Global Forest Watch peut désormais dire pourquoi la forêt recule, pas seulement où

Une alerte de déforestation qui indique où et quand un arbre a disparu ne dit presque rien sur ce qu'il faut faire ensuite. Une coupe liée à l'agriculture industrielle n'appelle pas la même réponse qu'un feu de forêt naturel ou qu'une piste minière illégale. C'est ce chaînon manquant que Global Forest Watch (GFW), la plateforme de suivi forestier portée par le World Resources Institute, vient de combler grâce à un nouveau système basé sur l'intelligence artificielle.

Le problème : savoir où, mais pas pourquoi

Depuis plusieurs années, GFW agrège des systèmes d'alerte comme GLAD et RADD dans ses "alertes de déforestation intégrées", capables de signaler une perte de couvert forestier en quasi temps réel, à l'échelle mondiale. Ces alertes ont un mérite indéniable : la rapidité de détection. Mais elles souffrent d'une limite structurelle qui touche directement les praticiens de la gestion forestière et les acteurs des chaînes d'approvisionnement : elles indiquent qu'une perte de forêt a eu lieu, sans dire pourquoi.

Or la réponse appropriée dépend entièrement de la cause. Une entreprise soumise à une réglementation sur la déforestation importée a besoin de savoir si la perte est liée à une culture commerciale. Une agence de contrôle doit distinguer une exploitation minière illégale d'un feu de forêt d'origine naturelle, deux situations qui n'appellent ni la même urgence ni les mêmes moyens d'intervention. Jusqu'ici, cette information sur la cause n'existait pas à l'échelle et à la vitesse des alertes elles-mêmes.

Un modèle d'IA qui attribue une cause à chaque alerte

Le nouveau système développé par GFW utilise des modèles d'intelligence artificielle pour analyser l'imagerie satellite associée à chaque alerte de déforestation et lui assigner automatiquement une catégorie parmi onze classes de causes, à une résolution de 10 mètres. Ces classes couvrent aussi bien des causes humaines, comme l'agriculture à grande échelle, l'agriculture de subsistance, l'exploitation minière ou la construction de routes, que des causes naturelles, comme les feux de forêt.

Le dispositif couvre pour l'instant trois grandes régions forestières tropicales : l'Amazonie, le bassin du Congo et l'Indonésie, qui concentrent à elles seules la quasi-totalité du couvert forestier tropical mondial. Chaque nouvelle alerte reçoit sa classification dans un délai de 31 jours après la détection initiale, et le modèle retraite chaque mois les alertes des trois mois précédents sur une base glissante, ce qui permet d'affiner la classification à mesure que davantage d'images deviennent disponibles, notamment lorsque la couverture nuageuse retarde l'accès à une image exploitable.

Ce que les premiers résultats montrent déjà

Au-delà de la prouesse technique, le premier apport concret de ce système est de révéler des différences régionales que l'agrégat mondial des pertes forestières masquait jusqu'ici. En Amérique latine, l'agriculture à grande échelle ressort comme l'un des principaux moteurs de la déforestation. Dans le bassin du Congo, c'est au contraire l'agriculture de subsistance, pratiquée à petite échelle, qui domine. Cette distinction régionale n'est pas un détail : elle oriente vers des leviers d'action complètement différents, entre régulation des filières agro-industrielles d'exportation d'un côté, et appui au développement rural et à des alternatives économiques locales de l'autre.

Les limites à connaître avant de s'appuyer sur cette donnée

Ce système reste un outil récent, avec des limites qu'un praticien doit garder en tête avant de l'intégrer dans un flux de décision opérationnel. La couverture géographique se limite pour l'instant aux trois grands massifs tropicaux cités plus haut : les forêts tempérées, boréales ou méditerranéennes, y compris celles du Maroc, n'en bénéficient pas encore, même si GFW annonce vouloir étendre le dispositif à d'autres forêts et écosystèmes non forestiers. Le délai de 31 jours entre la détection brute et l'attribution d'une cause signifie aussi que l'information sur le "pourquoi" arrive toujours après l'alerte initiale de perte de couvert, avec un décalage qui reste incompressible tant que l'image satellite nécessaire à la classification n'est pas disponible.

Ce que ça change pour la gestion forestière et le suivi des chaînes d'approvisionnement

Pour qui travaille en gestion des ressources forestières ou en télédétection appliquée à la conservation, cette avancée illustre une évolution plus large du rôle de l'IA dans le suivi environnemental : après avoir résolu le problème de la détection rapide des pertes de couvert, l'enjeu se déplace vers la qualification automatique de ces pertes. Une alerte géolocalisée devient une information actionnable seulement lorsqu'elle est associée à une cause probable, exploitable par une entreprise pour évaluer un risque fournisseur, par une administration pour prioriser un contrôle de terrain, ou par un chercheur pour quantifier la contribution relative de chaque type de pression sur un massif donné.

À suivre

L'extension annoncée du dispositif à d'autres forêts que les trois massifs tropicaux actuellement couverts sera le signal à surveiller. Si le modèle parvient à généraliser sa performance à des contextes écologiques différents, en particulier des forêts méditerranéennes ou de montagne où les signatures de perturbation diffèrent nettement de celles des tropiques, cet outil pourrait devenir une référence bien au-delà de son périmètre actuel.