Environnement

Objectifs

Nous concentrons notre expertise sur des questions environnementales cruciales, notamment la réduction d’échelle des modèles climatiques mondiaux pour obtenir des informations locales, l’émulation de systèmes écologiques complexes, la modélisation de la répartition des espèces dans des environnements changeants et les applications de pointe de l’IA dans le domaine des sciences de l’environnement.

Axes de recherche

Axe 1 : Environnement

Nous visons à relever les défis de la perte de biodiversité et du changement climatique en nous concentrant sur l’adaptation et l’atténuation et en mettant l’accent sur les applications.

Adaptation à la perte de biodiversité et au changement climatique

Nous développons des modèles d’IA qui fournissent des prédictions localement pertinentes et précises sur la perte de biodiversité et la dégradation des écosystèmes.

• Modélisation de la biodiversité avec des données environnementales à fine échelle
  Les modèles actuels de biodiversité s’appuient souvent sur des facteurs à grande échelle comme le macroclimat, qui ne fournissent pas les prédictions fines nécessaires aux gestionnaires locaux. Nous travaillons au développement de modèles d’IA avancés qui réduisent l’échelle des prédictions afin d’obtenir des informations plus précises et exploitables.

• Modèles de réponse des espèces et des écosystèmes
  Comprendre comment les distributions des espèces évoluent dans le temps et l’espace en raison du changement climatique est essentiel pour la planification de la conservation. Il est essentiel de quantifier l’incertitude dans ces modèles et d’évaluer la probabilité d’événements extrêmes, afin de disposer d’outils décisionnels solides pour la protection de la biodiversité.

• Prédiction de scénarios
  Nous développons des scénarios intégrés qui combinent des facteurs écologiques, environnementaux, sociaux et économiques. Ces prévisions guideront les décideurs dans la planification d’un avenir durable qui concilie la conservation de la biodiversité et les besoins humains.

Atténuation – des solutions climatiques fondées sur la nature

Les solutions climatiques fondées sur la nature offrent l’avantage de réduire les émissions de CO₂ tout en améliorant la biodiversité. Nous développerons des modèles qui exploitent les données de télédétection à haute résolution pour surveiller la biodiversité végétale et le carbone et soutenir des solutions environnementales efficaces.

Axe 2 : Intelligence artificielle

Structurés autour des trois principes du programme IAR³ – IA robuste, responsable et raisonnée – nous visons à développer des solutions d’IA qui sont non seulement innovantes mais aussi impactantes.

• IA robuste : modèles qui généralisent à travers le temps, l’espace et la diversité biologique.
• IA responsable : modèles qui représentent les besoins et les contraintes des diverses communautés concernées.
• IA raisonnante : modèles qui perçoivent le monde écologique, apprennent des représentations complexes et des relations de cause à effet et offrent des perspectives qui conduisent à des décisions plus éclairées et plus durables.

Défis

Les algorithmes d’IA sont réputés pour leurs bonnes performances lorsque de très grands ensembles de données sont disponibles et lorsqu’ils sont déployés dans des contextes de distribution similaire. Cependant, les problèmes rencontrés dans la surveillance de la biodiversité, la télédétection et les sciences du climat sont souvent loin de ce paradigme. Nous sommes confrontés à plusieurs défis :

• Des données étiquetées limitées en raison du manque de connaissances expertes et de validations d’observations sur le terrain.
• La généralisation à travers différentes géographies, avec souvent des données plus abondantes présentes dans l’hémisphère Nord.
• Des données non stationnaires – à mesure que le climat change, les données présentent des changements de distribution au fil du temps.
• Des données à longue traîne pour les espèces rares ou difficiles à observer, qui sont mal représentées.

Impact anticipé

L’intelligence artificielle s’impose comme une force transformatrice dans la lutte contre le changement climatique et la perte de biodiversité, offrant des perspectives sans précédent sur les systèmes écologiques complexes. Notre recherche de pointe exploite la puissance computationnelle de l’IA pour développer des modèles climatiques précis et créer des outils sophistiqués intégrant les données sur la biodiversité et l’environnement. En fournissant aux décideurs des analyses avancées basées sur les données, nous les habilitons à élaborer des stratégies plus efficaces pour la gestion durable des ressources, la conservation et l’adaptation au climat. En repoussant continuellement les limites de la technologie de l’IA, nous ne nous contentons pas d’observer les défis environnementaux, mais développons activement des solutions innovantes pour protéger et restaurer les écosystèmes fragiles de notre planète.

Chercheuses et chercheurs

• Marcel Babin – Université Laval
• Olivier Bahn – HEC Montréal
• Soumaya Cherkaoui – Polytechnique Montréal
• Sylvie Daniel – Université Laval
• Youssef Diouane – Polytechnique Montréal
• Andrew Gonzalez – Université McGill
• Samira Keivanpour – Polytechnique Montréal
• Hugo Larochelle – Université de Montréal
• Tegan Maharaj – HEC Montréal
• Chris Pal – Polytechnique Montréal
• Sébastien Sauvé – Université de Montréal
• Oliver Sonnentag – Université de Montréal

Conseillère de recherche

Dana F. Simon : dana.simon@ivado.ca