Une équipe de scientifiques du Laboratoire national de Los Alamos prévoit d’utiliser la modélisation de l’intelligence artificielle pour prévoir et mieux comprendre une menace croissante pour l’eau causée par la prolifération d’algues toxiques. Alimentées par le changement climatique et la hausse des températures de l’eau, ces proliférations d’algues nuisibles, ou HAB, ont augmenté en intensité et en fréquence. Ils ont désormais été signalés dans les 50 États américains.
« Des proliférations d’algues nuisibles apparaissent dans des zones où, historiquement, elles n’étaient jamais présentes », a déclaré Babetta Marrone, scientifique principale au laboratoire et chef d’équipe du projet. « L’écosystème d’organismes à l’origine de ces proliférations est très complexe. Et les informations dont nous disposons sur le moment et la raison de la formation de ces proliférations sont dispersées dans diverses bases de données locales, étatiques, fédérales et internationales. C’est un domaine dans lequel nous pensons que l’IA peut aider.
Chaque année, les « marées rouges » et les « marées bleu-vert » ferment les plages et les lacs, tuent un nombre sans précédent d’animaux aquatiques et causent des milliards de dollars de dégâts économiques. Les scientifiques ont besoin d’outils modernes pour comprendre de manière fiable les processus physiques, chimiques et biologiques qui dictent la toxicité et la prévalence du HAB afin de prévoir et d’atténuer ces épidémies. L’équipe de Los Alamos a détaillé un processus par lequel les modèles d’intelligence artificielle peuvent aider à percer ces mystères.
Comprendre l’écosystème HAB
Les chercheurs collectent des données sur les HAB depuis 1954. Depuis des décennies, les scientifiques ont compris que des températures élevées de l’eau, combinées à des infusions soudaines de nutriments (souvent un ruissellement de phosphore et d’azote provenant de l’agriculture industrielle), ont tendance à précéder un événement HAB. Ce déséquilibre soudain des nutriments peut entraîner la croissance explosive de cyanobactéries, qui se produisent naturellement dans l’eau douce. Dans ces conditions, les espèces cyanobactériennes telles que Microcystis aeruginosa peuvent former des couvertures denses à la surface de l’eau, libérant éventuellement de la microcystine, une toxine qui peut rendre malades ou tuer des organismes, notamment les poissons, la faune et les humains.
Mais les causes de la prédominance des cyanobactéries toxiques dans ces écosystèmes d’eau douce s’avèrent difficiles à comprendre. Les HAB cyanobactériens sont des écosystèmes complexes influencés par des centaines, voire des milliers, d’autres micro-organismes.
« De grands ensembles de données génomiques sur les HAB cyanobactériens deviennent de plus en plus disponibles », a déclaré Marrone. « Notre équipe prévoit d’exploiter ces ensembles de données avec des modèles d’apprentissage automatique et d’intelligence artificielle pour comprendre la relation entre les cyanobactéries et les nombreux autres micro-organismes présents dans le plan d’eau au cours des proliférations d’algues. Cela nous permettra d’identifier les relations fonctionnelles clés à l’origine de la production de toxines.
Un chemin vers la prévision
Un autre obstacle majeur à la compréhension, et donc à la prévision, des proliférations d’algues réside dans les données elles-mêmes. Les recherches existantes ont été collectées de manière indépendante par diverses organisations à travers le pays et dans le monde, certaines par des groupes de scientifiques citoyens. Une grande partie de ces données ont été échantillonnées avec différents instruments, puis enregistrées dans différents formats.
Dans leur récente publication, l’équipe de Marrone explique comment les modèles d’IA et d’apprentissage automatique peuvent déchiffrer et analyser ces données disparates. Cela permettrait aux scientifiques de mieux comprendre les conditions qui créent les HAB, première étape dans la prévision de ces épidémies.
« Notre objectif est d’alimenter les informations existantes dans un modèle qui tire parti des données glanées à partir de l’échantillonnage de l’eau, des stations de télémétrie météorologique, des données de détection par satellite et des nouvelles données biologiques émergentes », a déclaré Marrone. « Un tel modèle pourrait ensuite être utilisé pour prévoir les proliférations d’algues, et peut-être même prédire comment le changement climatique modifiera leur intensité et leur fréquence à l’avenir. »
La recherche a été publiée dans la revue American Chemical Society ES&T Water.
Voir l’étude
