Retrouvé vivant : pourquoi les réseaux de neurones réussissent là où des milliers de bénévoles échouent

Soyons honnêtes : les statistiques des disparitions en Russie ressemblent à un bulletin de zone de guerre. Les 180 000 signalements annuels au ministère de l'Intérieur ne sont pas qu'un chiffre : c'est la population d'une ville entière comme Ioujno-Sakhalinsk, qui se dissout dans les forêts et les jungles urbaines. Quand on compte en heures, surtout l'hiver, les méthodes classiques de recherche s'enrayent. On peut réunir mille bénévoles, mais la ressource humaine se heurte à la physique : les yeux se fatiguent, les jambes flanchent et l'attention se disperse après deux heures de travail monotone. C'est là qu'interviennent les algorithmes, qui ignorent la pause-café comme le déficit d'attention.

Pendant longtemps, le principal problème des équipes comme LizaAlert a été le traitement des données. Imaginez : un drone prend plusieurs milliers de photos haute résolution en un seul vol. Un groupe de bénévoles avait besoin de cinq à huit heures pour examiner ce volume avec soin.

Lors d'une recherche en forêt, c'est un luxe inabordable. Si la personne a disparu par grand froid, au bout de huit heures, il n'y aura probablement plus personne à retrouver. La situation a changé avec l'arrivée de la vision par ordinateur.

On a appris aux réseaux de neurones ce qu'ils font le mieux : repérer des motifs. L'algorithme ne cherche pas une « personne », mais des anomalies : une tache vive qui ne ressemble pas au feuillage, une forme absente de la nature ou une trace thermique qui se détache du sol qui refroidit.

Le tournant est venu quand les développeurs ont entraîné les modèles sur des jeux de données spécifiques, composés de milliers d'images réelles de massifs forestiers à différentes saisons. Désormais, le réseau de neurones « avale » 2 à 3 mille photos en quelques minutes. Il écarte 95 % du contenu vide et ne laisse aux chercheurs que les clichés où il y a vraiment quelque chose à exploiter. Le temps d'analyse initiale a ainsi été divisé par des dizaines. Au lieu de scruter chaque pixel, les coordinateurs reçoivent une sélection de zones suspectes et y envoient aussitôt des équipes à pied ou des hélicoptères.

Pourquoi est-ce important maintenant ? Nous en sommes au point où les technologies de « ville intelligente » et les acquis militaires servent enfin des buts humanitaires, sans emphase inutile. L'usage de l'IA dans les opérations de recherche et sauvetage (SAR) illustre parfaitement comment la puissance de calcul se convertit directement en vies sauvées. Il faut comprendre que la machine ne remplace pas le sauveteur. Elle le libère de la routine et lui permet de se concentrer sur les décisions. Un algorithme peut repérer une veste rouge vif dans les broussailles, mais c'est un humain qui décidera comment évacuer la victime d'un marécage difficile d'accès.

L'infrastructure de ces recherches évolue aussi. Si l'on avait autrefois besoin de serveurs puissants, les modèles sont aujourd'hui optimisés pour tourner en périphérie (« edge ») : directement à bord du drone ou sur un ordinateur portable au poste de commandement. C'est crucial, car au fond de la forêt il n'y a souvent aucune connexion, encore moins d'accès au cloud. L'exécution locale des réseaux de neurones rend les équipes totalement autonomes. On assiste à la naissance d'une nouvelle norme de sécurité, où un drone équipé d'IA devient aussi indispensable au sauveteur que la radio ou la boussole.

Mais la médaille a son revers. Développer ces systèmes exige d'énormes investissements et l'accès à des données de qualité, ce qui place souvent les organisations de bénévoles sous la dépendance de grands groupes. Néanmoins, les résultats actuels montrent que la coopération entre le secteur informatique et les bénévoles est sans doute la forme de partenariat social la plus efficace aujourd'hui. Quand la technologie aide à entendre un faible « je suis là » dans le bruit d'une immense forêt, les débats sur l'éthique de l'IA passent au second plan.

L'essentiel : la vitesse d'analyse des données dans les recherches a été multipliée, et la question est désormais celle du passage à l'échelle. Les essaims autonomes de drones de recherche deviendront-ils la norme dans chaque région d'ici deux ans ?