Mila et Ressources naturelles Canada créent un modèle d’IA sur les feux de forêt jusqu’à 3 400 fois plus rapide
L’institut de recherche montréalais Mila et la division des forêts de Ressources naturelles Canada (RNCan) ont mis au point un modèle d’intelligence artificielle qui cartographie le risque de feux de forêt à l’échelle du pays, en estimant la probabilité qu’un secteur brûle, la vitesse à laquelle un incendie pourrait se propager et son intensité possible, a rapporté BetaKit le 23 octobre. L’outil doit remplacer BurnP3+, le simulateur fondé sur la physique qu’utilise actuellement RNCan.
BurnP3+ s’appuie sur des données physiques de comportement du feu et doit être mis à jour constamment à mesure que le climat et la végétation changent, si bien que la production de nouvelles cartes de risque peut prendre des mois. L’émulateur d’IA a été entraîné sur des cartes produites cette année par des simulations physiques d’incendies, ce qui lui donne une base semblable, mais Mila affirme qu’il fonctionne de 800 à 3 400 fois plus vite selon le matériel informatique utilisé, ramenant ce travail à quelques heures. Tom Swystun, spécialiste de la modélisation des systèmes forestiers à RNCan, a indiqué que l’émulateur produit des approximations imparfaites, mais d’une grande fidélité, et que la première réaction de l’équipe devant sa vitesse a simplement été « wow ».
Le projet arrive après une saison éprouvante. Selon la mise à jour d’octobre de Sécurité publique Canada, plus de 5 400 feux de forêt ont brûlé environ 4,5 millions d’hectares en 2026, la quatrième pire année jamais enregistrée au pays, et ont forcé 33 750 personnes à quitter leur domicile, dont plus de 8 800 membres de communautés des Premières Nations. La division des feux de RNCan s’attend à ce que les incendies continuent de gagner en fréquence et en intensité, d’où sa décision de faire appel à l’équipe de recherche appliquée de Mila.
Ce que ça change concrètement
La vitesse change la façon dont les cartes de risque peuvent servir. Plutôt que d’attendre des mois une nouvelle simulation, les gestionnaires des feux, les provinces et les communautés pourraient relancer des scénarios au fil de l’évolution du combustible et de la météo, et tester beaucoup plus d’hypothèses avant le début d’une saison. La limite : un émulateur ne connaît que ce que couvraient ses simulations d’entraînement, de sorte que ses résultats devront encore être comparés à BurnP3+ et à l’expérience sur le terrain, surtout pour des types de combustible inhabituels ou des conditions météo extrêmes.
Le modèle est aussi l’un des premiers résultats concrets du virage d’Ottawa vers l’IA en source ouverte. Mila a été chargé de réaliser le volet source ouverte de la stratégie fédérale en IA, en concevant des modèles et des logiciels que tout le monde peut utiliser et adapter, et BetaKit rapporte que l’institut négocie un nouveau financement fédéral pour ce travail. Le projet prolonge la trousse d’IA en source ouverte pour les entreprises canadiennes soutenue par Mila et Mozilla et donne un exemple concret, en sécurité publique, de l’approche pratique et attentive aux risques qui sous-tend la promotion par le Canada de règles pragmatiques sur l’IA au G7 et au G20.
À surveiller : si RNCan et Mila publieront le modèle et ses résultats de validation, la rapidité avec laquelle les agences provinciales de lutte contre les feux l’intégreront à leur planification pour 2027, et la confirmation du nouveau financement fédéral destiné aux travaux en source ouverte de Mila.