Google Flood Hub — Le système d'alerte aux crues fluviales par IA du Bangladesh Water Development Board
Bangladesh
Depuis 2020, le modèle d'apprentissage automatique des crues de Google Research — capable de prévoir le niveau des rivières même …
Ouganda · Kampala · Voir le profil de Ouganda · Voir le profil de Kampala
Top 46% 60/100 · Demandez à Evidence Copilot à propos de cette pratique
L'Ouganda a lancé à Kampala (avril 2026) un système d'IA de prévision immédiate des crues éclair, combinant données pluviométriques satellitaires, radar et modélisation hydrodynamique. C'est le premier site opérationnel d'un projet pilote est-africain sur cinq villes soutenu par l'OMM, avec une extension prévue à quatre autres villes ougandaises.
L'Ouganda connaît des inondations urbaines soudaines récurrentes à Kampala et dans d'autres villes, avec des systèmes d'alerte jusqu'ici limités. En mars-avril 2026, le Département de météorologie du ministère de l'Eau et de l'Environnement, en partenariat avec l'Organisation météorologique mondiale (OMM) et les spécialistes néerlandais en hydrologie HKV et Deltares, a lancé à Kampala le système de prévision des crues éclair urbaines (UFFFS) — premier déploiement opérationnel d'un projet pilote sur cinq villes couvrant aussi Addis-Abeba, Djouba, Khartoum et Kigali, financé par le ministère néerlandais des Affaires étrangères dans le cadre des programmes « Water at the Heart of Climate Action » et « Early Warnings for All ».
L'UFFFS combine l'algorithme de prévision immédiate par apprentissage automatique PySTEPS avec des estimations satellitaires des précipitations, des données de stations météorologiques automatiques et de radar, ainsi qu'une modélisation hydrodynamique SFINCS, afin de produire des alertes fondées sur l'impact réel — tenant compte du drainage et du relief, pas seulement du volume de pluie. Un atelier technique tenu à Kampala du 23 au 25 mars 2026 a formé plus de 20 agents météorologiques et hydrologiques des cinq pays, et le système est devenu opérationnel le 8 avril 2026.
À ce jour, les sources consultées ne font état d'aucune donnée publiée sur la précision des prévisions, le délai d'alerte ou les dommages évités ; le système est récemment opérationnel et n'a pas encore fait l'objet d'une évaluation indépendante. Les autorités ougandaises elles-mêmes ont signalé des infrastructures de surveillance limitées et un équipement insuffisant comme risques persistants pour son efficacité. Le ministère ougandais a annoncé un plan d'extension vers Fort Portal, Kasese, Gulu et Mbale.
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.
D'où proviennent les informations de cette pratique, et quand.
Bangladesh
Depuis 2020, le modèle d'apprentissage automatique des crues de Google Research — capable de prévoir le niveau des rivières même …
Samoa
Le service météorologique national de Samoa émet désormais des prévisions fondées sur l'impact — et non plus de simples alertes …
Mozambique
L'INGD et l'INAM du Mozambique, avec le PNUD, la Banque mondiale et l'Institut météorologique norvégien, testent des prévisions par apprentissage …
Royaume-Uni
L'ECMWF a rendu opérationnel son modèle météorologique d'apprentissage automatique AIFS en février 2025, suivi d'une version probabiliste en juillet — …
Ouvrir le copilote complet Fondé sur des pratiques citées — vérifiez toujours les sources.