L’intelligence artificielle peut-elle aider à prévenir les catastrophes climatiques plutôt qu’à seulement en réparer les dommages ? Des modèles de prévision des inondations à l’aide humanitaire anticipée, les premières applications concrètes montrent un potentiel réel. Elles posent aussi une question décisive : qui bénéficie effectivement de ces outils et qui risque de rester à l’écart ?
Prévoir plus tôt pour agir avant la catastrophe
Publié en juillet 2026 par le Bureau des Nations unies pour la réduction des risques de catastrophe (UNDRR), avec l’Organisation météorologique mondiale (OMM), l’Union internationale des télécommunications (UIT) et la Fédération internationale des Sociétés de la Croix-Rouge et du Croissant-Rouge, le rapport Leveraging AI to enhance multi-hazard early warning systems examine le rôle de l’IA dans les systèmes d’alerte précoce.
L’IA peut aider à exploiter des mesures météorologiques, des observations satellitaires et des données hydrologiques, afin d’affiner les prévisions et de mieux anticiper les zones menacées. Mais le rapport insiste : elle ne remplace ni les capteurs au sol, ni la préparation des collectivités, ni l’expertise humaine. Une alerte utile suppose aussi que les personnes concernées la reçoivent, la comprennent et disposent de moyens pour agir.
Au Nigeria, une expérience d’aide déclenchée par les prévisions
Dans l’État de Kogi, au Nigeria, l’association GiveDirectly a expérimenté en 2024 une intervention fondée notamment sur les prévisions d’inondation de Google Flood Hub. Avec des partenaires hydrologiques et des informations fournies par les communautés, elle a défini des seuils permettant de déclencher des transferts monétaires vers des habitants enregistrés dans les zones exposées.
Selon GiveDirectly, plus de 4 600 personnes ont reçu une aide dans le cadre du programme. Une première tranche de 105 dollars devait permettre de se préparer ou d’évacuer ; une seconde de 210 dollars était destinée à soutenir le relèvement. Parmi les bénéficiaires, 3 250 personnes ont reçu le premier versement avant le pic des crues, tandis qu’environ 1 400 ont été payées le 24 octobre 2024, après le pic du 21 octobre, notamment en raison de difficultés de vérification d’identité.
Dans son propre bilan, publié en juin 2025 puis précisé en juillet 2026, l’organisation rapporte une amélioration des conditions économiques et alimentaires des bénéficiaires interrogés : le revenu hebdomadaire déclaré a plus que doublé et la part de personnes déclarant des pénuries alimentaires est passée de 97 % à 7 %. Ces données proviennent de l’évaluation rapportée par l’organisme ; elles ne suffisent pas, à elles seules, à isoler l’effet causal de l’IA ou à garantir que les progrès ont bénéficié à toute la population exposée.
Quand l’aide numérique exclut les plus vulnérables
Une enquête indépendante de The New Humanitarian, publiée le 31 août 2026, a révélé les limites du dispositif. Des habitants ont été exclus en raison de divergences entre leurs noms et les registres administratifs ou bancaires, de difficultés à recharger leurs téléphones ou d’une mauvaise couverture du réseau. D’autres personnes, moins vulnérables, ont pu recevoir des transferts.
GiveDirectly reconnaît que le choix d’une inscription et d’une vérification largement à distance entraîne des compromis entre vitesse, couverture et précision du ciblage. L’organisation souligne aussi l’importance du suivi de terrain et d’une information claire sur les raisons d’exclusion. Ce point est essentiel : une prévision exacte ne produit pas automatiquement une intervention juste.
Le coût environnemental de l’IA ne doit pas être oublié
La contribution de l’IA à la transition écologique doit être confrontée à ses propres impacts. Dans ses projections actualisées, l’Agence internationale de l’énergie estime que la consommation d’électricité des centres de données pourrait passer d’environ 485 TWh en 2025 à 950 TWh en 2030, avec une croissance particulièrement rapide des installations dédiées à l’IA.
Ce constat ne signifie pas qu’un outil de prévision des inondations consommerait davantage d’énergie qu’il n’aide à économiser ou de dommages qu’il n’aide à éviter. Il rappelle que chaque projet doit être évalué sur ses bénéfices nets et proportionné à son utilité.
Pour les organisations d’intérêt général : mesurer l’impact, pas seulement la performance
Trois questions peuvent guider les associations, fondations et acteurs publics qui envisagent un usage de l’IA environnementale :
- Quel résultat cherchons-nous à améliorer ? Par exemple, le délai entre une alerte et une évacuation, ou le nombre de personnes effectivement protégées.
- Qui risque d’être laissé de côté ? L’accessibilité linguistique, la connexion mobile, l’identité administrative et les possibilités de recours doivent faire partie de la conception.
- Comment vérifier l’impact réel ? Il faut comparer les résultats aux pratiques existantes, écouter les communautés et examiner également les coûts humains, énergétiques et matériels du dispositif.
La promesse la plus intéressante de l’IA environnementale n’est pas de prédire toujours plus précisément une catastrophe, mais de contribuer à mieux protéger celles et ceux qui y sont exposés. Pour cela, une technologie performante ne remplace ni les institutions, ni les acteurs de terrain, ni le jugement des communautés.
Sources et rapports
UNDRR, OMM, UIT et IFRC — Leveraging AI to enhance multi-hazard early warning systems (juillet 2026).
The New Humanitarian — enquête indépendante sur les exclusions du dispositif (31 août 2026).
Agence internationale de l’énergie — Key Questions on Energy and AI, projections actualisées (2026).
Article de synthèse et d’analyse éditoriale Nootopia. Les résultats déclarés par GiveDirectly ne constituent pas une preuve indépendante de l’efficacité causale de l’IA ; les limites du dispositif et les résultats de l’enquête indépendante sont présentés séparément.



