Transformer le bruit en signal : le rôle de l’IA dans la gestion de crise

Face aux défis mon­diaux mar­qués par le chan­ge­ment cli­ma­tique, l’interconnexion de nos sys­tèmes, les évo­lu­tions géo­po­li­tiques et la mul­ti­pli­ca­tion des urgences sys­té­miques, l’IA appa­raît de plus en plus comme un levier essen­tiel pour les acteurs de la sécu­ri­té et du secours ain­si que pour les auto­ri­tés déci­sion­nelles. Si l’innovation ne sau­rait être la seule réponse à cette nou­velle donne, elle en consti­tue indé­nia­ble­ment une part significative.

Cepen­dant, la rapi­di­té de cette évo­lu­tion tech­no­lo­gique contraste avec la confiance que les acteurs de la ges­tion de crise accordent à ces outils. Com­ment les res­pon­sables de crise et les opé­ra­teurs de ter­rain peuvent-ils s’appuyer sur des sys­tèmes qu’ils ne maî­trisent pas vrai­ment ? Com­ment s’assurer de l’efficacité de cette nou­velle tech­no­lo­gie dans les pro­ces­sus de ges­tion de crise visant à sau­ver des vies ? L’enjeu de la confiance et des méca­nismes pour créer celle-ci est un des défis cen­traux de l’utilisation de l’IA en ges­tion de crise.

Le terme « crise » trouve son ori­gine dans le grec ancien « kri­sis » qui signi­fie un « choix » [ndlr : ou « juge­ment »] . À l’origine, ce mot n’avait pas de conno­ta­tion néga­tive, il était rela­tif à un moment de déci­sion. De plus en plus de situa­tions d’urgence sys­té­miques appa­raissent, dont l’ampleur, la durée, l’étendue et le carac­tère poly­morphe bous­culent le fon­de­ment même de notre socié­té. Nous sommes pas­sés de crises ponc­tuelles, avec une ciné­tique rapide, à des situa­tions catas­tro­phiques carac­té­ri­sées par des pro­blèmes mul­tiples avec un effet domi­no, des causes et des consé­quences peu claires et une durée assez longue ayant un impact sur de nom­breux sec­teurs¹.

Outre cette modi­fi­ca­tion typo­lo­gique, la réponse aux crises est éga­le­ment dif­fé­rente. La mul­ti­pli­ca­tion des cap­teurs, des sys­tèmes de sur­veillance, des don­nées satel­lites ain­si que des infor­ma­tions par­ta­gées par les citoyens via les réseaux sociaux, génèrent un flux mas­sif d’informations néces­si­tant de l’analyse en temps réel. L’IA devient ain­si un levier indis­pen­sable pour trans­for­mer ces don­nées brutes en infor­ma­tions exploitables.

Cepen­dant, le volume crois­sant de don­nées se heurte à une réa­li­té de ter­rain : la res­source humaine seule, pour trai­ter ces don­nées et en extraire la valeur, est sou­vent insuf­fi­sante. L’IA, sous ses formes variées, offre des oppor­tu­ni­tés d’automatiser la col­lecte, de qua­li­fier et de remon­ter des ano­ma­lies, ou de pré­dire selon la per­ti­nence du cas d’usage. Les pro­grès sont conti­nus et itératifs.

Dans le domaine de la lutte contre l’incendie, Alert­Ca­li­for­nia² sur­veille les forêts de Cali­for­nie avec un réseau de camé­ras haute défi­ni­tion cou­plé à une ana­lyse par IA, détec­tant entre 50 et 300 inci­dents par jour. Des ini­tia­tives com­pa­rables émergent en Europe, Pyro­near³ en France, Fire­Tra­cking⁴ en Indre-et-Loire, avec une fia­bi­li­té crois­sante et un taux de faux posi­tifs réduit. En Indo­né­sie, un agent conver­sa­tion­nel (Peta​Ben​ca​na​.id) car­to­gra­phie en temps réel les inon­da­tions signa­lées par les habi­tants de Jakar­ta, en enri­chis­sant les don­nées citoyennes par des don­nées offi­cielles⁵.

Un défi col­lec­tif reste cepen­dant à rele­ver : la col­lecte et l’interopérabilité des données.

