Mesurer les destructions de guerre à moindre coût grâce aux satellites radar

Une nou­velle méthode per­met d’évaluer en temps qua­si réel l’é­ten­due des dégâts subis par les bâti­ments dans les zones de guerre sans avoir recours à des images satel­lites com­mer­ciales coû­teuses – une pre­mière. La tech­nique, mise au point par Daniel Racek et ses col­lègues de l’U­ni­ver­si­té Lud­wig-Maxi­mi­lian de Munich (LMU) et de l’U­ni­ver­si­té tech­nique de Munich (TUM), per­met éga­le­ment de suivre la pro­gres­sion de ces dégâts dans une région pen­dant un conflit en se basant uni­que­ment sur des don­nées radars libre­ment accessibles.

Cette nou­velle méthode s’ap­puie sur un algo­rithme qui ana­lyse les images du « radar à ouver­ture syn­thé­tique » (syn­the­tic aper­ture radar ou SAR en anglais) de la mis­sion Sentinel‑1 de l’A­gence spa­tiale euro­péenne afin d’i­den­ti­fier les bâti­ments détruits dans les zones de conflit, et ce, sur des périodes de 12 jours. Elle éva­lue sta­tis­ti­que­ment les chan­ge­ments visuels obser­vés sur dif­fé­rents sites au fil du temps. Sa par­ti­cu­la­ri­té ? Elle ne néces­site ni don­nées d’ap­pren­tis­sage ni images coû­teuses. Le radar est par­ti­cu­liè­re­ment bien adap­té à une telle appli­ca­tion car, contrai­re­ment aux satel­lites optiques, il peut fonc­tion­ner à tra­vers les nuages et même dans l’obscurité.

Les cher­cheurs com­parent des images SAR d’une même zone obte­nues à plu­sieurs reprises au cours de chaque période de 12 jours. Ils ana­lysent ensuite ces dif­fé­rentes images afin de cal­cu­ler ce que l’on appelle la mesure de cohé­rence. Cette cohé­rence indique le degré de simi­li­tude entre les signaux radar : une baisse sou­daine de la cohé­rence indique que des bâti­ments ont pro­ba­ble­ment subis des dégra­da­tions structurelles.

Pour s’as­su­rer que ces chan­ge­ments peuvent être dis­tin­gués des fluc­tua­tions aléa­toires, les cher­cheurs ont uti­li­sé deux tech­niques d’analyse sta­tis­tique : les régres­sions médianes non para­mé­triques ; et les esti­ma­tions robustes aux valeurs aber­rantes (out­lier-robust esti­ma­tions en anglais). Pour chaque pixel d’une image, ils ont cal­cu­lé à quoi devait res­sem­bler un « pro­fil » ou « motif » de varia­tion nor­mal, puis ils ont quan­ti­fié les écarts par rap­port à ce motif (pat­tern en anglais) à l’aide de pro­ba­bi­li­tés appe­lées « valeurs P ». Des valeurs P plus faibles indiquent une pro­ba­bi­li­té plus éle­vée qu’un bâti­ment ait été détruit.

« Savoir dis­tin­guer les dif­fé­rents motifs consti­tue l’un des prin­ci­paux défis aux­quels sont confron­tées ce genre de tech­niques de détec­tion des chan­ge­ments », explique Daniel Racek. Ces tech­niques sont déjà employées pour iden­ti­fier les modi­fi­ca­tions à la sur­face de la Terre et trouvent des appli­ca­tions dans des domaines tels que le déve­lop­pe­ment urbain, l’agriculture et la sur­veillance de la cou­ver­ture du sol, précise-t-il.

Pour tes­ter leur approche, lui et ses col­lègues l’ont appli­quée à trois études de cas : l’ex­plo­sion du port de Bey­routh en 2020 ; l’in­va­sion de Mariou­pol en Ukraine par les forces russes en 2022 ; et la guerre en cours entre Israël et le Hamas à Gaza, qui a débu­té en octobre 2023. Ces situa­tions sont très dif­fé­rentes les unes des autres.

Leur algo­rithme a atteint un taux de pré­ci­sion de 86 % pour l’ex­plo­sion de Bey­routh et a cor­rec­te­ment iden­ti­fié 361 bâti­ments détruits au total. Ce chiffre repré­sente plus de 5 % de l’en­semble des bâti­ments de la zone ana­ly­sée. Bien qu’elle ne résulte pas d’un conflit armé, l’ex­plo­sion a eu des effets simi­laires, avec des dégâts consi­dé­rables concen­trés dans une zone den­sé­ment peuplée.

Leur algo­rithme a atteint un taux de pré­ci­sion de 86 % pour l’ex­plo­sion de Bey­routh et a cor­rec­te­ment iden­ti­fié 361 bâti­ments détruits au total.

