Accueil

Case Studies

Wilson Center

Agir pour préserver nos océans
Surmonter les défis liés aux données pour faire le suivi des déchets marins et en réduire le volume

Les déchets plastiques ont un effet délétère sur les écosystèmes marins : ils endommagent notamment les plages, tuent les bébés tortues et détruisent les coraux.

Au niveau mondial et toutes époques confondues, la moitié du plastique a été produit au cours des 13 dernières années. Avec 8,8 millions de tonnes déversées dans les océans chaque année, peu d’endroits sur terre sont épargnés. Les déchets plastiques souillent les criques isolées et glacées de l’Antarctique, les magnifiques côtes de la Réunion et de l’île Maurice, et même les étendues insondables de la fosse des Mariannes, à 10 000 mètres de profondeur.

Un problème aussi omniprésent et pernicieux nécessite une attention immédiate et globale.

Le Programme des Nations Unies pour l’environnement (PNUE) rassemble des experts marins, des écologistes, des organisations à but non lucratif, des universitaires et des scientifiques citoyens du monde entier, tous désireux d’affronter le problème de la durabilité environnementale. En 2015, il a établi 17 objectifs de développement durable (ODD) pour la planète, l’objectif 14 exigeant notamment une préservation et une utilisation durable des océans. Son Programme des Nations unies pour le développement (PNUD) a pour objectif de réduire de façon significative la pollution marine d’ici 2025.

Bien que personne ne conteste l’importance de purger les plages des plastiques à usage unique et d’autres formes de déchets, un problème se pose : vous ne pouvez pas agir sur ce que vous êtes incapable de mesurer. Il n’existe à l’heure actuelle pas de processus capable de fournir des données sur la quantité de plastique qui pollue les plages, et personne ne sait vraiment si les efforts ponctuels de nettoyage des plages ont un quelconque effet au niveau global.

Des tonnes de plastique


8,8 millions de tonnes de plastique déversées dans les océans chaque année 

Une prévisibilité améliorée



Le modèle peut prédire les volumes de déchets à 5 ans

 

L’IA est un allié puissant des sciences participatives, et elle peut aider les communautés tant à l’échelle locale que mondiale. La réalisation de ce potentiel n’en est qu’à ses tout débuts. Dr. Anne Bowser Directeur de l’innovation Wilson Center
Préservation de la vie sous-marine

Défi 1 : rassembler et combiner les données mondiales sur les déchets océaniques


Estimer le volume de déchets marins éparpillés dans les cinq océans est beaucoup plus difficile qu’il n’y paraît. A l’heure actuelle, les pays et les organisations ne disposent d’aucune méthode standardisée pour collecter les données sur les déchets marins. Le Wilson Center, l’une des principales organisations apolitiques des États-Unis, ainsi que le PNUE et l’équipe Data Science and AI Elite (DSE) d’IBM, s’étaient donné pour tâche d’harmoniser d’immenses quantités de schémas et de métadonnées, le but étant de prendre en compte des données provenant des quatre coins du monde.

Pour améliorer encore le niveau de collaboration entre toutes les parties prenantes, le PNUE a défini un objectif clé : créer une plateforme mondiale dédiée au suivi des déchets maritimes. Le logiciel IBM Knowledge Catalog exécuté sur IBM Cloud Pak for Data lui a permis de nettoyer, de transférer, de classer, de rendre conformes et disponibles les données dont les data scientists avaient besoin. La solution a également permis aux scientifiques citoyens de retracer les origines des données, de collaborer avec d’autres scientifiques, de demander des jeux de données et de confronter les analyses desdites données, le tout à l’aide de mécanismes d’évaluation et de marquage.

Défi 2 : venir à bout des ensembles de données conditionnels pour préserver la santé des plages

Le deuxième défi était de calculer le volume de déchets sur les plages. Les enquêtes statistiquement randomisées permettent de créer des estimations précises, mais la collecte de données sur les déchets est par nature aléatoire. Fortement dépendantes d’équipes bénévoles, les données sur les efforts de nettoyage peuvent être compromises par des biais temporels et spatiaux. Prenons par exemple un volontaire qui collecte quotidiennement des déchets sur une plage. Ce qu’il collecte chaque jour sera différent de ce qu’un autre volontaire collecte s’il ne participe que chaque semaine ou chaque mois. Les échantillons dépendent d’une pléthore de variables, ce qui les rend difficiles à comparer et à analyser.

