Le GIS « IA & Sciences de l'Urgence et du Risque »

Introduction

La sécurité civile fait face à des défis sans précédent, entre la multiplication des catastrophes naturelles liées au changement climatique, les menaces sanitaires (pandémies, pollutions chimiques) et la complexité grandissante des interventions de secours. Pour y répondre, il est indispensable de mobiliser des approches scientifiques innovantes et interdisciplinaires : modélisation mathématique et simulation informatique, intelligence artificielle (IA) et science des données, ingénierie et robotique, mais aussi sciences humaines et sociales (organisation des secours, psychologie de crise, aspects juridiques et économiques). Le Groupement d’Intérêt Scientifique (GIS) « IA & Sciences de l'Urgence et du Risque » a pour vocation de fédérer ces compétences variées au service de la prévention et de la gestion des situations d’urgence.

Ce document stratégique identifie quatre axes de recherche complémentaires qui structureront les travaux du GIS. Chacun de ces axes adresse un volet crucial de la sécurité civile, depuis l’analyse des risques en amont jusqu’à l’évaluation et l’acceptation des nouvelles solutions, en passant par le développement de technologies d’intervention et l’optimisation de la gestion de l’information. L’ensemble forme une vision cohérente et motivante pour innover dans la protection des populations. Ces axes intègrent toutes les expertises scientifiques recensées lors des échanges fondateurs du GIS (modélisation, vision par ordinateur, robotique, optimisation, traitement du langage, simulation, épidémiologie, validation, formation, etc.), en veillant à valoriser la complémentarité des disciplines. Enfin, cette stratégie demeure ouverte à l’intégration de nouveaux partenaires académiques ou opérationnels, gage d’une dynamique collective pérenne et évolutive.

Axe 1 : Analyse et anticipation des risques sanitaires et environnementaux

Le premier axe vise à mieux comprendre et prédire les risques auxquels les acteurs de la sécurité civile doivent faire face, qu’ils soient d’origine sanitaire ou environnementale. Cela englobe la modélisation épidémiologique des maladies infectieuses et l’analyse statistique des données de santé publique pour évaluer quantitativement les risques sanitaires. Par exemple, des modèles mathématiques permettent d’estimer l’impact d’une exposition toxique (aux fumées d’incendie, à des substances chimiques) sur la santé des sapeurs-pompiers et de la population. Des systèmes de surveillance épidémiologique peuvent détecter précocement des signaux inhabituels (hausse d’appels d’urgence pour des symptômes spécifiques, pathologies émergentes) afin d’alerter les autorités sanitaires. Ces travaux, à l’interface de la santé, des mathématiques et de l’informatique, fournissent aux services de secours et aux décideurs des outils d’aide à la décision sanitaire pour mieux protéger les intervenants et la population en amont des crises.

Parallèlement, l’anticipation des risques environnementaux et climatiques constitue un volet essentiel de cet axe. Les avancées en observation de la Terre (imagerie satellite multi-spectrale, radar, drones) couplées à la vision par ordinateur offrent la capacité de détecter rapidement les événements tels que les feux de forêt, inondations, glissements de terrain ou séismes. Des modèles physiques et informatiques permettent de simuler la propagation de ces aléas naturels et d’estimer leurs impacts. On peut ainsi, grâce à l’IA, cartographier en quelques heures l’étendue d’une inondation (surface touchée, profondeur d’eau) à partir d’images satellites, afin d’orienter les secours vers les zones critiques. De même, la détection automatique des dégâts (bâtiments endommagés après un séisme, végétation brûlée après un incendie) aide à prioriser les interventions d’urgence. Ces approches combinent géosciences, informatique et statistiques pour améliorer la gestion des catastrophes naturelles. Elles servent aussi la prévention : par exemple, surveiller l’évolution de la sécheresse sur la végétation pour identifier les forêts plus vulnérables aux incendies et adapter les plans de protection (création de pare-feux naturels, renforcement de l’accessibilité pour les pompiers). Enfin, la simulation de scénarios extrêmes (mégafeux, événements en cascade) offre un banc d’essai virtuel pour tester les plans d’urgence et anticiper les besoins futurs d’adaptation ; on peut imaginer le pire scénario possible (combinaison d’un incendie géant et de conditions météo exceptionnelles) afin d’éprouver de nouvelles stratégies (barrières végétales, protocoles d’évacuation, etc.). En rassemblant épidémiologistes, experts en climat, mathématiciens, informaticiens et spécialistes de l’analyse des données, cet axe 1 crée une synergie scientifique pour mieux prévoir les risques et renforcer la résilience des territoires.

