Le Projet : "ForestGuardian CI" - Surveillance
Intelligente de la Déforestation en Côte d'Ivoire
A. Vision du Projet
Notre solution, baptisée ForestGuardian CI, est une application de surveillance proactive et
en quasi temps réel de la couverture forestière en Côte d'Ivoire. Elle vise à combattre la
déforestation illégale et rapide en fournissant aux autorités et aux organisations de
conservation des informations actionnables et une capacité d'intervention rapide, protégeant
ainsi la richesse biologique et les services écosystémiques de la Côte d'Ivoire.
B. Problème Addréssé
La Côte d'Ivoire a perdu une part alarmante de sa couverture forestière ces dernières
décennies, principalement à cause de l'agriculture extensive (cacao, hévéa), l'exploitation
forestière illégale, l'expansion urbaine et les feux de brousse. Cette déforestation massive
entraîne une perte irréversible de biodiversité, des perturbations climatiques locales, l'érosion
des sols et la diminution des ressources en eau, menaçant la sécurité alimentaire et les moyens
de subsistance des communautés. Les méthodes de surveillance actuelles sont souvent lentes,
coûteuses et ne permettent pas une réaction suffisamment rapide.
C. Notre Solution : ForestGuardian CI
ForestGuardian CI est une application web (ou un tableau de bord interactif) qui exploite la
puissance de l'Intelligence Artificielle et l'imagerie satellite pour automatiser la détection de
la déforestation et générer des alertes ciblées.
D. Fonctionnalités Clés du Projet Final
1. Surveillance en Quasi Temps Réel des Forêts :
o Notre système accède et traite automatiquement les nouvelles images satellites
disponibles (principalement Sentinel-2 pour sa haute résolution et sa fréquence
de revisite).
o Il se concentre sur des zones d'intérêt prioritaires définies (parcs nationaux,
réserves forestières, zones tampons critiques), ce qui optimise les calculs.
2. Détection Intelligente de la Déforestation (IA) :
o Nous utilisons des algorithmes de vision par ordinateur et d'apprentissage
automatique (Machine Learning / Deep Learning), entraînés sur de vastes
ensembles de données forestières.
o Ces modèles analysent les images satellites pour identifier les changements
de couverture forestière, distinguant les coupes sélectives des défrichements
massifs, et même potentiellement les nouvelles constructions ou les routes
forestières illégales.
o L'IA va au-delà de la simple détection de changement de NDVI, en
reconnaissant des motifs spatiaux caractéristiques de la déforestation.
3. Génération d'Alertes Automatiques et Localisées :
o Lorsqu'une zone de déforestation est détectée, le système génère une alerte
automatique.
o Cette alerte inclut des informations cruciales : localisation précise
(coordonnées GPS), date de détection, superficie estimée de la zone
déboisée, et des liens vers les images satellites "avant" et "après"
l'événement.
o Ces alertes sont envoyées aux autorités compétentes (Ministère des Eaux et
Forêts, SODEFOR, OIPR) et aux ONG partenaires via des canaux définis (e-
mail, SMS, ou notification push sur une application mobile dédiée si le temps
le permet).
4. Suivi de l'Évolution de la Couverture Forestière :
o L'application offre un tableau de bord interactif qui visualise l'évolution
historique de la couverture forestière pour les zones surveillées.
o Les utilisateurs peuvent consulter des statistiques clés : surface forestière
perdue par mois/année, taux de déforestation par région, zones à haut risque.
o Des cartes thématiques dynamiques permettent de zoomer sur n'importe
quelle zone et de voir l'historique des alertes de déforestation.
E. Architecture Technique (Simplifiée)
1. Acquisition et Prétraitement des Données : Entièrement géré par Google Earth
Engine (GEE). GEE nous donne accès à l'intégralité du catalogue Sentinel-2 (et
potentiellement Sentinel-1) pré-traité et mis à jour régulièrement.
2. Traitement et Analyse IA (Back-end) :
o Nos scripts Python / JavaScript sur GEE vont interroger les nouvelles
images.
o Ils appliqueront nos modèles d'IA (développés avec des bibliothèques comme
TensorFlow/Keras si on fait du Deep Learning) pour détecter la déforestation.
o GEE effectuera les calculs massifs et générera les cartes de changement et les
données d'alerte.
3. Interface Utilisateur (Front-end) :
o Une application web légère (HTML, CSS, JavaScript) construite avec un
framework moderne (par exemple, React ou [Link]).
o Elle interagira avec GEE via son API pour visualiser les données, afficher les
alertes et les cartes historiques.
o Une intégration avec une API de cartographie (comme Leaflet ou Google
Maps API) pour une visualisation spatiale fluide.
4. Système d'Alertes :
o Un service de notification simple qui, déclenché par une nouvelle détection,
envoie des e-mails ou des messages via une API (par exemple, Twilio pour les
SMS si on a le temps).
F. Impact et Valeur Ajoutée
ForestGuardian CI aura un impact significatif en :
• Accélérant la réaction : Permet une intervention rapide contre les activités illégales,
minimisant les dommages.
• Fournissant des preuves concrètes : Les images satellites et les données de l'IA
constituent des preuves irréfutables pour les poursuites judiciaires.
• Optimisant les ressources : Dirige les efforts de surveillance et les patrouilles sur le
terrain vers les zones les plus critiques.
• Facilitant la planification : Fournit des données précises pour la gestion forestière, la
restauration et la politique environnementale.
• Engageant la jeunesse : Peut inspirer des projets de science citoyenne ou de
développement de compétences techniques autour de ces enjeux.
