evidoria

← Retour à la liste

Bonne pratique Importée

Système d'alerte précoce renforcé par l'IA — projet pilote INGD/INAM du Mozambique pour la prévision des cyclones et des inondations

Mozambique · Maputo · Voir le profil de Mozambique · Voir le profil de Maputo

Preuves: Descriptif / auto-déclaré Top 83% 40/100 · Demandez à Evidence Copilot à propos de cette pratique

L'INGD et l'INAM du Mozambique, avec le PNUD, la Banque mondiale et l'Institut météorologique norvégien, testent des prévisions par apprentissage automatique sur un système d'alerte précoce multirisque qui a contribué à réduire le bilan du cyclone Freddy en 2023 à 183 morts, contre 603 pour le cyclone Idai en 2019 — bien que la couche IA reste au stade pilote.

603 deaths
Bilan des morts du cyclone Idai au Mozambique (avant la couche de prévision IA/apprentissage automatique) (2019)
3 US$ billion
Estimation des dégâts du cyclone Idai (2019)
183 deaths
Bilan des morts du cyclone Freddy au Mozambique (système d'alerte précoce multirisques en place) (2023)
265 US$ million
Financement du Programme de gestion des risques de catastrophe et de résilience de la Banque mondiale (n/a)
70 stations
Stations de radio communautaires utilisées pour diffuser les alertes précoces (n/a)
Système d'alerte précoce renforcé par l'IA — projet pilote INGD/INAM du Mozambique pour la prévision des cyclones et des inondations

Détails

Maturité
Pilote
Promoteur
Instituto Nacional de Gestão e Redução do Risco de Desastres (INGD) and Instituto Nacional de Meteorologia (INAM), Government of Mozambique, with UNDP, the World Bank, the Norwegian Meteorological Institute and the Green Climate Fund
Période
Early warning system built out since 2019 (post-Cyclone Idai); AI/machine-learning forecasting layer piloted since approximately 2023-2025
Mots-clés
AI early warning systems, disaster risk reduction, meteorology, machine learning, climate adaptation

Contexte

Après le cyclone Idai en mars 2019, qui a causé 603 décès et environ 3 milliards de dollars de dégâts, l'Institut national de gestion et de réduction des risques de catastrophe (INGD) et l'Institut national de météorologie (INAM) du Mozambique ont mis en place un système d'alerte précoce multirisques avec le soutien de la Banque mondiale, dans le cadre du Programme de gestion des risques de catastrophe et de résilience, doté de 265 millions de dollars. Les prévisions satellitaires et radar de l'INAM sont diffusées via 70 stations de radio communautaires et des brigades communautaires formées qui évacuent les ménages à risque avant une tempête. Depuis environ 2023-2025, l'INGD et l'INAM ont ajouté à ce système un pilote de prévision par apprentissage automatique et analyse de données satellitaires, en partenariat avec le PNUD, la Banque mondiale, l'Institut météorologique norvégien et le Fonds vert pour le climat, afin de réduire le délai entre la détection d'un aléa et l'alerte publique pour les inondations, les cyclones et les sécheresses.

Résultats

Le bilan du cyclone Freddy au Mozambique en 2023 s'est élevé à 183 décès, contre 603 pour le cyclone Idai en 2019 — une réduction attribuée au système d'alerte précoce multirisques plus large, antérieur à la couche IA/apprentissage automatique. La composante IA/apprentissage automatique elle-même reste au stade pilote, avec des gains prometteurs mais pas encore pleinement prouvés en matière de précision des prévisions d'inondation ; les améliorations de prévision financées par les donateurs ne se sont pas toujours traduites par une diffusion cohérente des alertes, en raison de contraintes de coordination institutionnelle et de continuité du financement.

Conclusions

Le Mozambique s'est engagé à atteindre d'ici 2027 une couverture complète dans le cadre de l'initiative « Alertes précoces pour tous », mais la contribution spécifique de la couche IA/apprentissage automatique aux résultats n'a pas encore été évaluée séparément et rigoureusement.

Mise en œuvre
Coût indicatif
Très élevé (> 5 M€) — The World Bank-financed Disaster Risk Management and Resilience Program supporting the broader early-warning system is budgeted at US$265 million; the specific cost of the newer AI/ML forecasting pilot layer is not separately disclosed.
Délai jusqu’aux résultats
Long (> 3 ans) — Multi-hazard EWS built following Cyclone Idai (March 2019); machine-learning/satellite-analytics forecasting pilot layer added approximately 2023-2025; national target of full 'Early Warnings for All' coverage by 2027.
Personnel et compétences
Mozambique's National Institute for Disaster Risk Management and Reduction (INGD), National Meteorological Institute (INAM), Trained community brigades that evacuate at-risk households ahead of a storm, Network of 70 community radio stations used to disseminate alerts

Conditions de réussite

  • Multi-hazard early-warning system combining satellite- and radar-based forecasts with community radio dissemination and trained evacuation brigades
  • International donor partnership (World Bank, UNDP, Norwegian Meteorological Institute, Green Climate Fund) providing technical and financial support

Modes d’échec courants

  • Donor-funded forecasting improvements have not always translated into consistent warning dissemination
  • Institutional-coordination and financing-continuity constraints limit consistent impact

Où cela s’applique

Type de gouvernance
national disaster-management and meteorological agencies with multilateral donor support
Échelle
national
Niveau de revenu
low-income

Habituellement financé par

National / regional programmes

Pistes de financement indicatives pour des pratiques de ce type — vérifiez toujours les appels en cours et les règles d'éligibilité de chaque programme.

Vous portez cette pratique ? Revendiquez-la — les porteurs vérifiés obtiennent un contact public sur la page et peuvent proposer des corrections.

Sources de données

D'où proviennent les informations de cette pratique, et quand.

Pièces jointes

Pratiques similaires qui pourraient vous être utiles