Axe 2 : Technologies autonomes et simulation pour les opérations de secours

Le deuxième axe se consacre au développement de technologies innovantes pour l’intervention sur le terrain, en particulier les systèmes autonomes et la simulation numérique des opérations de secours. L’objectif est d’accroître l’efficacité et la sécurité des intervenants en situation de crise grâce à des outils robotiques et des modèles informatiques avancés. D’une part, la robotique mobile, les drones et autres systèmes autonomes offrent de nouvelles capacités d’action dans des environnements dangereux ou inaccessibles. Des drones intelligents capables de voler en essaims coordonnés sans pilote peuvent réaliser une reconnaissance rapide de zones sinistrées (incendies, sites industriels accidentés, zones inondées) sans exposer de personnel humain. Équipés de caméras et de capteurs, ils fournissent en temps réel aux pompiers une vue d’ensemble de la situation et peuvent détecter des victimes (via l’analyse d’images embarquée) même dans des décombres partiels. De la même manière, des robots terrestres autonomes ou véhicules pilotés par IA peuvent être envoyés transporter du matériel médical, éteindre un départ de feu ou explorer des zones toxiques, évitant ainsi d’engager immédiatement des sauveteurs dans des conditions périlleuses. Ces solutions relèvent de domaines variés – automatique, intelligence embarquée, traitement de signal, mécatronique – et nécessitent une étroite collaboration entre ingénieurs, informaticiens et acteurs de terrain pour être adaptées aux besoins réels des secours. Les pompiers et l’ENSOSP, partenaires du GIS, soulignent d’ailleurs l’importance d’intégrer ces avancées tout en travaillant sur les aspects réglementaires et sécuritaires (vol de drones hors vue directe en zone urbaine, etc.) afin de permettre leur usage opérationnel. À terme, l’intégration progressive de véhicules intelligents et de robots d’assistance dans les colonnes de secours pourrait transformer les modes d’intervention, en déchargeant les humains des tâches les plus risquées ou répétitives.

D’autre part, cet axe couvre la simulation numérique des opérations de secours, véritable pendant virtuel des interventions physiques. Il s’agit de construire des jumeaux numériques des systèmes de secours (territoire, casernes, véhicules, unités d’intervention) pour reproduire virtuellement le déroulement des missions d’urgence. En modélisant les éléments clés – occurrence spatiale et temporelle des incidents, comportements des victimes et des appelants, mobilisation des équipes et engins selon les procédures – on peut simuler des milliers de scénarios d’incidents et de réponses opérationnelles. Ces simulations multi-agents intègrent les contraintes terrain (temps de trajet, effectifs disponibles, règles d’engagement) afin d’évaluer l’impact de telle ou telle organisation des secours. Par exemple, un jumeau numérique départemental a été développé pour simuler toutes les interventions des pompiers sur un territoire du Nord et tester différentes configurations du dispositif de secours. Il permet de répondre à des questions stratégiques du type : « Que se passerait-il si la population augmentait de 10% ? Si l’on ouvrait ou fermait une caserne supplémentaire ? » en comparant les résultats sur les délais de réponse et la couverture du territoire. De même, la simulation peut optimiser des tournées de patrouille préventive contre les feux de forêt ou évaluer l’effet de divers aléas sur la capacité de réponse. Grâce à ces outils, les décideurs peuvent tester virtuellement leurs plans d’organisation (SDACR, schémas d’analyse et de couverture des risques) sur plusieurs années simulées, sans prendre de risques réels. Par ailleurs, des environnements immersifs en réalité virtuelle 3D permettent de plonger des équipes dans des scénarios de catastrophe modélisés (par ex. reconstitution en RV de l’explosion du port de Beyrouth) pour visualiser en détail le déroulement d’un sinistre et s’entraîner à y déployer des ressources. Cet axe 2, à l’intersection de l’informatique, de la recherche opérationnelle, de l’ingénierie et des sciences du terrain, vise ainsi à doter les services de secours de moyens technologiques puissants pour améliorer l’efficacité des opérations tout en préservant la sécurité du personnel et des populations.

