Sismologie et IA pour anticiper les laves torrentielles
Des techniques issues de la sismologie, couplées à l’intelligence artificielle, permettent désormais de prédire l’arrivée de laves torrentielles avec une avance de 20 minutes à une heure. C’est ce qu’a démontré Malgorzata Chmiel, chercheuse au CNRS et à l’Université de Nice, lors de la BlueArk Conference de novembre dernier. Son terrain d’étude privilégié : l’Illgraben, dans la région de Sierre, qui sert de laboratoire grandeur nature pour développer ces systèmes d’alerte précoce révolutionnaires.
Le torrent de l’Illgraben, au-dessus de Sierre, constitue un site d’étude idéal pour les scientifiques. Cette région connaît régulièrement des laves torrentielles, ces mouvements de masse très rapides composés de roches de toutes tailles. Jusqu’en 2020, le système d’alerte reposait sur 30 barrages installés dans le torrent, équipés de capteurs permettant d’alerter les autorités. Mais ce dispositif présentait une faiblesse majeure : un angle mort dans la partie supérieure du bassin versant.
« Les risques les plus importants sont souvent ce que l’on ne voit pas », souligne Malgorzata Chmiel. C’est précisément pour combler cette lacune que la sismologie entre en jeu. Les laves torrentielles génèrent des ondes sismiques et des vibrations du sol qui créent une signature caractéristique, facilement identifiable sur les enregistrements sismiques.
Quand l'apprentissage automatique fait le tri
Le WSL (Institut fédéral de recherches sur la forêt, la neige et le paysage) a installé un réseau de capteurs sismiques à proximité du torrent, permettant d’accéder aux données en temps quasi-réel. Les signaux sont détectables bien avant l’arrivée de la lave sur le premier barrage. Mais une difficulté subsiste : comment distinguer le bruit d’une lave torrentielle de celui généré par les randonneurs, les vaches ou d’autres phénomènes naturels ?
La solution réside dans l’apprentissage automatique. « C’est un peu comme une reconnaissance vocale », explique la chercheuse. Un algorithme relativement simple a été entraîné à partir des catalogues de laves torrentielles recensées à l’Illgraben. Les résultats sont probants : 13 laves torrentielles ont été détectées en 2021, y compris dans leur phase précoce, avant même leur propagation le long du torrent.
Gagner jusqu'à une heure d'alerte
Cette détection précoce permet de gagner un temps précieux : entre 20 minutes et une heure d’alerte supplémentaire. Un délai qui peut faire toute la différence pour la sécurité des populations. « C’est une preuve du concept de la détection précoce », confirme Malgorzata Chmiel.
Le potentiel de cette approche dépasse largement le cadre de l’Illgraben. En Chine, le modèle développé à Sierre a été testé avec succès, couplé à du deep learning. La méthode pourrait également s’appliquer à d’autres phénomènes naturels : crues, fortes précipitations, glissements de terrain ou chutes de blocs. Dans la région du Spitze Stei, dans le canton de Berne, le système a déjà permis de détecter plus de 8’000 événements.
Une voie prometteuse pour la sécurité
Malgré ces succès, la chercheuse reste prudente quant à la généralisation du système. L’Illgraben bénéficie de conditions d’observation idéales qui ne se retrouvent pas partout. Néanmoins, les premiers tests réalisés sur d’autres sites sont encourageants.
« L’eau qui dort n’est pas silencieuse », conclut Malgorzata Chmiel. La synergie entre sismologie et automatisation ouvre une voie prometteuse pour améliorer la sécurité face aux risques naturels. Ces techniques, qui permettent littéralement d’écouter ce que l’on ne peut pas voir, représentent une avancée majeure dans la gestion des catastrophes naturelles et la protection des populations exposées.
Informations complémentaires
Propos recueillis le 12 novembre 2025 lors de la BlueArk Conférence