Les saisons de feux de forêts au Canada sont de plus en plus longues, intenses et dévastatrices. Ces quatres dernières années ont largement dépassé la moyenne des superficies brûlées des précédentes décennies, avec près de 15 millions d’hectares brûlés en 2023, soit deux fois la superficie du Nouveau-Brunswick.
Selon Ressources naturelles Canada (RNCan), la saison des incendies pourrait s'allonger de plus d'un mois d'ici 2100 dans certaines régions forestières du Canada. Il est donc urgent de renforcer les capacités de mesures préventives et d'aménagement du territoire. C’est dans ce contexte que le Service canadien des forêts RNCan s’est associé à Mila pour mettre au point une solution capable d'accélérer la cartographie nationale de l’aléa d’incendies.
Le défi de cartographier l’aléa d’incendies à l’échelle nationale
La cartographie de l'aléa de feux de végétation permet de déterminer la propension d’une zone à brûler, ainsi que l’intensité et la vitesse de propagation en fonction de la météo, de la topographie et des végétaux. L’aléa est différent du risque, qui lui naît lorsqu'un aléa menace des personnes, des biens ou activités économiques.
À l’aide de ces cartes, les autorités peuvent planifier des interventions préventives ciblées sur le long terme. Parmi ces interventions : aménager des coupe-feu pour limiter la propagation des incendies ou encore planter des végétaux moins combustibles comme des feuillus plutôt que des conifères. La cartographie de l’aléa est également indispensable pour évaluer les risques entourant les collectivités, les résidences et les infrastructures stratégiques.
RNCan cartographie l’aléa grâce au simulateur BurnP3+, alimenté par des équations physiques du comportement du feu. Cependant, pour couvrir le Canada à une résolution extrêmement fine, BurnP3+ doit simuler des millions d’allumages de feux individuels sous diverses conditions météo. Il a fallu plus d’une année aux équipes de NRCan pour produire la carte nationale d’aléa en 2026, la dernière datant de 2017.
« L'aléa de feu de forêt dépend du climat et de la végétation, deux facteurs qui changent dans le temps. Les cartes doivent donc être mises à jour fréquemment, mais avec le temps et le poids computationnel que ça implique, c’est quasi irréaliste. » dit Yan Boulanger, scientifique de l’écologie des forêts à RNCan et superviseur du projet.
Accélérer la cartographie à l’aide de l’IA
Face à la fréquence et l’intensité grandissant des feux, RNCan a fait appel à l’équipe de recherche appliquée de Mila pour évaluer si un modèle d’IA pouvait aider à accélérer le processus de cartographie de l'aléa. Pour y parvenir, l'équipe de RNCan a fourni des cartes de simulation BurnP3+ obtenues lors de la cartographie nationale de cette année pour servir de données d'entraînement à un modèle d'IA.
Motivés par l'impact potentiel, les scientifiques de Mila ont mené un effort interdisciplinaire avec des experts en foresterie pour développer un modèle d'IA qui émule BurnP3+ en quelques secondes, allant 806 à 3 400 fois plus vite selon le matériel utilisé. Par exemple, une tâche qui prend normalement un an avec BurnP3+ ne prendrait plus qu'entre 2 et 11 heures à cette vitesse avec le modèle d'IA.
« L'émulateur génère des approximations imparfaites, mais d'une grande fidélité et à des vitesses incomparablement plus rapides que BurnP3+. La première réaction face à la rapidité du modèle a été juste “wow”.» explique Tom Swystun, spécialiste en modélisation à RNCan.
Le modèle a également appris à estimer les probabilités d'incendie en fonction des patrons spatiaux du territoire : « Le modèle est capable de prédire que si il y a un lac à un endroit, alors il y aura moins de probabilité de brûler grâce à son effet protecteur. » déclare Yan Boulanger.
Tom Swystun affirme que les risques de mésinterprétation du modèle sont plutôt faibles, puisqu’il reproduit ce que fait BurnP3+, mais beaucoup plus rapidement.
Point important, ce nouvel outil ne remplace ni BurnP3+ ni l’expertise des équipes de RNCan. Le modèle agit comme un outil complémentaire dans la boîte à outils des analystes : « Le modèle d'IA conçu par Mila peut être utilisé en amont en testant plusieurs paramètres, ce qui demanderait plusieurs mois de calcul avec BurnP3+. Une fois qu'un scénario nous semble très probable, on peut le calculer précisément avec BurnP3+.» dit Yan Boulanger.
Le prochain objectif est de diffuser l'outil auprès de la communauté d'utilisateurs de BurnP3+ et de continuer à effectuer plusieurs tests pour exploiter pleinement ses capacités et comprendre ses limites opérationnelles.
Une partenariat positif pour la souveraineté Canadienne
Le partenariat entre les deux institutions ne date pas d’hier : amorcée en 2020 autour d'un premier projet dans le secteur minier, la relation s'est progressivement étendue, de l'énergie à l'observation de la Terre, jusqu'au lancement de ce projet en foresterie à l'automne 2025.
Les retombées économiques et sociales de ce projet sont majeures. En réduisant les délais et les coûts de calcul, le modèle IA permet aux provinces, municipalités et partenaires industriels de mieux cibler les investissements d’aménagement préventif, ainsi que de mieux protéger les populations et les infrastructures.
Conçu spécifiquement pour s'adapter aux systèmes d'information forestière du pays, cet outil renforce la souveraineté canadienne en offrant au gouvernement fédéral une capacité autonome de planification à long terme face à l'augmentation des aléas climatiques.
Finalement, la méthodologie, le code développé et le modèle IA sont en libre accès, pour permettre à la recherche de progresser sur ce type de problématique et de l’appliquer à d'autres pays ou d’autres domaines de la gestion des risques environnementaux.
Ce projet incarne la conviction de Mila que le plus grand impact de la recherche en IA est obtenu lorsque les scientifiques en IA travaillent main dans la main avec des experts du domaine à travers le Canada pour relever nos défis les plus critiques.
Pour plus de détails, le code, les modèles et l’article de recherche sont accessibles sur la page du projet ici.
