evidoria

← Retour à la liste

Bonne pratique Importée

SAFE-RISCCS — Le projet pilote d'IA du Népal pour l'alerte précoce aux glissements de terrain

Népal · Kathmandu · Voir le profil de Népal · Voir le profil de Kathmandu

Preuves: Descriptif / auto-déclaré Top 88% 33/100 · Demandez à Evidence Copilot à propos de cette pratique

L'université de Melbourne, l'université Tribhuvan et l'autorité népalaise de gestion des catastrophes testent SAFE-RISCCS, un système d'IA combinant données de précipitations, de mouvement du sol et satellitaires pour signaler le risque de glissement de terrain des semaines à l'avance dans deux villages — bien que ses propres concepteurs indiquent qu'il faut encore un an ou plus de données avant de pouvoir prévoir de manière fiable.

59 %
Part du territoire népalais estimée sujette aux glissements de terrain (government estimate)
>80 %
Part du territoire népalais situé sur une pente (government estimate)
~45,000 landslides
Glissements de terrain déclenchés par le séisme de Gorkha en 2015 (2015)
~2 months
Durée de la collecte de données des capteurs sur les sites pilotes à la mi-2025 (mid-2025)
SAFE-RISCCS — Le projet pilote d'IA du Népal pour l'alerte précoce aux glissements de terrain

Détails

Maturité
Pilote
Promoteur
National Disaster Risk Reduction and Management Authority (Nepal) & University of Melbourne
Période
2024–present (pilot, data collection ongoing)
Mots-clés
disaster risk reduction, landslide early warning, remote sensing, machine learning, climate adaptation

Contexte

Le Népal est exceptionnellement exposé aux glissements de terrain : les estimations gouvernementales indiquent qu'environ 59 % du territoire du pays est sujet aux glissements de terrain, et plus de 80 % se trouve sur une pente. Le seul séisme de Gorkha en 2015 a déclenché environ 45 000 glissements de terrain distincts. L'Autorité nationale népalaise de réduction et de gestion des risques de catastrophe (NDRRMA) construit un système national d'alerte précoce aux glissements de terrain, avec le soutien du ministère australien des Affaires étrangères et du Commerce.

Objectifs

Dans le cadre de cet effort, des chercheurs de l'Université de Melbourne (dirigés par la professeure Antoinette Tordesillas), de l'Université Tribhuvan, et des partenaires britanniques et italiens testent SAFE-RISCCS, un système d'IA conçu pour fusionner des pluviomètres, des capteurs de mouvement du sol, des observations d'habitants locaux et des images satellite de la NASA, de l'Agence spatiale européenne et de la JAXA japonaise, afin de signaler le risque de glissement de terrain jusqu'à plusieurs semaines à l'avance.

Activités

Il est déployé sur deux sites pilotes à haut risque : Kimtang, dans le district de Nuwakot, et Jyotinagar, dans le district de Dhading.

Résultats

À la mi-2025, les capteurs de chaque site ne collectaient des données que depuis environ deux mois, et l'équipe du projet affirme qu'un jeu de données couvrant un à deux ans est nécessaire avant que la composante IA puisse générer de manière fiable des alertes graphiques automatisées à partir des prévisions de précipitations. Aucune donnée de précision, de taux de fausses alertes, de validation du délai d'alerte ou d'estimation de vies sauvées n'a été publiée pour SAFE-RISCCS, et aucune évaluation indépendante du système n'existe encore.

Conclusions

Il s'agit d'un pilote précoce plutôt que d'un outil d'alerte précoce éprouvé : sa justification d'inclusion repose sur une configuration institutionnelle crédible ancrée dans le gouvernement (la NDRRMA comme partenaire de mise en œuvre, un financement bilatéral du gouvernement australien, un consortium universitaire international), plutôt que sur une performance de prévision démontrée. Il est inclus comme un exemple transparent et prudent d'adoption de l'IA en cours — à surveiller à mesure que l'historique de données s'allonge, mais pas encore fiable.

Mise en œuvre
Coût indicatif
Moyen (50 k€–500 k€) — Not quantified in dollar terms in the source; funded via bilateral Australian government support (DFAT) together with international university partners.
Délai jusqu’aux résultats
Long (> 3 ans) — Pilot running since 2024; data collection ongoing as of mid-2025; the team states one to two years of further data are needed before reliable automated AI alerts are possible.
Personnel et compétences
National Disaster Risk Reduction and Management Authority (NDRRMA), Nepal — implementing government partner, University of Melbourne (Prof. Antoinette Tordesillas, lead researcher), Tribhuvan University, Research partners in Britain and Italy, Australian Department of Foreign Affairs and Trade — bilateral funder

Conditions de réussite

  • Multi-source data fusion: rainfall gauges, ground-movement sensors, resident observations, and satellite imagery (NASA/ESA/JAXA)
  • Sustained multi-year sensor data collection before AI alerting becomes reliable
  • Bilateral government funding and an international university consortium providing technical backing

Modes d’échec courants

  • Only about two months of sensor data collected at each site as of mid-2025 — the team says one to two years are needed before AI can reliably generate automated alerts
  • No accuracy, false-alarm-rate, lead-time validation, or lives-saved estimates have been published
  • No independent evaluation yet exists

Où cela s’applique

Type de gouvernance
national disaster-management authority with an international academic consortium and bilateral donor
Échelle
two high-risk pilot sites (sub-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