Les efforts de nettoyage n’étant pas coordonnés, certains endroits sont nettoyés trop fréquemment et d’autres rarement voire jamais, ce qui implique que les variables ne sont ni indépendantes ni identiquement distribuées (en anglais « independent and identically distributed » ou IID). Ces ensembles de données conditionnels ne permettent pas la résolution des problèmes à l’aide des méthodes de machine learning habituelles.

Pour relever ces défis, l’équipe DSE a utilisé la méthode d’interférence bayésienne avec les techniques d’échantillonnage de la méthode de Monte-Carlo par chaînes de Markov (en anglais « Markov chain Monte Carlo » ou MCMC). L’approche bayésienne leur a permis de tenir compte des incertitudes dans le problème, et la méthode MCMC leur a permis de créer une chaîne d’événements dépendants pour faire une estimation des paramètres des déchets marins. Cette preuve de concept a révélé que cette méthodologie hybride pouvait être ajustée et modifiée pour améliorer la force du modèle.

L’équipe DSE a créé un pipeline de machine learning dans IBM Cloud Pak for Data afin d’établir un cycle de vie de l’IA rationalisé de bout en bout. Après avoir établi une base de référence pour mesurer les déchets marins, l’équipe a pu prévoir le nombre de volontaires nécessaires pour un travail de nettoyage sur une plage donnée. Compte tenu des tendances et des politiques actuelles, le modèle devrait permettre de faire des projections sur la quantité de déchets attendue dans cinq ans.

Défi 3 : regarder vers l’avenir pour renforcer la prévention et le soutien

La meilleure façon de résoudre le problème des déchets marins est d’empêcher qu’il se produise. A l’avenir, comment les communautés littorales peuvent-elles lutter contre les dommages permanents infligés à leur côtes inviolées ? L’équipe DSE a créé une série de prévisions chronologiques pour faciliter le suivi du plastique marin et élaborer des politiques plus précises et plus efficaces pour l’éradiquer. Pour rendre l’ensemble de données facilement utilisable, l’équipe a créé un tableau de bord exécutif qui permet aux différentes parties prenantes de :

  • Surveiller la progression de la densité des déchets marins année après année
  • Segmenter les données par emplacement national pour évaluer les tendances des déchets au fil du temps
  • Se concentrer sur des plages spécifiques pour une collecte de données plus granulaire
  • Affiner la méthodologie pour recommander les meilleures applications mobiles aux groupes bénévoles

Avec un cycle de vie de l’IA de bout en bout, les scientifiques et les décideurs politiques pensent pouvoir tirer encore plus de valeur des ensembles de données du Wilson Center, que ce soit pour orchestrer des nettoyages ou définir un calendrier qui permettrait de parvenir à une pollution nulle. Le tableau de bord numérique personnalisé d’IBM rend le travail facilement accessible et partageable, même pour ceux qui n’ont pas de compétence technique particulière.

Ces outils permettent à un acteur du PNUE comme le Costa Rica de suivre sa progression vers l’objectif que s’est fixé le pays : se débarrasser entièrement des plastiques.

 

Défi 4 : sensibiliser les gens au problème des déchets marins

La direction du PNUE souhaite aller plus loin dans les données, son objectif étant de créer un lien affectif entre le public et le problème des déchets marins. Pour établir ce lien, l’organisation a imaginé un avatar numérique comme source d’information. Et c’est ainsi que Sam, un homme virtuel, a vu le jour.

« Sam est capable de créer un lien affectif avec les utilisateurs, car il est réellement réactif », explique Richard Darden, ingénieur éminent et défenseur de l’humanité virtuelle chez IBM.

Les réponses de Sam, dotées d’un contenu émotionnel, proviennent d’IBM watsonx Assistant, qui exploite lui-même la technologie IBM Watson Speech to Text. Ces programmes sont capables de comprendre l’intention d’un utilisateur, puis d’élaborer la réponse de Sam en explorant le vaste référentiel du PNUE et d’autres sources.

Ces informations sont ensuite filtrées à l’aide d’un avatar réaliste créé par Soul Machines, une entreprise basée à San Francisco qui conçoit ce qu’elle appelle elle-même des « personnes virtuelles ».