L’al­go­rithme a éga­le­ment révé­lé que plus de 2 400 bâti­ments avaient été détruits dans le quar­tier de Zhovt­ne­vyi à Mariou­pol. Cela repré­sente plus de 20 % des bâti­ments dans cette zone. Contrai­re­ment à Bey­routh, explique Daniel Racek, les dégâts à Mariou­pol se sont éta­lés sur plu­sieurs semaines, ce qui nous a per­mis de tes­ter la capa­ci­té de notre méthode à les détec­ter sur une période longue.

« Au cours des quatre pre­miers jours de l’invasion, le centre de Mariou­pol est res­té pra­ti­que­ment intact, dit-il. Au cours des semaines sui­vantes, cepen­dant, nous avons obser­vé que les zones détruites se dépla­çaient du nord-ouest vers le sud-est du centre, alors que l’armée russe détrui­sait la majeure par­tie de la ville par des bom­bar­de­ments. »

En ce qui concerne Gaza, leurs cal­culs concor­daient avec les ana­lyses satel­li­taires de l’ONU, bien que ces der­nières fussent légè­re­ment plus pru­dentes. « Ici, nous avons sui­vi l’évolution de la guerre sur plu­sieurs mois, explique Daniel Racek. Nous avons mon­tré les valeurs P pour les pixels repré­sen­tant des bâti­ments pour la période allant du 18 sep­tembre au 11 décembre 2023. À la suite de l’attaque ini­tiale du 7 octobre, nos résul­tats montrent clai­re­ment des frappes aériennes géné­ra­li­sées à tra­vers la bande de Gaza. Les appels à l’évacuation lan­cés par la suite depuis le nord de Gaza cor­res­pondent au fait que les dégâts se sont prin­ci­pa­le­ment limi­tés à cette zone. Puis, à mesure que l’offensive ter­restre israé­lienne se déployait, les dom­mages ont sui­vi de près les mou­ve­ments des troupes, d’abord à Gaza puis à Shuja’iyya et Khan Yunis. »

Avant cette étude, de telles ana­lyses n’étaient pos­sibles qu’à par­tir d’images com­mer­ciales à haute réso­lu­tion. Non seule­ment celles-ci sont coû­teuses, mais elles ne sont pas tou­jours dis­po­nibles immé­dia­te­ment pour les zones de guerre, en par­ti­cu­lier au début d’un conflit. Dans de tels cas, les images d’avant-conflit néces­saires font défaut, ce qui rend toute com­pa­rai­son et toute détec­tion fiable des dégâts impossible.

Comme le sou­lignent éga­le­ment des recherches anté­rieurs, la détec­tion auto­ma­ti­sée à grande échelle des dom­mages cau­sés par les guerres et les conflits per­met d’é­tu­dier des ques­tions qui étaient aupa­ra­vant dif­fi­ciles, voire impos­sibles à abor­der, ajoute-t-il. Elle peut four­nir des infor­ma­tions sur le type de bâti­ments pris pour cible et détruits. Par exemple, les écoles, les hôpi­taux et d’autres infra­struc­tures essen­tielles. Elle peut aus­si indi­quer quand ils ont été visés. Ces infor­ma­tions faci­litent non seule­ment la recherche aca­dé­mique, mais elles sont éga­le­ment par­ti­cu­liè­re­ment utiles pour les gou­ver­ne­ments et les orga­ni­sa­tions inter­na­tio­nales, car elles pour­raient aider à orien­ter l’aide huma­ni­taire et à pla­ni­fier la recons­truc­tion suite à un conflit.

Il était impor­tant pour nous de rendre cette détec­tion acces­sible à un large éven­tail d’utilisateurs et pas seule­ment à ceux qui ont les moyens d’acheter des images commerciales.

Les conflits armés et les guerres sont mal­heu­reu­se­ment de plus en plus fré­quents, et il est extrê­me­ment impor­tant de détec­ter la des­truc­tion des bâti­ments afin d’observer et de mesu­rer les consé­quences de ces guerres. « Il était impor­tant pour nous de rendre cette détec­tion acces­sible à un large éven­tail d’utilisateurs (cher­cheurs, jour­na­listes, orga­ni­sa­tions inter­na­tio­nales, etc.) et pas seule­ment à ceux qui ont les moyens d’acheter des images com­mer­ciales. C’est l’une des rai­sons pour les­quelles nous avons entre­pris cette étude. »

« Espé­rons qu’à l’avenir, de plus en plus d’outils « prêts à l’emploi » ne néces­si­tant pas de connais­sances appro­fon­dies en matière de don­nées ni des algo­rithmes qui les sous-tendent, seront déve­lop­pés pour mettre en évi­dence les ravages cau­sés par la guerre. Ces infor­ma­tions pour­raient alors être faci­le­ment inté­grées dans des déci­sions gou­ver­ne­men­tales et à des articles de presse, per­met­tant ain­si de faire connaître la réa­li­té de ce qui se passe dans les régions déchi­rées. »

Propos recueillis par Isabelle Dumé