L'Environment Agency intègre l'apprentissage automatique dans son analyse de conformité — en signalant les anomalies dans les déclarations de déchets et en priorisant les inspections — après qu'une enquête menée en 2025 a révélé que seulement 27 % des délits liés aux déchets sont signalés au régulateur.
Détails
Promoteur
Environment Agency (England) — Regulatory Compliance Service & Operational Waste Intelligence and Analysis Unit
Dans une mise à jour d'août 2026, la Chief Regulator de l'Environment Agency, Jo Nettleton, a présenté des projets visant à intégrer l'IA et l'apprentissage automatique dans le Regulatory Compliance Service de l'agence, en passant d'inspections routinières basées sur un calendrier à un modèle piloté par le risque. La propre enquête nationale de 2025 de l'agence sur la délinquance liée aux déchets a révélé que seulement 27 % des délits sont signalés au régulateur, et qu'en 2024, 150 des 295 permis du secteur des déchets classés dans les trois bandes de conformité les plus basses étaient des cas récidivistes — plus de 90 % des avis de mise en conformité de l'agence concernent déjà le secteur des déchets. Les outils d'apprentissage automatique analysent automatiquement les déclarations de déchets à la recherche d'anomalies, établissent des profils de conformité pour cibler les inspections, optimisent la planification des évaluations et croisent des données économiques et d'insolvabilité pour repérer les entreprises à risque de dépôt illégal avant leur défaillance. Une nouvelle Operational Waste Intelligence and Analysis Unit combinera ces données avec des images satellite, de drones et des données de criminalité financière au sein d'un même système. Le suivi numérique obligatoire des déchets pour les sites récepteurs de déchets commence à être déployé en octobre 2026, alimentant les modèles d'IA en données en temps réel. Il s'agit d'un programme en phase de lancement : l'annonce d'août 2026 décrit la conception du système d'IA et les données de conformité qui le motivent, mais ne rapporte encore aucun résultat post-déploiement, les outils et le flux de données obligatoire ne faisant que commencer à être mis en place.
Mise en œuvre
Les détails de mise en œuvre (coût, calendrier, personnel, conditions de réussite) ne sont pas encore disponibles pour cette pratique.
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.
L'agence canadienne du renseignement électromagnétique exploite Assemblyline, plateforme open source de tri des logiciels malveillants par IA, et un classificateur …
Le Bureau de l'intégrité des paiements (OPI) du Trésor américain utilise l'apprentissage automatique pour filtrer les décaissements fédéraux. En AF2024, …