Réduire les conséquences d’événements dramatiques, comme les catastrophes naturelles, implique une bonne information en amont. Des systèmes d’alerte précoce se sont développés pour pouvoir anticiper ces phénomènes. Mais de nombreux progrès restent à faire notamment dans l’enrichissement des données analysées.
Les catastrophes naturelles sont une cause constante de souffrance humaine et de pertes économiques à travers le monde. Des outils informatiques, dits systèmes d’alerte précoce, ont été développés pour aider les autorités à anticiper ces événements. Contrairement au système d’alerte classique qui se déclenche une fois la catastrophe apparue (alertes enlèvements, etc), les systèmes d’alerte précoce interviennent en amont afin de laisser le temps d’agir. Ils reposent sur quatre fonctions : (1) l’expertise des risques qui détermine les zones et les populations les plus vulnérables, (2) le monitoring qui consiste à surveiller les différents paramètres du risque, (3) les méthodes de communication et de diffusion de l’alerte, (4) l’éducation et la capacité d’intervention (les habitants connaissent-ils les procédures à suivre, etc).
Enrichir les informations de monitoring
Elsa Negre, maître de conférences au LAMSADE, s’intéresse à l’amélioration de ces systèmes. En croisant théories de la data-science et étude de cas, l’auteure analyse plus particulièrement la fonction monitoring du système, où des données météorologiques et physiques (force du vent, niveau des précipitations, etc) sont collectées via des capteurs et analysées. Lorsque certains seuils sont franchis, une alerte se déclenche. Les informations contextuelles de l’expertise du risque (niveau de vie de la population, densité, etc) sont souvent ignorées. L’intégration de ces informations permettrait d’améliorer l’analyse.
Répondre à la diversité des données
Mais ce rapprochement soulève des problématiques techniques : comment agréger une densité de population et une vitesse de vent ? Les données sont de nature variable et traitées différemment. Les données colletées peuvent prendre toutes les valeurs numériques, tandis que les paramètres de monitoring correspondent à des seuils (alerte de niveau 1, 2 ou 3, etc). Le défi est donc double : (1) répondre à l’hétérogénéité des données et (2) créer un système reposant sur des intervalles plutôt que sur des seuils. Des outils mathématiques existent mais il faut valider leur pertinence dans ce cas précis. Il faut être prudent puisque la manière dont les données sont agrégées impacte directement le déclenchement de l’alerte.
De l’alerte à la recommandation
Un autre axe de recherche porte sur la prise de décision. Généralement, les messages délivrés par les systèmes d’alerte précoce se réduisent à « alerte de niveau X ». Aucune recommandation n’est fournie. L’objectif de la chercheuse est donc de réinjecter de l’expérience dans le système pour créer un système capable d’aider à la prise de décision en période de crise. Par exemple, en croisant la durée d’une évacuation passée, et le taux de croissance de la population concernée, l’outil estimerait le temps d’évacuation nécessaire aujourd’hui. Les recommandations seraient ainsi contextualisées, avec le moment, la population et le lieu concernés.
Enfin, un travail est mené avec une doctorante sur la perception des systèmes d’alerte précoce et le comportement des populations. En effet, si un système est perçu négativement, il sera mal accepté par la population qui sera moins encline à suivre les instructions, rendant l’outil moins efficace.
Sensibilisation, monitoring, diffusion d’information et prise de décision, aucun paramètre ne doit être délaissé. C’est ainsi qu’il sera possible d’accroître l’efficacité d’un système d’alerte précoce en offrant un temps de réaction plus important, et donc l’opportunité de réduire les conséquences du sinistre.
Elsa Negre
Maître de conférences
Université Paris-Dauphine
A propos de l’’Université Paris-Dauphine
L’Université Paris-Dauphine est un grand établissement d’enseignement supérieur exerçant des activités de formation (initiale et continue) et de recherche dans le champ des sciences des organisations et de la décision (gestion, économie, droit, sciences sociales, journalisme, mathématiques et informatique). L’Université Paris-Dauphine est l’une des universités leader en Europe dans son domaine, avec 569 chercheurs et enseignants-chercheurs permanents et assistants, 8 800 étudiants en formation initiale dont 39 % en Licence, 56 % en Master et 5 % en Doctorat, et une offre de formations de 6 Licences, 22 mentions de Masters et 5 programmes doctoraux, largement ouverte à l’apprentissage. Paris-Dauphine est membre fondateur de Paris Sciences et Lettres Research University. C’est la seule université française accréditée Equis et membre de la Conférence des Grandes Ecoles. Pour en savoir plus : www.dauphine.fr
Applications pratiques
Dans le cadre de ses travaux au LAMSADE, sur l’aide à la prise de décision, Elsa Negre conduit plusieurs recherches sur l’amélioration des systèmes d’alerte précoce, utilisés notamment dans la prévention et la gestion des catastrophes naturelles. En croisant les indicateurs de risque (exposition à une zone inondable, densité de population…) aux données de monitoring et en intégrant le comportement des populations, elle vise à améliorer l’analyse et donc la qualité de l’alerte.
A propos d’Elsa Negre
Elsa Negre est Maître de conférences à l’Université Paris-Dauphine et chercheuse au sein du pôle « Science des données » du LAMSADE (Laboratoire d’Analyse et Modélisation de Systèmes pour l’Aide à la DEcision). Ses travaux de recherche portent sur les systèmes de recommandations, les mesures de similarité, l’entreposage et l’analyse de (grands volumes de) données et plus généralement, sur les systèmes d’information.
Auparavant, elle a travaillé au HELP University College (Kuala Lumpur, Malaisie), à l’Université du Québec en Outaouais (Gatineau, Québec, Canada) et au Laboratoire d’Informatique de Nantes-Atlantique (LINA).
Site web du laboratoire
Page personnelle
Bibliographie
• Negre E., Systèmes de recommandation – Introduction. ISTE Editions, ISBN 978-1784058630 (2015).
• Comes T., Mayag B., Negre E., Beyond Early: Decision Support for Improved Typhoon Warning Systems. In Proceedings of the International Conference ISCRAM (Information Systems for Crisis Response and Management), Kristiansand (Norvège), Mai 2015.
• Comes T., Mayag B., Negre E., Decision Support for Disaster Risk Management: Integrating Vulnerabilities into Early-Warning Systems. In Proc. of the 1st International Conference ISCRAM-Med (Information Systems for Crisis Response and Management in Mediterranean countries) p.178-191, Toulouse (France), Octobre 2014.
• Negre E., Towards a Knowledge (Experience)-Based Recommender System for Crisis Management. In Proc. of the 8th International Conference 3PGCIC (P2P, Parallel, Grid, Cloud and Internet Computing), session SN&DE (Social Networks and Digital Ecosystems), p.713-718, Compiègne (France), Octobre 2013.
