evidoria

← Retour à la liste

Bonne pratique Importée

Le Système Satellite d'Apprentissage Automatique de l'OSINFOR Aide le Pérou à Saisir 19 Millions de Dollars de Bois Illégal

Pérou · Lima · Voir le profil de Pérou · Voir le profil de Lima

Preuves: Observationnel / avant-après Top 32% 67/100 · Demandez à Evidence Copilot à propos de cette pratique

Un système d'IA de l'Université de Sheffield détecte les arbres abattus illégalement par imagerie satellite à très haute résolution, recoupée avec les registres forestiers du Pérou. L'OSINFOR l'a utilisé pour saisir 41 000 m³ de bois illégal, valant 19 millions de dollars, en 2023-24.

37%
Part de l'exploitation illégale officiellement signalée identifiée par le système (over 1.8 million ha monitored)
>41,000 cubic metres
Bois illégal saisi (2023-2024)
>US$19 million
Valeur marchande du bois saisi (2023-2024)
1.8 million hectares (initial)
Zone forestière surveillée (as of 2025 inauguration)
Le Système Satellite d'Apprentissage Automatique de l'OSINFOR Aide le Pérou à Saisir 19 Millions de Dollars de Bois Illégal

Détails

Maturité
En expansion
Promoteur
OSINFOR (Peru's Forest and Wildlife Resources Oversight Agency); University of Sheffield, Grantham Centre for Sustainable Futures
Période
2023-2025
Mots-clés
environment, law enforcement, forestry, machine learning, remote sensing

Contexte

Le Pérou gère environ 68 millions d'hectares de forêt tropicale, où l'exploitation forestière illégale est généralement sélective — quelques arbres de grande valeur retirés par hectare — ce qui la rend très difficile à détecter avec la détection de changement par satellite classique, calibrée pour la déforestation à plus grande échelle.

Objectifs

Détecter les arbres individuels abattus illégalement quasiment en temps réel à partir d'images satellite à très haute résolution, recoupées avec les registres forestiers officiels du Pérou, afin de cibler les inspections de terrain.

Activités

Des chercheurs du Grantham Centre for Sustainable Futures de l'université de Sheffield ont mis au point une méthode d'apprentissage automatique analysant des images satellite à très haute résolution pour détecter le retrait d'arbres individuels. Les événements d'exploitation détectés sont recoupés avec le SERFOR (service forestier du Pérou) et le SISFOR (son système national de suivi forestier) pour déterminer si l'activité s'inscrit dans un plan d'exploitation approuvé. L'OSINFOR, l'organisme indépendant péruvien de contrôle forestier et de la faune sauvage, a adopté l'outil pour cibler ses inspections de terrain, l'inaugurant officiellement en 2025.

Résultats

Sur une zone initiale surveillée de 1,8 million d'hectares, le système a identifié 37 % de toute l'exploitation illégale officiellement signalée. Les autorités péruviennes ont utilisé les preuves obtenues pour saisir plus de 41 000 mètres cubes de bois illégal entre 2023 et 2024, d'une valeur supérieure à 19 millions de dollars américains, selon le chef de l'OSINFOR, Williams Arellano.

Conclusions

L'outil représente un changement d'échelle pour le calendrier de l'application de la loi, détectant l'exploitation sélective pendant qu'elle est encore en cours plutôt qu'après qu'une parcelle entièrement défrichée soit visible, et il est conçu pour être extensible à d'autres pays du bassin amazonien, bien que son déploiement se soit limité au Pérou à ce jour.

Mise en œuvre
Coût indicatif
Moyen (50 k€–500 k€) — Combines very-high-resolution commercial satellite imagery, machine-learning analysis and cross-referencing against existing national forestry databases, consistent with a medium-cost remote-sensing enforcement programme.
Délai jusqu’aux résultats
Moyen (1–3 ans) — Method developed by university researchers and used operationally from 2023, formally inaugurated by OSINFOR in 2025, with seizure figures reported through 2024.
Personnel et compétences
University of Sheffield Grantham Centre for Sustainable Futures researchers (Shaun Quegan, David Edwards, Robert Bryant, Chris Bousfield, Matthew Hethcoat), OSINFOR field inspection teams, SERFOR forestry-registry data custodians

Conditions de réussite

  • Cross-referencing AI-detected logging events against official forestry registers (SERFOR/SISFOR) before enforcement action
  • Near-real-time detection so inspectors can intervene while evidence and loggers may still be on site
  • Institutional adoption by a statutory independent oversight agency (OSINFOR)

Modes d’échec courants

  • No public-facing model documentation or algorithm register was found
  • Coverage of 1.8 million of Peru's 68 million hectares of rainforest is still partial after the 2025 formal inauguration

Où cela s’applique

Type de gouvernance
national forestry oversight agency, with international research partner
Échelle
1.8 million ha initial coverage, extensible to other Amazon basin countries
Niveau de revenu
upper-middle-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