- Plus de 58 millions d’hectares de forêts en Afrique centrale sont destinés à la production forestière.
- L’intelligence artificielle aide à cibler les interventions, mais ne remplace pas la vérification humaine.
- Dans l’immensité du bassin du Congo, il est impossible de vérifier chaque alerte sur le terrain.
- L’un des principaux apports de cette nouvelle approche est sa capacité à aller au-delà de la simple détection des perturbations forestières.
Une nouvelle approche combinant les données satellitaires et l’intelligence artificielle pourrait aider les scientifiques, les défenseurs de l’environnement et les autorités à passer d’une simple cartographie de la perte des forêts à une meilleure compréhension de ses causes dans le bassin du Congo.
Présentée lors d’un récent webinaire animée le 8 septembre 2026, par Global Nature Watch, une plateforme de surveillance des écosystèmes naturels à partir des données satellitaires, cette technologie utilise l’intelligence artificielle pour attribuer une cause probable aux alertes de perturbation forestière détectées par satellite.
Les catégories en ligne de mire comprennent notamment l’agriculture à petite ou grande échelle, l’exploitation forestière, les activités minières, les routes, les incendies, ainsi que certaines perturbations naturelles comme les inondations ou les tempêtes.
Dr Bart Ler, chercheur à Wageningen University & Research (WUR), une université néerlandaise spécialisée dans la recherche sur l’agriculture, l’alimentation et l’environnement, explique que les alertes permettent de détecter rapidement les perturbations forestières, mais ne renseignent pas, à elles seules, sur leurs causes.
Pour aller plus loin, l’équipe de chercheurs a entraîné un modèle d’intelligence artificielle capable d’analyser les images satellitaires, afin d’identifier et de classer automatiquement les principaux facteurs directs à l’origine de ces perturbations.
De l’alerte à la cause
Les alertes de déforestation permettent déjà de détecter rapidement les changements de couverture forestière. Mais une alerte peut correspondre aussi bien à une nouvelle parcelle agricole qu’à une exploitation minière, une route, un incendie ou un phénomène naturel.
Le modèle, adapté au bassin du Congo, utilise notamment des images radar Sentinel-1, des images optiques Sentinel-2, des données topographiques, ainsi que des informations sur les alertes présentes et passées. Les classifications sont ensuite actualisées mensuellement. Les classifications sont ensuite mises à jour automatiquement, chaque mois.
La méthode distingue notamment l’agriculture à grande échelle de celle à petite échelle. Une parcelle agricole, dépassant deux hectares au cours de la fenêtre de classification de trois mois, est classée comme une agriculture à grande échelle. Le système peut également identifier les perturbations agricoles associées à des signes d’incendie.
Dans le bassin du Congo, où plusieurs activités humaines exercent simultanément une pression sur les forêts, identifier précisément l’origine des perturbations pourrait aider les acteurs de la conservation à mieux cibler leurs interventions. « L’exploitation forestière, l’expansion agricole, les infrastructures routières et les activités minières peuvent se développer dans des paysages, où se côtoient espaces protégés, concessions, territoires communautaires et forêts restantes », explique Dr Bart à Mongabay.
Selon les données de l’Observatoire des forêts d’Afrique centrale (OFAC), publiées en 2025, plus de 58 millions d’hectares de forêts en Afrique centrale sont affectés à la production forestière. Le secteur formel y prélève un peu plus de 8 millions de mètres cubes de grumes chaque année, illustrant l’importance économique de l’exploitation forestière dans la région.
D’après Bart, cette complexité rend d’autant plus difficile l’identification des causes de la dégradation forestière.
Une technologie qui ne remplace pas le terrain
Les chercheurs appellent toutefois à la prudence dans l’interprétation des résultats. Si l’intelligence artificielle peut identifier le type de perturbation observée, elle ne permet pas, à elle seule, d’en déterminer la légalité.
Dr Bart et son équipe affirment que pour prouver qu’une opération respecte effectivement la législation, il faut donc croiser les données satellitaires avec les documents juridiques, les limites des concessions et, lorsque cela est nécessaire, avec des vérifications sur le terrain.
« La combinaison de l’activité humaine et de l’intelligence artificielle peut fournir de meilleurs résultats », souligne, pour sa part, Dr Sarah Carter, chercheuse associée à l’Institut des ressources mondiales (WRI), ayant contribué à cette recherche.
Cette distinction est particulièrement importante dans le bassin du Congo, où la légalité d’une activité détectée par satellite ne peut être établie sans la confronter aux cartes des concessions, aux droits des communautés, aux permis d’exploitation et aux limites des aires protégées.
Le système lui-même présente également des limites. Les chercheurs indiquent que certaines perturbations naturelles, notamment les incendies et les inondations, sont plus fréquemment mal classées. Les classifications rapides peuvent aussi manquer de précision lorsqu’il s’agit de déterminer exactement quelle culture ou quel type d’utilisation des terres s’est installé après une perturbation.
Des alertes aux actions de conservation
L’expérience menée en Indonésie illustre toutefois la manière dont ces données pourraient être utilisées dans la pratique.
Rendra Rean, utilisateur des données dans le paysage de Seblat, à Sumatra, en Indonésie, explique que les alertes sont combinées aux informations sur les patrouilles, l’utilisation des terres et les habitats des éléphants, afin d’identifier les zones à vérifier en priorité.
« Cette approche pourrait également s’avérer particulièrement pertinente dans le bassin du Congo, où l’étendue des forêts et la diversité des activités humaines rendent impossible la vérification de chaque alerte sur le terrain », dit-il.
Mais dans un paysage aussi vaste que le bassin du Congo, l’enjeu n’est pas seulement de détecter les perturbations, mais de savoir les perturbations devant être vérifiées en priorité.
Aux yeux des panelistes, cette logique pourrait être transposée au bassin du Congo, où les forêts constituent des habitats essentiels pour les éléphants de forêt, les gorilles, les chimpanzés et de nombreuses autres espèces.
L’intérêt du système réside donc moins dans la promesse d’une surveillance entièrement automatisée que dans sa capacité à aider les équipes à trier des milliers d’alertes et à cibler leurs efforts.
Une nouvelle fenêtre sur le bassin du Congo
Global Nature Watch développe parallèlement Horizon, une plateforme utilisant l’intelligence artificielle permettant aux utilisateurs d’interroger les données environnementales.
Pour les chercheurs de Global Nature Watch, cette évolution pourrait surtout changer la manière dont les données environnementales sont utilisées sur le terrain. « L’enjeu n’est plus seulement de produire davantage de données, mais de permettre à ceux qui travaillent sur le terrain de les transformer rapidement en informations utiles à la décision », affirme Bart.
Image de bannière : Culture sur brûlis à Kimpese, en République démocratique du Congo. Image de Max.kit via Wikimedia Commons.
Feedback : Utilisez ce formulaire pour envoyer un message à l’éditeur de cet article. Si vous souhaitez publier un commentaire public, vous pouvez le faire au bas de la page.
Crédits