Les don­nées spa­tiales et satel­lites, com­bi­nées à des algo­rithmes de type Ran­dom Forest et Deep Neu­ral Net­works, per­mettent éga­le­ment de car­to­gra­phier avec pré­ci­sion les risques de glis­se­ments de ter­rain⁶. Des algo­rithmes dédiés à la pré­dic­tion de mou­ve­ments de foule offrent aux pro­fes­sion­nels des outils pour anti­ci­per les bous­cu­lades en situa­tion de panique. À une autre échelle, l’ECMWF déve­loppe des pro­to­types de jumeaux numé­riques de la Terre avec l’European Space Agen­cy (ESA)⁷.

La conver­gence de ces capa­ci­tés ouvre la voie à des appli­ca­tions conçues pour résoudre des situa­tions mul­ti­fac­to­rielles com­plexes. Ain­si, safe​.brus​sels⁸ et l’ESA ont réuni fin 2025 huit équipes inter­na­tio­nales autour d’un hacka­thon consa­cré à l’utilisation des don­nées spa­tiales et de l’IA pour la ges­tion des flux de per­sonnes en situa­tion d’urgence.

Un défi col­lec­tif reste cepen­dant à rele­ver : la col­lecte et l’interopérabilité des don­nées. Les condi­tions sur le ter­rain lors de catas­trophes, la diver­si­té des for­mats des dif­fé­rents acteurs, l’hétérogénéité des cadres juri­diques et les cultures orga­ni­sa­tion­nelles consti­tuent autant d’obstacles. Le net­toyage des don­nées repré­sente un pré­re­quis indis­pen­sable pour dis­po­ser de sys­tèmes d’alerte fiables et réactifs.

À l’heure actuelle, l’IA est encore peu pré­sente dans les outils et les pro­ces­sus de tra­vail des inter­ve­nants ain­si que dans les méca­nismes de déci­sion des auto­ri­tés. Si des consi­dé­ra­tions tech­niques et bud­gé­taires peuvent jus­ti­fier ce constat, la ques­tion de la confiance dans cette tech­no­lo­gie en est une rai­son centrale.

Les solu­tions d’intelligence arti­fi­cielle peuvent être consi­dé­rées comme des sys­tèmes qua­li­fiés de « socio­tech­niques », dont la qua­li­té dépend des inter­ac­tions. Ain­si, la construc­tion de la confiance envers cette tech­no­lo­gie relève d’un pro­ces­sus dyna­mique. On peut struc­tu­rer celui-ci autour de plu­sieurs élé­ments : la cré­di­bi­li­té (don­nées fiables et résul­tats vali­dés), l’explicabilité (résul­tats stables et repro­duc­tibles), la proxi­mi­té rela­tion­nelle (inter­ac­tions humaines claires et com­pré­hen­sibles avec l’IA) ain­si que l’alignement des inté­rêts (une IA consi­dé­rée comme orien­tée vers l’intérêt géné­ral, plu­tôt que vers des objec­tifs com­mer­ciaux ou poli­tiques externes).

Si la méfiance est intrin­sèque à toute tech­no­lo­gie, elle est omni­pré­sente avec l’IA. Il est natu­rel et sain qu’un res­pon­sable se montre méfiant envers une tech­no­lo­gie nou­velle sur laquelle des déci­sions vitales pour­ront repo­ser. Cette méfiance par­ti­cipe au débat et au pro­grès dans la qua­li­té des solu­tions déployées. Cepen­dant, elle ne doit pas ralen­tir l’expérimentation néces­saire à l’amélioration ité­ra­tive de ces solu­tions techniques.

Aucun déci­deur ne prend de déci­sion sur la base d’un argu­men­taire qui ne serait pas rigou­reu­se­ment détaillé, docu­men­té, chif­fré et dont les don­nées ne seraient pas par­fai­te­ment tra­çables. Or, l’état actuel de l’art en intel­li­gence arti­fi­cielle per­met rare­ment de garan­tir un niveau de fia­bi­li­té sans super­vi­sion humaine. La réponse se situe donc à ce niveau : il n’est pas ques­tion, pour l’instant, de s’appuyer sur des solu­tions tota­le­ment auto­nomes. Les solu­tions visent plu­tôt à four­nir des infor­ma­tions raf­fi­nées, agré­gées, démon­trables, en pla­çant l’humain au cœur du sys­tème. Ce concept est nom­mé Human in the Loop (HITL) et devient cen­tral pour les déci­sions d’envergure. L’AI Act de l’UE⁹ consacre d’ailleurs ce rôle de l’humain dans la super­vi­sion des sys­tèmes d’IA clas­si­fiés à haut risque.

