MTF

Ces lauréats de Mozilla construisent des outils d’IA open source qui aident la planète au lieu de lui nuire.

(LUNDI 5 FÉVRIER 2024) - Le nouveau groupe du Mozilla Technology Fund utilisera des outils d’IA open source pour suivre les émissions de méthane, exposer les opérations minières nocives, surveiller la qualité de l’air, et plus encore.

Mozilla annonce aujourd’hui ses lauréats pour 2024. Les projets gagnants couvrent six pays : l’Inde, la France, le Kenya, le Paraguay, l’Ouganda et les États-Unis. Mozilla attribue des bourses allant jusqu’à 50 000 $ chacune et un an de mentorat et de soutien à ces lauréats.

Tous les projets du groupe 2024 s’articulent autour de l’open source, de la justice environnementale et de l’IA, en créant un impact positif sur les écosystèmes et les communautés humaines. Ils complètent le travail plus large de Mozilla sur la justice environnementale, comme nos engagements climatiques et notre participation à la Green Screen Coalition.

Lancé en 2022, le Mozilla Technology Fund soutient les technologues open source qui s’attaquent aux problèmes les plus épineux de l’Internet ; les précédents groupes ont accru la transparence et atténué les préjugés dans l’écosystème de l’IA. Le fonds renforce la communauté et la durabilité de ces projets open source, et suit les principes de financement de l’IA digne de confiance à l’échelle de l’institution de Mozilla.

Selon Mehan Jayasuriya, responsable principal des programmes chez Mozilla : « La façon dont nous choisissons de construire et de déployer des systèmes d’IA a un impact démesuré sur l’environnement qui nous entoure. Ces systèmes peuvent contribuer à la dégradation de l’environnement ou aider à la prévenir. Ils peuvent nuire aux terres que les peuples autochtones considèrent comme leur maison ou aider ces communautés à lutter contre l’extraction des ressources et les pratiques nuisibles à la gestion des terres. Enfin, les systèmes d’IA peuvent accélérer le changement climatique ou aider à y faire face. Ces lauréats ouvrent la voie en démontrant comment l’IA open source peut être utilisée pour aider l’environnement au lieu de lui nuire. »

« Ces lauréats ouvrent la voie en démontrant comment l’IA open source peut être utilisée pour aider l’environnement au lieu de lui nuire. »

Mehan Jayasuriya, responsable principal des programmes chez Mozilla

Rencontrez les lauréats

MethaneMapper, par EyeClimate aux États-Unis

MethaneMapper résout le problème de la sous-déclaration des émissions de méthane. Lorsque la plupart des sociétés pétrolières et gazières, des centrales au charbon et des fermes industrielles ignorent les fuites dans les canalisations et surveillent elles-mêmes leurs champs pour mesurer le moins de carbone et de méthane possible, la comptabilité et la réglementation sur les émissions n’ont que très peu d’importance. MethaneMapper est un outil d’imagerie hyperspectrale open source alimenté par l’IA, qui permet de détecter les émissions de méthane et de remonter jusqu’à leurs sources. Cet outil fonctionne car les données ne proviennent pas d’appareils portables ou même d’appareils individuels installés qui peuvent être facilement trompés. Les données d’entrée sont des images hyperspectrales aériennes de la zone cible. MethaneMapper est donc beaucoup plus précis et fonctionne sur une région géographique beaucoup plus vaste que la surveillance traditionnelle.

___

Amazon Mining Watch, par le Rainforest Investigations Network, le Earth Genome, et Amazon Conservation aux États-Unis.

Amazon Mining Watch (AMW) est une collaboration open source entre le Rainforest Investigations Network (RIN) du Pulitzer Center, Earth Genome et Amazon Conservation, qui se situe au carrefour de la technologie de pointe, de la transparence et de la justice environnementale. AMW utilise l’IA pour rechercher des images satellites, identifier les mines d’or qui menacent les communautés autochtones, causent la déforestation et mettent en danger la forêt tropicale la plus importante de notre planète. Ces détections sont rendues publiques via un site web public convivial et un dépôt GitHub. AMW est un guide qui révèle les opérations minières secrètes et nuisibles menaçant l’Amazonie et ses peuples autochtones.

