Une étape fondamentale pour comprendre ce processus est l'évaluation de l'état actuel du système. Si possible, les indicateurs sont collectés pour chaque portion d’espace, in situ ou à l'aide d'observations satellitaires, et fournissent une indication quantitative de l'état actuel, et aussi de l'état possible souhaité.
Cependant, nous ne pouvons pas agir directement sur ces indicateurs et, bien souvent, l'impact d'une action donnée reste incertain. Par exemple, si l'eau disponible est utilisée pour irriguer une zone plutôt qu’une autre, comment ces indicateurs réagirontils ? L'amélioration de la qualité des indicateurs dans une zone compensera-t-elle la dégradation dans une autre ?
Étant donné que mener de telles expériences « sur le terrain » serait coûteux et, dans de nombreux cas, contraire à l'éthique, une voie possible est d'utiliser des ordinateurs pour simuler l'évolution des terres et la comparer à ce qu'une série d'interventions est susceptible de produire.
Il est important de rappeler que les interventions possibles sur le territoire sont innombrables : nous pouvons agir sur la gestion de la fertilité des sols, les niveaux d'irrigation, les techniques agricoles et les projets de reboisement. Chacune de ces interventions peut être mise en oeuvre à différents niveaux, et il n'est pas forcément optimal d'appliquer la même intervention à toutes les zones. Par exemple, en cas de pénurie d'eau, il peut être plus judicieux de concentrer l'irrigation sur certaines zones agricoles et de planter des espèces résistantes à la sécheresse sur d'autres. Mais il est évident que ces zones sont habitées, et nous ne pouvons pas contraindre les ayants droit au foncier à abandonner leurs habitudes et leurs moyens de subsistance.
Essayons de définir les grandes lignes d'une simulation. Le plus simple est de considérer un système bidimensionnel représentant la portion de la surface qui nous intéresse. Cette surface est divisée en zones, comme une feuille de papier quadrillée, que nous considérons homogènes et qui déterminent la résolution spatiale.
À chacune de ces zones sont ensuite attribués des indices (fixes ou variables), qui déterminent le type de sol, la quantité d'eau (pluie, irrigation), la végétation (de types différents, y inclus la biodiversité), la température moyenne, l'altitude, etc.
Il convient ensuite de définir l'ampleur des « actions » induites par des agents externes, tels que le rayonnement solaire, les précipitations et le vent. Selon l'échelle de temps choisie, il faut utiliser des valeurs moyennes appropriées, en tenant compte de leurs variations périodiques (par exemple, saisonnières) et aléatoires (événements extrêmes).
À ce stade, nous introduisons la « science » dans le système, c’està- dire la manière dont la température dépend de l’ensoleillement et de l’évaporation, la manière dont l’humidité dépend des précipitations, de l’évaporation (à laquelle contribuent les plantes), mais aussi de la « transmission » entre les zones adjacentes (y compris l’irrigation), la manière dont les plantes réagissent, etc.
Il est également nécessaire de comprendre l'intervention humaine ; les simulations peuvent donc inclure des agents cognitifs qui interviennent, par exemple, en décidant ce qu’il faut cultiver et dans quelle mesure, en déterminant la quantité d'eau à irriguer, etc. Ce type de comportements peut se résumer par le terme « stratégie », et l'un des objectifs de ces simulations est précisément de comprendre la stratégie optimale compte tenu du contexte.
À ce stade, nous pouvons lancer la simulation et évaluer l'évolution des paramètres choisis comme « mesure » de la qualité de notre modèle, mais aussi du « coût » (économique et humain) associé aux changements proposés.
Il s'agit manifestement de scénarios complexes, comportant des éléments aléatoires. Par conséquent, pour obtenir une image claire, même avec les mêmes paramètres externes et la même stratégie, il est nécessaire d'effectuer de nombreuses simulations. Le coût de ces simulations augmente avec la résolution spatiale et temporelle, la taille de la zone étudiée et la durée de l'analyse.
Pour prendre en compte toutes ces variables sans effectuer un nombre infini de simulations, nous pouvons exploiter la capacité de l'intelligence artificielle à interpoler (et parfois même à extrapoler) les exemples fournis, concentrant ainsi les ressources de calcul sur les scénarios les plus prometteurs.
Il nous faut également valider les simulations, car même en intégrant les éléments adéquats, rien ne garantit que le résultat se rapproche de la réalité. Il est toujours possible que nous ayons oublié quelque chose ou omis une interaction importante. Cependant, nous pouvons effectuer des simulations sur le « passé », c’est-à-dire vérifier si notre système est capable de reproduire ce qui s’est réellement passé, par exemple, en recréant les conséquences d’une mauvaise pratique agricole.
Nous avons vu que l'intelligence artificielle peut guider les simulations et identifier les meilleures stratégies, tant globales que individuelles. Mais il est également possible d'introduire des agents « intelligents » qui développent leurs propres stratégies pour optimiser un résultat donné, qu'il soit personnel (comme le profit) ou global (comme le développement durable). Dans le cas le plus simple, cette évolution repose sur le « renforcement », c'est-à-dire un système de récompenses et de sanctions. Un agent décide de modifier un élément, comme planter une autre espèce végétale, changer le système d'irrigation, etc. Après un certain temps, il évalue si ce changement a été bénéfique (personnellement ou globalement) et décide donc de le maintenir ou de l'annuler.
L'utilisation de l'intelligence
artificielle peut s'avérer utile :
en exploitant la base de données
fournie par les simulations
« rapides », nous pouvons choisir
la combinaison de paramètres la
plus susceptible de donner
les meilleurs résultats.
Il s'agit d'un projet ambitieux qui pose la question de la formation des utilisateurs à de tels outils et des modalités de déploiement
auprès d’agents intéressés mais qui, nous l'espérons, aboutira à l'élaboration de stratégies « optimales ». Cet outil peut également servir d'outil pédagogique, qui mettrait en évidence les conséquences possibles d'un type d'interventions par rapport à un autre, ou qui évaluerait les conséquences d'une stratégie visant à optimiser un aspect personnel par rapport à un aspect global (et il serait évidemment souhaitable de pouvoir allier durabilité et gain personnel).
Mag Intersections : le magazine de la recherche et de l'innovation à l'Université Perpignan Via Domitia.
Le magazine InterSections aborde un thème d'actualité à travers les travaux de recherche en cours dans les différents laboratoires de l'UPVD. Accessible à tous, il invite le lecteur à poser un regard nouveau sur le monde et l'environnement qui l'entoure, au coeur de la recherche universitaire.
Retrouvez le dernier numéro du Mag'Intersections en version numérique : Mag'Intersection #5