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 …
Mozambique · Maputo · Voir le profil de Mozambique · Voir le profil de Maputo
Preuves: Descriptif / auto-déclaré Top 88% 33/100 · Demandez à Evidence Copilot à propos de cette pratique
Le 15 avril 2026, la LIMCOM — commission conjointe du Botswana, du Mozambique, de l'Afrique du Sud et du Zimbabwe — a lancé un « jumeau numérique » hydrologique et « WaterCopilot », un agent d'IA générative permettant d'interroger les données du bassin en langage courant. Aucune donnée d'utilisation n'a encore été publiée.
La LIMCOM, la commission fondée sur un traité par laquelle le Botswana, le Mozambique, l'Afrique du Sud et le Zimbabwe gèrent conjointement le bassin du fleuve Limpopo, a lancé le "Jumeau numérique du Limpopo" et "WaterCopilot" le 15 avril 2026, développés avec l'Institut international de gestion de l'eau (IWMI) et Microsoft.
Ces outils visent à renforcer la sécurité hydrique régionale et la planification d'adaptation au changement climatique en offrant aux gestionnaires de l'eau du bassin une réplique quasi en temps réel des données hydrologiques, climatiques et d'irrigation, ainsi qu'un assistant IA conversationnel permettant d'interroger l'état du bassin en langage courant, en anglais ou en portugais.
Le lancement s'est accompagné d'une formation technique de deux jours (15-16 avril 2026) à Maputo, au Mozambique, qui a permis de former le personnel technique des quatre États membres de la LIMCOM.
Il s'agit d'un déploiement réel, nommé et daté, avec des partenaires techniques crédibles et une structure de gouvernance intergouvernementale formelle (la LIMCOM a été créée par traité en 2003), mais aucune statistique d'utilisation, volume de requêtes, résultat décisionnel ou comparaison avant/après n'a été publié depuis le lancement, ce qui en fait un cas encore précoce et peu étayé par des preuves, à suivre à mesure qu'il passe à un usage routinier.
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.
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 …
Philippines
Un projet financé par la Corée à hauteur de 12,7 millions de dollars a mis en place un système de …
France
Le portail français des données ouvertes utilise Albert, le modèle de langage ouvert de l'État, pour rédiger des descriptions et …
Nigeria
L'Agence des services hydrologiques du Nigeria affirme avoir déployé des modèles d'apprentissage profond entraînés sur plus de 200 ans de …
Ouvrir le copilote complet Fondé sur des pratiques citées — vérifiez toujours les sources.