Axe 3 : Aide à la décision, communications d’urgence et formation

Le troisième axe s’intéresse à la gestion intelligente de l’information et aux interactions humaines dans le contexte des urgences, avec un double objectif : améliorer le traitement des communications d’urgence d’une part, et capitaliser sur les connaissances et la formation des intervenants d’autre part. Les communications d’urgence, en particulier les appels aux numéros 112/18/15, constituent le premier maillon de la chaîne de secours. Il est crucial d’en optimiser le traitement grâce aux technologies numériques. Les avancées en traitement automatique du langage (TAL) et en IA générative offrent des outils pour assister les opérateurs des centrales d’appel. Concrètement, des systèmes de reconnaissance vocale peuvent transcrire en temps réel les appels, tandis que des modèles de traduction automatique multilingue suppriment la barrière de la langue en cas d’appelant non francophone. Des algorithmes d’analyse sémantique et de classification automatique aident à identifier la nature de l’urgence à partir des mots clés ou même du ton de la voix, et à prioriser les appels en cas d’afflux massif. Par ailleurs, des outils de résumé automatique génèrent pour le régulateur un bilan en temps réel des informations essentielles fournies par l’appelant (localisation, type d’incident, nombre de victimes…) et signalent les questions critiques qui n’ont pas encore été posées, évitant les oublis sous le stress. Des projets en cours explorent aussi l’utilisation de chatbots ou d’agents conversationnels pour traiter les appels les plus simples ou recueillir les premières informations lorsqu’un trop grand nombre d’appels arrive simultanément. La recherche s'orientera également vers la détection multimodale, en intégrant l'analyse du ton de la voix, des indices émotionnels ou d'autres données contextuelles pour affiner l'évaluation de l'urgence et de l'état psychologique de l'appelant. Enfin, les grands modèles de langage (LLM) spécialisés, capables de puiser dans d’immenses bases de connaissances, pourraient assister le régulateur ou le chef de salle en répondant à des questions pointues en cours de gestion de crise – par exemple en suggérant, sur la base des procédures et du retour d’expérience, quels renforts mobiliser pour un feu d’appartement avec personne à mobilité réduite piégée à l’étage. L’ensemble de ces outils, mêlant intelligence artificielle, linguistique et expertise métier, vise à accélérer et fiabiliser le traitement des appels d’urgence afin de gagner de précieuses minutes dans l’engagement des secours, tout en réduisant la charge cognitive sur les opérateurs humains.

En parallèle, ce troisième axe englobe les systèmes de gestion des connaissances et la formation des acteurs de la sécurité civile, reconnaissant que l’innovation technologique va de pair avec le renforcement du capital humain. D’un côté, il s’agit de structurer et d’exploiter le vaste corpus de savoir opérationnel accumulé par les services de secours. Des méthodes d’ingénierie des connaissances (ontologies, graphes de connaissances) permettent de modéliser le contexte des interventions de crise et les procédures associées. Sur cette base, des systèmes intelligents d’aide à la décision peuvent recommander des ressources ou des actions aux gestionnaires de crise en fonction de la situation. Par exemple, à partir d’une ontologie décrivant finement une catastrophe, un système de recommandation pourrait suggérer des moyens alternatifs lorsque les ressources classiques sont saturées (identification de volontaires équipés de 4x4 ou de camions hors route pour évacuer des victimes, etc.). De même, une base de connaissances interactive type assistant virtuel ou FAQ intelligente peut être mise à disposition des pompiers pour répondre instantanément à leurs questions (rappel d’une procédure particulière, conseil tactique, leçons tirées de retours d’expérience précédents). L’ENSOSP travaille ainsi à intégrer l’IA dans la formation de ses officiers et au partage des connaissances via une telle base intelligente rassemblant doctrines et retours d’interventions. D’un autre côté, la formation immersive et l’entraînement bénéficient des progrès de la simulation et de l’IA. La scénarisation automatisée par IA permet de créer des exercices virtuels variés et réalistes pour préparer les équipes à des situations extrêmes. On peut par exemple simuler, grâce à des modèles multi-agents, le comportement d’une foule paniquée lors d’une évacuation chaotique, afin d’entraîner les responsables à adapter en temps réel le dispositif de secours et à gérer le stress que génère ce type d’événement. Des projets de recherche se penchent aussi sur la formation au triage médical de masse en catastrophe, en développant des scénarios d’entraînement ultra-réalistes pour apprendre aux médecins à garder leur sang-froid et à prendre des décisions critiques sous pression. Ces approches pluridisciplinaires – mêlant sciences de l’éducation, psychologie, informatique et retour d’expérience opérationnel – visent à améliorer la préparation des intervenants. En somme, l’axe 3 intègre le facteur humain au cœur de la démarche d’innovation : en optimisant les flux d’information et en enrichissant la formation par le numérique, on renforce l’efficacité globale du dispositif de sécurité civile tout en facilitant l’appropriation des nouveaux outils par les femmes et les hommes de terrain.

