA. À titre d’exemple, les applications qui recourent à des cartes dans le cadre du projet de cartographie communautaire OpenStreetMap génèrent un chiffre d’affaires annuel global de plus d’un milliard de francs suisses. De nombreux autres exemples montrent que les technologies open source peuvent déboucher sur des modèles commerciaux viables et rentables.

Recommandations à l’attention des décisionnaires

Nous recommandons que les décisionnaires suivants mettent en œuvre les sept actions décrites ci-dessous.

Milieux académiques

1

Gouvernement fédéral et administrations publiques

Développer la capacité des acteurs suisses en matière d’IA en faveur du climat et du développement durable

Renforcer les centres de compétences et organismes de recherche nationaux dans leurs capacités à recourir à l’IA en faveur du climat et du développement durable.

➜ action ayant une incidence sur toutes les études de cas ci-dessous

Organismes de financement

5

Entreprises privées

2 6

Garantir l’accès et la participation aux programmes internationaux

Négocier la participation aux initiatives européennes et internationales qui encouragent l’IA pour le bien du climat et du développement durable.

➜ action ayant une incidence particulière sur l’étude de cas B

3 7

Adopter les principes de la science ouverte

Renforcer les principes de données ouvertes et d’open source, à l’instar de la LMETA, y compris minimisation des données.

➜ action ayant une incidence sur toutes les études de cas ci-dessous

Accélérer la transposition des résultats de la recherche en effets sur le marché

Renforcer et établir des collaborations interdisciplinaires et transdisciplinaires ainsi que des partenariats public-privé (PPP).

➜ action ayant un impact particulier sur l’étude de cas A

Mettre en place des applications d’IA responsables Évaluer l’impact des technologies sur la base des ODD du Programme des Nations Unies.

➜ action ayant une incidence sur toutes les études de cas ci-dessous

Faciliter une compréhension des incidences du changement climatique sur la base de données chiffrées

Réaliser des études fondées sur des données concernant les impacts liés au climat pour l’ensemble des parties prenantes en Suisse.

➜ action ayant une incidence sur toutes les études de cas ci-dessous

4

Encourager un code évolutif et réutilisable ainsi qu’une base de modèle d’apprentissage automatique

Fournir les ressources nécessaires à la collaboration entre scientifiques de l’environnement et ingénieur·e·s en logiciels.

➜ action ayant une incidence particulière sur l’étude de cas B

Études de cas avec l’IA et des données d’observation de la Terre comme outils clés

Étude de cas A : déclaration des empreintes carbone

Les émissions de gaz à effet de serre (GES) sont la cause du changement climatique Réduire massivement les émissions constitue donc un enjeu majeur en vue de maintenir le réchauffement mondial largement en deçà de 2 °C. Depuis le mois de janvier 2024, les grandes entreprises suisses sont légalement tenues de déclarer leurs émissions de gaz à effet de serre directes et indirectes. Elles doivent aussi dévoiler leurs objectifs de diminution des émissions ainsi que les stratégies mises en place pour y parvenir.

Établir une telle déclaration est une tâche complexe et chronophage. Cela exige de collecter un volume de données important sur des centaines, voire des milliers de produits tout au long de leur cycle de vie, depuis l’approvisionnement en matières premières jusqu’au recyclage en passant

par la production, le transport, et l’utilisation. Il apparaît que l’IA permet de rationaliser grandement la collecte et l’analyse des données tout en améliorant la précision et l’efficacité des calculs d’émissions. Des algorithmes d’apprentissage automatique permettent d’identifier des analogies entre produits et d’estimer efficacement les émissions de GES de chaque produit pour les articles nouveaux ou moins documentés. Grâce à l’IA, les entreprises peuvent en outre identifier plus facilement les opportunités de réduction de leurs émissions et optimiser leurs chaînes d’approvisionnement au profit du développement durable.