Sam est capable de créer un lien affectif avec les utilisateurs, parce qu’il est réellement réactif. Richard Darden Ingénieur éminent et défenseur de l’humanité virtuelle IBM
De la preuve de concept à la production

En exploitant la puissance de la technologie pour lutter contre la pollution plastique, IBM a démontré à l’Assemblée des Nations unies pour l’environnement (ANUE) son engagement en faveur de la préservation de l’environnement, soulignant au passage que l’IA peut être un outil essentiel pour mesurer les progrès futurs et influencer les politiques d’intervention en matière de plastique marin, le but ultime étant de parvenir à un écosystème durable. Le PNUE s’efforce désormais de rendre la collecte de données plus facile et plus efficace.

Le Wilson Center explore les moyens d’utiliser la science participative dans les rapports du PNUE au-delà des nettoyages de plage, notamment avec des applications mobiles plus sophistiquées, qui comprennent la détection et la classification des objets, explique le Dr. Anne Bowser, directrice de l’innovation au Wilson Center et chef de projet.

Sur la base du succès précoce de sa collaboration avec IBM, Mme Bowser pense qu’un plus grand nombre d’objectifs du PNUE(lien externe à ibm.com) pourraient bénéficier de l’IA. « L’IA est un allié puissant de la science participative qui peut aider tant les communautés locales que mondiales », déclare Mme Bowser. « Et la réalisation de ce potentiel n’en est qu’à ses tout débuts. »

Logos Wilson Center et UNEP
A propos du Wilson Center

Le Wilson Center (lien externe à ibm.com), créé par le Congrès américain en 1968 à la mémoire du président Woodrow Wilson, est une importante organisation apolitique du pays. Son objectif est de s’attaquer aux problèmes d’envergure mondiale par le biais de recherches indépendantes et d’un dialogue ouvert, de trouver des idées applicables et de les soumettre aux décideurs politiques. L’organisation a contribué au lancement de l’Earth Challenge 2020, une plateforme qui permet d’accroître la quantité de données scientifiques citoyennes ouvertes et interopérables, avec une application mobile conçue pour mobiliser le public.

Programme des Nations unies pour l’environnement (PNUE)

Le PNUE (lien externe à ibm.com) est l’autorité environnementale mondiale numéro un. Elle définit l’agenda environnemental mondial et promeut une mise en œuvre cohérente de la dimension environnementale du développement durable au sein des Nations Unies. Créé en 1972, il est une autorité dans la défense de l’environnement au niveau mondial. Pour plus d’informations, accédez à l’adresse suivante : https://www.unep.org (lien externe à ibm.com).

Composants de la solution IBM Cloud Pak for Data IBM Watson Assistant IBM Watson Studio
Passez à l’étape suivante
Unifier les outils, les processus et les personnes nécessaires pour les données d’entreprise et l’IA Lancez-vous Lancer votre prochain projet de science des données Travailler avec nous Débloquez les données plus rapidement grâce à une data fabric avec IBM Cloud Pak for Data En savoir plus
Mentions légales

© Copyright IBM Corporation 2021. IBM Corporation, IBM Global Business Services, New Orchard Road, Armonk, NY 10504

Produit aux États-Unis d’Amérique, juillet 2021

Cognos, IBM Cloud Pak et IBM Watson sont des marques commerciales d’International Business Machines Corp., déposées dans de nombreux pays. Les autres noms de produits et de services peuvent être des marques d’IBM ou d’autres sociétés. Une liste actualisée des marques de commerce d’IBM est disponible sur le Web à l’adresse ibm.com/trademark.

Les informations contenues dans le présent document étaient à jour à la date de sa publication initiale. Elles peuvent être modifiées sans préavis par IBM. Les partenaires commerciaux IBM fixent leurs propres prix, lesquels sont susceptibles de varier. Les offres mentionnées dans le présent document ne sont pas toutes disponibles dans tous les pays où la société IBM est présente.

Les données de performance et les exemples de clients cités sont présentés à titre informatif uniquement. Les résultats des performances peuvent varier en fonction des configurations et des conditions de fonctionnement. LES INFORMATIONS CONTENUES DANS LE PRÉSENT DOCUMENT SONT FOURNIES « EN L’ÉTAT », SANS AUCUNE GARANTIE EXPLICITE OU IMPLICITE, NOTAMMENT SANS AUCUNE GARANTIE DE QUALITÉ MARCHANDE, D’ADÉQUATION À UN USAGE PARTICULIER ET AUCUNE GARANTIE OU CONDITION D’ABSENCE DE CONTREFAÇON. Les produits IBM sont garantis conformément aux dispositions des contrats qui régissent leur utilisation.