___

CodeCarbon, en France

CodeCarbon a été lancé en 2020 avec une question simple : Comment puis-je mesurer l’empreinte carbone de mon programme informatique ? L’équipe a trouvé des données mondiales, comme « l’informatique représente actuellement environ 0,5 % de la consommation d’énergie mondiale », mais rien sur les impacts des impacts au niveau des individus ou des organisations ni sur d’où ils proviennent. Chez CodeCarbon, l’équipe estime, comme l’a dit Niels Bohr, que « Rien n’existe tant qu’il n’est pas mesuré. « Ils ont donc trouvé un moyen d’estimer la quantité de carbone qu’ils produisent en exécutant notre code. Ils y sont parvenus en créant un package en Python qui estime la consommation d’électricité du matériel (GPU + CPU + RAM) et l’applique à l’intensité carbone de la région où le calcul est effectué pour calculer automatiquement la consommation d’énergie et les émissions de carbone de n’importe quelle partie de code.

___

Sand Mining Watch, par l’Université de Californie, Berkeley aux États-Unis et en Inde

Sand Mining Watch est un système de surveillance des mines de sable et des ressources en sable basé sur le Web, avec un ciblage initial sur les systèmes fluviaux de l’Inde. L’objectif du projet est de construire des outils de détection de mines de sable open source basés sur l’IA qui permettent de produire des cartes en temps réel et à haute résolution de l’activité d’extraction de sable dans les bassins hydrographiques du monde entier. Ces outils et données peuvent stimuler l’action politique, améliorer le suivi et la réglementation des activités minières illégales et nous aider à déterminer et à mieux comprendre les impacts socio-économiques et environnementaux de l’extraction du sable.

___

Zeus : Deep Learning Energy Measurement and Optimization, par Jae-Won Chung aux États-Unis

Zeus est l’état actuel des connaissances en matière de mesure et d’optimisation de l’énergie par l’apprentissage profond. Il comporte des composants de surveillance qui permettent aux utilisateurs de mesurer la consommation d’énergie du GPU et des composants d’optimisation qui optimisent automatiquement les boutons DNN ou GPU en fonction des mesures du composant de surveillance. L’objectif de l’équipe est de mesurer, comprendre, optimiser et révéler la consommation d’énergie des systèmes d’apprentissage automatique modernes. Elle considère la consommation d’énergie comme une mesure émergente de premier ordre dans les systèmes informatiques, qui a été largement négligée jusqu’à présent.

___

Public Utility Data Liberation, par la Catalyst Cooperative aux États-Unis

Le projet Public Utility Data Liberation (PUDL) est un pipeline de données open source qui fournit des produits de données énergétiques gratuits, à jour, contrôlés par version et prêts à l’analyse, sur la base de trois décennies de données communiquées aux agences fédérales. Sa vision à long terme est un écosystème PUDL open source qui : 1) fournit un accès équitable à des données énergétiques de haute qualité ; 2) sert de référentiel communautaire de pipelines de nettoyage et d’analyse de données bien documentés et reproductibles essentiels à la recherche et au plaidoyer sur les systèmes énergétiques ; 3) est accessible aux utilisateurs travaillant avec différents types d’outils (par exemple, Excel) ; et 4) est un environnement inclusif et accueillant pour les utilisateurs et les contributeurs.