Une déclaration des émissions de gaz à effet de serre à l’aide de l’IA peut aussi renforcer la transparence vis-à-vis des consommateur·trice·s en leur fournissant des informations en temps réel sur l’impact environnemental d’un produit. Cette information peut p. ex. être mentionnée dans les boutiques en ligne pour orienter les consommateur·trice·s sensibles aux questions environne-

➜ Cette étude de cas pourrait tirer profit des actions 1, 3, 5, 6 et 7 recommandées.

Étude de

cas B :

surveillance des émissions de gaz à effet de serre

Les gouvernements qui ont signé l’Accord de Paris sur le changement climatique sont tenus de déclarer leurs émissions de gaz à effet de serre (GES) pour contribuer à l’évaluation des avancées vers la neutralité carbone à l’échelle mondiale. À l’heure actuelle, les pays déclarent leurs émissions au moyen d’inventaires d’émissions compilés à partir de statistiques socio-économiques et environnementales. À l’instar de la déclaration concernant l’empreinte carbone des produits (étude de cas A), compiler les données nécessaires à l’inventaire des émissions de GES est un processus long, qui mobilise des ressources considérables et qui est assorti d’un niveau élevé d’incertitude.

Pour aider les pays, des systèmes de suivi environnemental sont en cours de développement, dont le but est de fournir des informations standardisées, fiables et disponibles en temps utile sur les concentrations et émissions de gaz à effet de serre anthropiques, et ce à l’échelle mondiale. Ces systèmes se fondent sur des mesures effectuées par des capteurs placés au sol, dans des aéronefs et des satellites. Les modèles d’IA analysent ensuite ces données pour déterminer les émissions rejetées par les pays, les centrales électriques et les sites industriels. De tels modèles peuvent traiter de grandes quantités de données avec précision et en temps voulu pour identifier des émetteurs de GES et estimer les émissions de GES à partir de mesures de la concentration de GES. Les grandes sources d’émissions peuvent ainsi être identifiées rapidement et, éventuellement, réduites.

Données socio-économiques et environnementales

Observations satellites

Mesures sur site

Rapports sur les émissions

Statistiques économiques

Intégration des données

Système d’assimilation de données couplées

Modèles de transport et d’émissions atmosphériques

Résultat

Utilisation

Aide à la décision

Aide aux utilisateur·trice·s Émissions d’îlots de chaleur consolidées

Utilisation au niveau national

Adoption par le marché

Émissions nationales/ régionales consolidées

Flux de données d’un système de contrôle des GES fondé sur le service de suivi des émissions de GES Copernicus.

© Google Earth 2019, Empa 2024.

Dans cet exemple, on voit une fuite de méthane d’une unité de traitement de gaz transporté par des vents du sud-est.

➜ Cette étude de cas pourrait tirer profit des actions 1, 2, 3, 4, 6 et 7 recommandées.

Étude de cas C : prédire les îlots de chaleur en vue d’alerter suffisamment tôt

Dans une ville, quelles sont les zones particulièrement touchées par la chaleur ? Où faut-il prendre des mesures pour prévenir ou atténuer la formation d’îlots de chaleur ? Y a-t-il un EMS situé dans une zone particulièrement affectée ? En vue de répondre à toutes ces questions, des cartes de températures haute résolution constituent une aide précieuse pour les urbanistes, les autorités municipales et la population locale.

météorologiques de citoyen·ne·s

Un modèle d’IA s’appuie sur une combinaison de données publiques ouvertes (p. ex. des données de construction en 3D), de données satellites disponibles librement et de mesures des températures provenant de stations météorologiques de citoyen·ne·s. Il en résulte des prédictions de températures à une résolution spatio-temporelle élevée (10 x 10 m), ce qui contraste avec les modèles météorologiques classiques, fondés sur une résolution comprise entre un et quelques kilomètres. Cette approche peut être appliquée efficacement aux villes du monde entier. Inclure des modèles de système Terre permettra également de calculer des îlots de chaleur futurs pour différents scénarios d’émissions de gaz à effet de serre.

➜ Cette étude de cas pourrait tirer profit des actions 1, 3, 6 et 7 recommandées.

