evidoria

← Retour à la liste

Bonne pratique Importée

SKAI — L'outil d'IA en open source du PAM et de Google Research pour la cartographie rapide des dégâts du séisme en Turquie

Turquie · Kahramanmaraş · Voir le profil de Turquie

Preuves: Descriptif / auto-déclaré Top 7% 87/100 · Demandez à Evidence Copilot à propos de cette pratique

Après le séisme de février 2023, une équipe de 5 personnes du PAM/Google Research a utilisé SKAI, outil d'IA open source, pour évaluer ~600 000 bâtiments en Turquie avec plus de 81% de précision — impact non vérifié de façon indépendante.

~600,000 buildings
Bâtiments évalués dans le sud-est de la Türkiye (within one month, Feb 2023)
>81%
Précision de la cartographie des dommages
28,000+
Structures gravement endommagées ou détruites signalées
265,000+ buildings
Bâtiments évalués en première passe dans trois villes (within one week)
2.1 million+
Total cumulé de bâtiments évalués dans le monde depuis 2022
88%
Précision lors des inondations de Durban (South Africa deployment)

Détails

Maturité
En expansion
Promoteur
World Food Programme (WFP) Innovation Accelerator & Google Research
Période
2022-2023
Mots-clés
disaster response, emergency management, satellite imagery, machine learning, humanitarian aid

Contexte

SKAI est un outil d'apprentissage automatique open source développé par l'Innovation Accelerator du Programme alimentaire mondial (PAM) en partenariat avec Google Research pour accélérer l'évaluation des dommages aux bâtiments après une catastrophe, à partir d'images satellite et aériennes. Publié en open source en juin 2022, il a été conçu pour être indépendant du contexte, utilisable pour les tremblements de terre, inondations, ouragans et cyclones sans réentraînement complet pour chaque catastrophe. Il a connu son test le plus médiatisé après le séisme Türkiye-Syrie de février 2023.

Objectifs

L'outil vise à donner aux agences humanitaires et de réponse aux catastrophes un moyen rapide et évolutif d'identifier les bâtiments détruits ou gravement endommagés, afin que les ressources de réponse puissent être orientées là où elles sont le plus nécessaires, sans attendre une évaluation manuelle lente.

Activités

Une équipe conjointe de cinq personnes du PAM et de Google Research a évalué environ 600 000 bâtiments dans le sud-est de la Türkiye en moins d'un mois, dont une première passe de plus de 265 000 bâtiments dans trois grandes villes en une semaine, couvrant une zone touchant environ 5 millions de personnes. Les résultats ont été partagés pour appuyer la réponse coordonnée par l'agence nationale de gestion des catastrophes de Türkiye, l'AFAD, aux côtés d'un travail distinct de cartographie satellite mené par l'AI for Good Lab de Microsoft.

Résultats

Le déploiement en Türkiye a atteint plus de 81 % de précision et signalé plus de 28 000 structures gravement endommagées ou détruites. Le PAM a depuis redéployé SKAI pour l'ouragan Ian aux États-Unis (410 000 bâtiments, ~70 % de précision/rappel), les inondations de 2022 au Pakistan (850 000 ménages, 80-85 % de précision) et les inondations à Durban, en Afrique du Sud (250 000 bâtiments, 88 % de précision), l'outil ayant évalué cumulativement plus de 2,1 millions de bâtiments depuis sa sortie.

Conclusions

Le propre récit du PAM sur le déploiement en Türkiye est franc quant à ses limites, notant que l'impact réel des cartes de dommages générées par l'IA était difficile à mesurer et n'a pas été vérifié de façon intensive au regard des résultats sur le terrain. SKAI est un déploiement open source authentique et réutilisé à plusieurs reprises, mais son impact humanitaire en aval n'a pas fait l'objet d'une évaluation indépendante.

Mise en œuvre

Coût indicatif
Faible (< 50 k€)
Délai jusqu’aux résultats
Court (< 1 an)
Personnel et compétences
Five-person joint WFP Innovation Accelerator / Google Research team

Conditions de réussite

  • Pre-existing open-source, context-agnostic model requiring no per-disaster retraining
  • Partnership with a national disaster agency (Türkiye's AFAD) to route outputs into the response
  • Rapid availability of satellite and aerial imagery shortly after the disaster

Modes d’échec courants

  • Real-world impact of the damage maps was not intensively verified against ground truth

Habituellement financé par

National / regional programmes Philanthropic / foundation funding

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

Kit de réplication

Artefacts réutilisables de cette pratique — tels que publiés par leurs sources.

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.

Pratiques similaires qui pourraient vous être utiles