___

AI-Driven Air Quality Forecasting for Asunción, par Fernanda Carlés au Paraguay

Depuis 2022, Fernanda Carlés travaille aux côtés de l’Université nationale d’Asunción (UNA) pour développer des modèles d’apprentissage automatique permettant de prédire les niveaux d’IQA pour les dix stations de surveillance de l’UNA. Cet effort a abouti à des modèles d’apprentissage automatique très performants qui permettent de prédire la qualité de l’air pour les 6 à 12 prochaines heures, avec des taux de précision impressionnants de 91 % et 86 %, respectivement. L’objectif de ce projet est de mettre à la disposition du public la puissance prédictive de ces modèles d’apprentissage automatique. Pour ce faire, le projet propose le développement d’une application Web conviviale qui offre des prévisions sur la qualité de l’air en temps réel avec des affichages et des alertes interactifs. Cette application utilisera les données en temps réel des stations de surveillance existantes dans la région de Gran Asunción, combinées à des modèles d’apprentissage automatique validés.

___

Tirer parti de l’IA pour la justice environnementale et l’évaluation de l’impact sur l’environnement dans le cadre du plaidoyer en matière d’énergie et de politique nucléaires, par le Centre de gouvernance en matière de justice et d’environnement (ACTI) au Kenya.

Cette équipe a précédemment développé des logiciels basés sur l’IA pour des projets distincts dans le Pacifique (CCZ) et l’océan Atlantique tropical nord (classification des habitats des fonds marins et détection et classification des espèces). Pour ce projet, ils réorganiseront les deux flux de travail en une base de code open source adaptée à une zone de travail dans l’océan Indien où le développement d’un nouveau réacteur nucléaire a été proposé. Le projet cherche à utiliser l’IA et la communauté de la conservation pour produire une cartographie écologique complète qui aidera la communauté Uyombo à protéger son environnement propre et sain, ses droits socio-économiques et ses droits culturels.

___

AIG SMS pour la justice environnementale au sein de la communauté autochtone Mau, par L. Lusike Mukhongo aux États-Unis et au Kenya

Le projet de messages textuels courts (SMS) générés par l’IA (AIG) pour la justice environnementale au sein de la communauté autochtone Mau est une initiative novatrice visant à résoudre les problèmes environnementaux urgents auxquels est confrontée la communauté autochtone Mau au Kenya. La forêt de Mau, l’un des plus grands bassins versants d’Afrique de l’Est, est menacée par la déforestation et les implantations agricoles illégales, aggravées par le changement climatique, ce qui a un impact direct sur les moyens de subsistance et le bien-être de la communauté autochtone Ogiek et de la grande communauté de Mau. L’objectif du projet est de faire progresser les principes de justice environnementale en adoptant des messages textuels courts générés par l’IA parmi la communauté autochtone de la forêt de Mau qui s’appuie sur ses connaissances traditionnelles en matière de conservation des forêts et de préservation des châteaux d’eau vitaux. Le système d’IA aura également des invites textuelles qui permettront aux utilisateurs de l’interroger et d’obtenir des résultats sur un sujet d’intérêt.

___

Estimation et validation des niveaux de PM2,5 à l’aide d’observations par satellite et au sol dans certaines villes africaines pour la justice environnementale, par AirQo en Ouganda

Ce projet estimera les niveaux de particules fines (PM2,5) à partir d’observations satellitaires basées sur la profondeur optique des aérosols (AOD) pour sept villes de sept pays africains : Lagos, Accra, Nairobi, Yaoundé, Bujumbura, Kisumu et Gulu. Il emploiera différentes résolutions de surveillance au sol à l’aide d’algorithmes d’apprentissage automatique et utilisera les observations au sol disponibles dans les villes sélectionnées pour valider les estimations satellitaires. Les résultats des modèles d’IA développés seront déployés via des plateformes numériques conviviales et une application mobile qui permet aux communautés d’accéder à des informations cruciales sur la qualité de l’air. Cela stimulera la prise de décision et les interventions stratégiques fondées sur des données probantes, éclairées et inclusives pour traiter les problèmes de pollution locaux tout en assurant la justice environnementale.