Cet axe adressera également l'intégration des réseaux sociaux dans la gestion de crises. Ces plateformes représentent un canal essentiel pour la remontée d'informations terrain par les citoyens et pour la diffusion rapide d'alertes officielles. Les travaux se concentreront sur le développement d'outils d'analyse des flux massifs en temps réel afin d'extraire des signaux faibles (localisation d’incident, besoin d’aide) et d'évaluer l'ambiance générale. La prise en compte des fakenews et des rumeurs est également cruciale pour la communication de crise. Des algorithmes devront détecter et analyser la propagation des fausses informations pour permettre aux autorités d'adapter rapidement leur discours, de rétablir les faits et de préserver la confiance du public dans les communications officielles.

Axe 4 : Fiabilité, confiance et impacts des nouvelles technologies

Le dernier axe, transversal, adresse la question fondamentale de la fiabilité et de l’acceptation des solutions innovantes déployées pour la sécurité civile. Il ne suffit pas de développer de nouveaux outils performants : encore faut-il qu’ils soient sûrs, explicables, conformes aux régulations et qu’ils apportent un bénéfice démontré aux opérations de secours comme à la société. Cet axe mobilise notamment des compétences en mathématiques appliquées, en informatique, en sciences juridiques et en sciences sociales pour évaluer rigoureusement les technologies envisagées. Un premier volet consiste à quantifier et à maîtriser l’incertitude des modèles prédictifs utilisés. Dans un contexte où les décisions peuvent être critiques, les algorithmes d’IA doivent fournir non seulement des prédictions, mais aussi une indication de la confiance à leur accorder. Des méthodes statistiques avancées, comme l’apprentissage automatique avec prédiction conforme, permettent d’associer à chaque sortie d’un modèle un intervalle de confiance garanti, sans modifier le modèle interne – une approche précieuse pour que même des « boîtes noires » (réseaux de neurones profonds, par exemple) puissent être utilisées en opérationnel tout en sachant interpréter la fiabilité des résultats. Parallèlement, des travaux en IA explicable visent à doter les systèmes intelligents d’une transparence sur leur fonctionnement, de sorte qu’un opérateur humain puisse comprendre a posteriori pourquoi telle recommandation a été faite. Ce besoin d’explicabilité et de traçabilité des décisions algorithmiques est crucial pour instaurer la confiance et permettre un retour d’expérience efficace : il faut pouvoir expliquer, après-coup, pourquoi l’IA a conseillé une action donnée, surtout si une analyse doit être conduite suite à un incident. La robustesse est un autre aspect important de la fiabilité : les solutions techniques développées doivent résister aux conditions difficiles (bruit dans les données, situations non prévues) et être sécurisées contre les cyberattaques ou les manipulations malveillantes. Des spécialistes en cybersécurité et en protection des données sont ainsi intégrés aux travaux pour garantir que les outils déployés respectent la confidentialité des données sensibles (par exemple via des techniques d’apprentissage fédéré qui mutualisent des modèles sans échanger les données brutes des différents services de secours) et qu’ils ne puissent être détournés à des fins nuisibles.