Si le rôle de ces tech­no­lo­gies est de dépla­cer l’humain vers une mis­sion à plus forte valeur ajou­tée, alors le col­lec­tif semble prêt. Si, en revanche, on leur attri­bue le risque de concur­ren­cer le rôle de l’expert, les ten­sions appa­raissent. Cette nuance trans­pa­raît dans les études de Labo­rIA¹⁰ et de l’APEC¹¹ : 37 % voient l’IA comme une oppor­tu­ni­té, 22 % comme une menace. L’acceptabilité dépend for­te­ment du contexte et du niveau d’information.

Comme nous l’avons vu, la confiance passe éga­le­ment par la robus­tesse et l’explicabilité des outils, de vrais champs de recherche scien­ti­fique actuel­le­ment. D’autres élé­ments sont clés pour l’établissement de cette confiance : la tra­ça­bi­li­té des don­nées qui consti­tue un défi et un champ d’investissement ain­si que les tech­niques dites Zero-Know­ledge Proof (ZKP)^12,13 qui offrent l’espoir de garan­tir l’origine des don­nées de manière cryp­to­gra­phique. Enfin, la lisi­bi­li­té de l’information pré­sen­tée en situa­tion de crise est déter­mi­nante : c’est l’enjeu de la « Deci­sion Intel­li­gence », l’ensemble des méthodes per­met­tant d’aboutir à une concen­tra­tion de don­nées utiles à des fins pré­dic­tives, dans un contexte où le flux d’informations peut enva­hir les espaces cognitifs.

L’implémentation de l’intelligence arti­fi­cielle dans la ges­tion de crise dépen­dra, à terme, de condi­tions favo­ri­sant la mise en place d’une rela­tion de confiance entre les acteurs de la ges­tion de crise et les sys­tèmes d’IA.

La co-concep­tion est fon­da­men­tale. Les futurs uti­li­sa­teurs devront être impli­qués dès les pre­mières phases de déve­lop­pe­ment pour s’assurer que l’outil répond à leurs besoins réels. Cette approche col­la­bo­ra­tive aug­mente l’acceptation, favo­rise le sen­ti­ment d’appropriation et déve­loppe la proxi­mi­té rela­tion­nelle. Le par­tage des don­nées entre ins­ti­tu­tions, ser­vices de secours, forces de l’ordre, infra­struc­tures cri­tiques et citoyens per­met­tra d’améliorer la per­ti­nence des recom­man­da­tions de l’IA, en s’appuyant sur un éco­sys­tème de don­nées consolidées.

Une gou­ver­nance claire doit éta­blir les prin­cipes éthiques et de trans­pa­rence, impo­ser des méca­nismes de tra­ça­bi­li­té et d’explication des déci­sions, garan­tir la rede­va­bi­li­té des déci­sions assis­tées et défi­nir les res­pon­sa­bi­li­tés de cha­cun. L’évaluation conti­nue est indis­pen­sable via des dis­po­si­tifs de feed­back et des débrie­fings post-crise. Enfin, des for­ma­tions adap­tées expli­ci­tant les limites de l’IA, les biais poten­tiels et les marges d’action des opé­ra­teurs com­plé­tées par des exer­cices régu­liers simu­lant des scé­na­rios de crise inté­grant l’IA, ren­forcent la com­pré­hen­sion, la maî­trise et donc la confiance.

L’intégration de l’intelligence arti­fi­cielle dans la ges­tion de crise ne se réduit pas à un enjeu tech­no­lo­gique, elle consti­tue essen­tiel­le­ment un défi lié à la confiance. Sans la confiance, la tech­no­lo­gie n’est qu’une pro­messe sans légi­ti­mi­té. Les pro­grès ité­ra­tifs des solu­tions uti­li­sant l’IA démontrent un poten­tiel tan­gible pour amé­lio­rer la ges­tion des crises, en ren­dant les sys­tèmes plus réac­tifs et effi­caces dans la réponse aux urgences. Cepen­dant, les défis res­tent à rele­ver. Ils exigent un inves­tis­se­ment humain dans la gou­ver­nance et la col­lecte des don­nées mais éga­le­ment la néces­si­té d’adopter des approches ité­ra­tives et le sou­tien aux ini­tia­tives de recherche et d’open source.