SilvIA M2 : notre modèle prédictif, validé comme MVP

Prévoir un grand incendie de forêt à 10 jours n'est plus de la théorie : c'est de l'ingénierie des données appliquée.

Notre modèle SilvIA M2 a été validé comme notre MVP prédictif. Dans la visualisation, vous pouvez voir le système évaluer le risque historique en Espagne tout au long de 2023 et 2024 : les points verts représentent les incendies que le modèle a su anticiper avant qu'ils ne surviennent ; les rouges, ceux qui ont échappé au radar.

Résultats techniques de la validation

Les métriques marquent une nette différence par rapport aux standards actuels :

• Précision hyperlocale : nous opérons à une résolution de 1 km², contre les 9 km du standard européen actuel. Nous ne prévoyons pas le risque pour une vallée entière, mais pour un versant précis.
• Efficacité dans le sud : dans les régions du sud de la péninsule, le modèle anticipe plus de 98 % des incendies critiques (>5 hectares) en ne signalant que 10 % du territoire comme zone à haut risque. C'est de l'optimisation pure des moyens de prévention.
• Connaissance du domaine : dans des zones comme les Asturies (nord), où la plupart des feux résultent de brûlages de pâturages programmés et non de facteurs purement climatiques, le modèle maintient un taux de réussite supérieur à 53 %, ce qui montre que notre séparation d'architectures régionales fonctionne.

Nous avons obtenu ces métriques sans brûler des dizaines de milliers d'euros en calcul brut, en nous appuyant sur des modèles d'arbres (ExtraTrees), un échantillonnage intelligent et un routage régional des données.

La gestion du risque climatique a besoin de moins de réaction et de plus d'anticipation prédictive.

Excellent travail de Rafael Dias Ribeiro de Almeida et Omar Bouaziz, qui ont réalisé une avancée considérable dans notre développement.