Un second volet de l’axe 4 porte sur l’évaluation socio-technique et l’acceptabilité des nouvelles solutions auprès des utilisateurs finaux et de la société. Ici, les sciences économiques, juridiques et humaines apportent un éclairage indispensable. Il s’agit en particulier d’évaluer le rapport coût-bénéfice des innovations : une approche a été évoquée consistant à quantifier la « valeur du sauvetage » (valeur statistique d’une vie sauvée, coûts évités en dommages, etc.) afin d’orienter les investissements technologiques vers les projets ayant le plus grand impact en termes de vies sauvées ou de réduction des dommages. Cette analyse économique permet de prioriser les développements et de justifier les financements auprès des tutelles sur base d’arguments tangibles. En parallèle, le respect des contraintes juridiques et éthiques fait l’objet d’une attention constante : par exemple, assurer la conformité au RGPD des systèmes traitant des données d’appel d’urgence, garantir que les algorithmes de priorisation n’introduisent pas de biais contraires au principe d’égalité des usagers, ou encore veiller à ce que l’usage de drones autonomes respecte le cadre réglementaire aérien en vigueur. L’acceptabilité passe aussi par l’implication des utilisateurs finaux (pompiers, opérateurs, décideurs) dans le processus d’innovation : comprendre leurs besoins, leurs craintes, les associer aux phases de test pour améliorer l’ergonomie et la fiabilité perçue des outils. En construisant la confiance et en démontrant la plus-value des technologies dans des conditions réelles, cet axe contribue à lever les freins à l’adoption et à garantir une intégration harmonieuse des solutions dans la doctrine opérationnelle. En définitive, l’axe 4 garantit que l’ensemble des développements du GIS s’effectue de manière responsable et efficiente, en alignant la performance technique avec les exigences de sûreté, de légitimité et de bénéfice concret pour la sécurité civile.

Enfin, aujourd’hui, l’implémentation de l’IA dans les secours pose de nombreuses questions managériales et éthiques. Outre les diverses motivations qui poussent les services d’urgence et de secours à se doter de solutions à base d’intelligence artificielle, les questions de responsabilité, d’acculturation, d’organisation de la chaîne des secours ou encore de gouvernance partagée de l’innovation représentent un champ d’étude peu exploré. Ainsi, cet axe participe à une meilleure compréhension de la construction des politiques publiques en lien avec l’innovation, contribuant à la robustesse de la sécurité civile, dans un contexte de diminution de la dépense publique et de multiplication des risques.

Perspectives et dynamique collective

Les quatre axes stratégiques ci-dessus tracent une feuille de route ambitieuse pour le GIS « IA & Sciences de l'Urgence et du Risque ». Au-delà de chaque axe pris isolément, c’est bien de leur articulation et de la dynamique collective que naîtra la réussite de cette initiative. En encourageant les interactions entre spécialistes de disciplines variées – mathématiques, informatique, ingénierie, médecine, sciences humaines et sociales, sans oublier l’expertise métier des services de secours – le GIS crée un espace d’innovation collaborative unique. Les projets qui en émanent pourront, par exemple, combiner la modélisation statistique des risques (axe 1) avec des outils de simulation et de terrain (axe 2), ou intégrer les retours d’expérience opérationnels (axe 3) dans les critères d’évaluation des algorithmes (axe 4). Cette transversalité garantit une approche globale des problèmes de sécurité civile, du laboratoire jusqu’au terrain.

À court terme, la dynamique collective du GIS se traduira par le lancement de programmes de recherche communs, le partage de données et de plateformes de simulation, ainsi que l’organisation de temps d’échanges et de partages interdisciplinaires, en lien avec le métier. À plus long terme, le GIS a vocation à évoluer et à s’ouvrir : de nouveaux partenaires pourront rejoindre la démarche (qu’ils soient établissements de recherche, services de secours supplémentaires, partenaires industriels ou collectivités), apportant des compétences ou des terrains d’expérimentation élargis. Les axes stratégiques définis auront également la flexibilité nécessaire pour intégrer les évolutions technologiques et scientifiques à venir. Par exemple, l’essor de nouvelles sources de données (capteurs en temps réel, réseaux sociaux en contexte de crise), de techniques d’IA plus puissantes, ou encore de connaissances accrues sur les comportements humains en situation d’urgence viendront nourrir et raffiner les axes de recherche.

En cultivant cette démarche interdisciplinaire et en maintenant un dialogue permanent entre chercheurs et acteurs de la sécurité civile, le GIS contribuera à créer une communauté innovante capable de relever les défis émergents. Les perspectives d’évolution incluent le renforcement des liens avec la formation des personnels (pour diffuser les outils développés et les bonnes pratiques), la dissémination des résultats au niveau national et international, l’ouverture au domaine d’urgence dans la santé, et l’adaptation continue aux priorités stratégiques de sécurité civile (par exemple, la réponse aux effets du changement climatique ou aux risques technologiques nouveaux). Ainsi, le GIS « IA & Sciences de l'Urgence et du Risque » se positionne comme un moteur collectif de progrès scientifique et opérationnel, au service d’une sécurité civile plus anticipative, efficace et résiliente.