La recherche de personnes disparues dans des environnements sauvages est une tâche complexe, souvent périlleuse et incertaine. Pourtant, un groupe de chercheurs écossais a peut-être trouvé une solution révolutionnaire. En s’appuyant sur l’intelligence artificielle (IA) et des données comportementales historiques, ils ont développé un modèle qui peut prédire où les personnes perdues ont de fortes chances de se trouver, en reproduisant leur logique de comportement dans des situations similaires. Ce modèle pourrait radicalement transformer les missions de recherche et de sauvetage, en permettant aux équipes d’intervention de concentrer leurs efforts de manière plus ciblée et efficace.
Un modèle d’IA basé sur des données réelles
Le projet, dirigé par Jan-Hendrik Ewers, doctorant à l’Université de Glasgow, utilise une méthode innovante pour prédire le comportement des personnes disparues. Contrairement aux approches classiques qui se basent uniquement sur des cartes ou des analyses de terrain, ce modèle se fonde sur des données comportementales réelles, tirées d’études historiques sur les personnes perdues dans la nature. Ces données incluent des éléments tels que les choix de direction, la vitesse de déplacement, la recherche de refuges ou de sources d’eau, et les priorités psychologiques (comme l’angoisse ou la recherche de sécurité).
Les chercheurs ont créé des agents simulés qui imitent le comportement humain, guidés par des algorithmes qui prennent en compte des facteurs comme l’état émotionnel des personnes perdues et leurs instincts de survie. Par exemple, ces agents peuvent être programmés pour chercher des arbres, des structures ou des chemins, tout comme une personne qui essaie de s’orienter dans un environnement inconnu. Ce modèle est alimenté par une cartographie statistique, ou carte thermique, qui montre où une personne perdue pourrait être retrouvée, en fonction de ses choix et de sa situation.
Comment fonctionne le système
Le cœur du système repose sur la simulation du comportement humain. Plutôt que de simplement examiner où une personne pourrait se retrouver à partir de sa dernière position connue, le modèle prend en compte comment une personne pourrait réagir face à son environnement. Par exemple, un randonneur perdu pourrait décider de se déplacer vers une zone plus ouverte s’il a l’impression d’être suivi, ou vers un point élevé pour avoir une vue d’ensemble.
Les chercheurs ont validé leur modèle en utilisant des données historiques et des simulations informatiques. Ils ont testé le système sur une reconstitution numérique de l’île d’Arran, une zone montagneuse écossaise, où des disparitions réelles ont eu lieu. En comparant les prédictions du modèle avec les lieux réels où des personnes disparues ont été retrouvées, les chercheurs ont constaté que les agents simulés agissaient de manière étonnamment similaire à des personnes réelles, suivant des schémas de comportement logique et rationnel. La carte thermique générée par ce modèle indiquait des zones de recherche d’une manière bien plus précise que les méthodes conventionnelles.
Crédit : iStock
Crédits : Dragos Condrea/istockL’importance de la simulation psychologique
Une des innovations majeures de ce modèle est l’intégration de la psychologie comportementale dans l’algorithme. En effet, contrairement aux modèles traditionnels qui se contentent de prédire la localisation géographique en fonction des distances et des points de repère, l’IA ici simulée prend en compte l’état psychologique de la personne disparue. Cela permet de comprendre pourquoi quelqu’un pourrait, par exemple, s’éloigner de son dernier point connu, ou choisir de se cacher plutôt que de chercher de l’aide. Ce détail est crucial car il permet de mieux comprendre les choix qui influencent la trajectoire d’une personne perdue.
En combinant ces éléments avec des drones équipés de capteurs capables de scanner les zones ciblées, les équipes de sauvetage pourraient localiser les disparus de manière beaucoup plus rapide et précise. Cela permettrait de réduire le temps de recherche et d’améliorer les chances de retrouver les personnes en vie.
Un impact mondial pour les missions de recherche
Ce modèle a un potentiel bien au-delà des montagnes écossaises. David Anderson, professeur à l’Université de Glasgow, souligne que cette approche pourrait être appliquée à n’importe quel type de paysage : qu’il s’agisse de forêts, de jungles, de déserts ou de terrains enneigés. En générant des cartes thermiques personnalisées selon l’environnement, le modèle peut fournir des informations utiles aux équipes de sauvetage partout dans le monde.
En effet, les équipes de recherche dans des zones rurales, montagneuses ou isolées font face à des défis considérables. Elles doivent souvent faire face à des conditions météorologiques difficiles et à un manque de ressources. Ce système pourrait non seulement faciliter les missions de sauvetage mais aussi réduire le coût et le temps de recherche.
Le futur des recherches et des sauvetages
Cette avancée ouvre la voie à une nouvelle ère de la recherche et du sauvetage, où les technologies d’IA et les drones peuvent coopérer pour sauver des vies. Bien que des travaux supplémentaires soient nécessaires pour valider ce modèle dans des conditions réelles, cette étude marque un tournant dans l’utilisation de l’intelligence artificielle pour des missions de secours d’urgence.