Résumé : les entreprises suisses, mais aussi le personnel administratif et les décideur·se·s politiques pourraient s’appuyer sur les résultats de toutes ces études de cas dans le cadre de leurs missions de préservation du climat et d’adaptation au changement climatique. Il importe donc de réaliser de telles études et de les rendre publiquement accessibles.

➜ Ce point est mis en exergue dans les actions recommandées 1 et 7.

Stations

Données de construction en 3D pour Zurich

Données satellites pour Zurich

Cartes de températures en haute résolution

© Zumwald, M., et al. (2021). Mapping urban temperature using crowd-sensing data and machine learning.

Informations générales sur ce projet de la SATW

La SATW soutient les projets ayant trait à l’intelligence artificielle et à l’accès aux données

Dans le cadre de ses activités en lien avec les thèmes Intelligence artificielle et Énergie et environnement, la SATW soutient des projets ayant trait à l’intelligence artificielle et identifie les technologies importantes pour la neutralité carbone et la sécurité d’approvisionnement. Cette fiche technique et le livre blanc qui l’accompagne sont le fruit d’une collaboration avec IBM Research Europe – Zurich, Suisse.

Le projet a fait l’objet d’un atelier de lancement le 15 juin 2023. Un large public composé de représentant·e·s du monde de la recherche, de l’industrie et du gouvernement y était présent. Pendant l’atelier, la cinquantaine de participant·e·s a identifié des facteurs importants afin de déployer rapidement une IA responsable et fiable en vue de construire un avenir plus durable et plus résilient pour tout le monde. Au cours des semaines et mois suivants, des groupes de travail composés de personnes ayant pris part à l’atelier ainsi que d’autres personnes ont approfondi et décrit plus en détail ces sujets. Un comité de rédaction (voir auteur·e·s et responsable de projet ci-dessous) a coordonné, entre autres, l’ensemble du processus de création de contenu.

Cette fiche technique constitue une synthèse du livre blanc plus exhaustif intitulé « How to use the power of AI to reduce the impact of climate change on Switzerland », rédigé par plus de 70 expert·e·s et scientifiques actifs au sein de plus de 30 organismes académiques, publics et industriels suisses de renom. Il peut être consulté (en anglais) via le code QR situé à droite.

Détails de publication

Auteur·e·s du livre blanc (par ordre alphabétique) : Jennifer Susan Adams, Christos Altantzis, Tom Beucler, Julia Bingler, Samuel Brown, Thomas Brunschwiler, Chiara Colesanti-Senni, Frank de Morsier, Márcio dos Reis Martins, Andreas M. Fischer, Stefan Frei, Remo M. Frey, Alisa Freyre, Gregory Giuliani, Marvin Höge, Apolonio Huerta, Vincent Humphrey, Stefan Keller, Romeo Kienzler, Erwan Koch, Jonathan Koh, Agnieszka Kosinska, Sven Kotlarski, Manuel Kugler, Gerrit Kuhlmann, Markus Leippold, Reik Leiterer, David Leutwyler, Olivia Martius, Adrien Michel, Veruska Muccione, Michal Muszynski, Urs Neu, Diana-Denisa Rodila, Claudia Röösli, Andreas Scheidegger, Tobias Schimanski, Konrad Schindler, Christian Spindler, Tanja Stanelle, Benjamin Stocker, Devis Tuia, Saeid Ashraf Vaghefi, Jan Dirk Wegner, Jonas Weiss, Matthew Whellens, Mira Wolf-Bauwens, Hendrik Wulf, Biagio Zaffora, Marius Zumwald

Auteur·e·s : Thomas Brunschwiler (IBM), Erwan Koch (UNIL), Reik Leiterer (Data Innovation Alliance), Tanja Stanelle (EBP), Jonas Weiss (IBM)

Responsable de projet : Christian Holzner, Manuel Kugler

Relecture : Caspar Türler, Ester Elices, John Gleaves

Images : Adobe Stock

Traduction : weiss traductions genossenschaft

Conception : Andy Braun

Mai 2024

Lien vers le livre blanc