Essentielles à l’équilibre des écosystèmes, les cyanobactéries – des bactéries photosynthétiques – n’en deviennent pas moins inquiétantes : ces organismes potentiellement toxiques prolifèrent dans les plans d’eau douce continentaux, en raison de l’eutrophisation croissante de leur milieu écologique et du réchauffement climatique.
D’où l’intérêt du projet Nerthus, initié en août 2023 et annoncé à la fin de l’automne. Celui-ci doit déboucher en 2025 sur un service commercial de prévision des efflorescences de cyanobactéries. L’auteur de ces prévisions sera une IA, alimentée par des images satellite dans le visible et l’infrarouge – la température étant un bon indicateur d’efflorescence - et dautres données de tout type.
« On cherche à prédire les conditions favorables à ces efflorescences, parfois invisibles car situées sous la surface de l’eau, et dont la saisonnalité tend à disparaître, explique Cécile Frayssinet, qui dirige le projet à Scalian. L’idée est de fournir une prévision de un à trois jours avant l’apparition des cyanobactéries. »
Pour ce projet, Scalian, société de conseil en ingénierie, est associée à l’Agence spatiale européenne (ESA), le financeur, et à Watershed Monitoring Europe, spécialiste du suivi de la qualité de l’eau.
Une combinaison inédite de données
« L’entraînement de l’algorithme vient de débuter et les utilisateurs vont pouvoir l’expérimenter pour exprimer leurs besoins et leurs attentes », confie Cécile Frayssinet. Les utilisateurs auxquels s’adresse cet outil de prévention sont les gestionnaires et exploitants des plans d’eau : collectivités, agences de l’eau, professionnels du tourisme, agriculteurs, etc.
« Ce qui novateur et inédit dans cette démarche de prévision d’efflorescence, souligne-t-elle, c’est d’agréger autant de complexité, de bases de données : des images satellitaires Sentinel, des informations limnologiques open source (la limnologie désigne l’étude des eaux continentales et stagnantes, ndlr), des données météo, l’historique des efflorescences, les mesures des capteurs renseignées par les utilisateurs… »
L’IA développée dans le cadre de ce projet sera une combinaison de modèles hétérogènes. « Nous exploitons la puissance de l'apprentissage automatique, tel que les modèles de régression, de clustering notamment, et éventuellement de l'apprentissage profond, tel que les réseaux de neurones convolutionnels pour l'analyse d'images satellites, et les réseaux de neurones récurrents ou les Transformers pour la gestion des données temporelles et séquentielles », détaille Ikram Hajji, data scientist à Scalian.
BEPS-IA, projet précurseur
Le projet Nerthus part sur de bonnes bases, l’approche ayant été validée par le précédent projet BEPS-IA (bloom event prediction by satellite images analysis), auquel participait aussi le CNES en complément de tous les acteurs institutionnels et industriels déjà cités.
Dans une intervention en octobre 2021 à Montpellier, Mathieu Damour, alors responsable de ce projet à Scalian, faisait état d’un taux de prévision d’efflorescence exact à 97%, en se référant à la détection effective des cyanobactéries sur le terrain.
Le modèle avait été entraîné à partir de données recueillies au lac Saint Charles, proche de la ville de Quebec et « supervisé finement depuis 10 ans », selon Mathieu Damour, ainsi que d’autres lacs de la région d’Alberta. Mais le risque de fausses alarmes (39%) était encore trop élevé.
L’enjeu du projet Nerthus, grâce à l’intégration de données supplémentaires notamment, est de « fiabiliser les prévisions », complète Cécile Frayssinet.
Le service devrait être accessible à partir d’avril 2025 par l’intermédiaire de la plateforme Enki de Watershed Monitoring Europe, surtout disponible au Canada. « Mais le but est de l’étendre le plus possible, notamment en France », indique Cécile Frayssinet.
