Google DeepMind a sélectionné 16 startups, organisations à but non lucratif et équipes de recherche de toute la région Asie-Pacifique pour la première promotion de son accélérateur AI for the Planet, qui couvre aussi bien le suivi de la faune sauvage et les prévisions de récoltes que les crédits carbone et la consommation énergétique urbaine.
Un schéma frappant se dégage de l’ensemble : la plupart utilisent l’IA pour transformer des données environnementales du monde réel en mesures, estimations ou prévisions. L’exactitude et la validation revêtent donc une importance particulière pour les organisations susceptibles de s’appuyer un jour sur ces résultats.
Selon l’annonce de Google, le programme de trois mois a démarré cette semaine par un bootcamp en présentiel à Singapour. Les participants bénéficient d’un accès à la pile technologique d’IA de Google, ainsi que d’un accompagnement technique et d’un mentorat.
Google cite AnthroKrishi, ForestCast, AlphaEarth Foundations, SpeciesNet et Perch parmi les modèles spécialisés disponibles dans le cadre du programme.
La plupart des projets de la promotion mesurent le monde physique
Google répartit les 16 projets entre la nature et la résilience climatique, l’agriculture durable, ainsi que les solutions climatiques et carbone. L’examen des fonctions concrètes de chaque projet fait apparaître une autre distinction.
Selon le décompte d’eWeek, 13 des 16 projets surveillent, mesurent, estiment, vérifient ou prédisent principalement des conditions environnementales. Cela s’inscrit dans une tendance plus large visant à utiliser l’IA pour lutter contre le changement climatique dans des domaines allant de la surveillance de la pollution aux prévisions météorologiques.
Cinq projets suivent la biodiversité ou l’état de la conservation à l’aide de sons, de caméras, d’images satellites ou de la télédétection : 800 Trust, Kumi Analytics, Listening Lab, TelePIX et Wildlife.ai. Yayasan Ekosistem Lestari utilise l’IA pour établir un lien entre la dégradation de l’environnement et le risque de catastrophe.
SIGMA estime les rendements agricoles, Terrastack combine des données satellitaires et agronomiques pour produire des informations foncières à l’échelle de la parcelle, et X-Centric utilise un matériel portable de radiographie doté de l’IA pour l’analyse géochimique.
Quatre autres projets sont étroitement liés à la mesure et à la vérification du carbone. Archeda utilise des données satellitaires pour les crédits carbone fondés sur la nature, Climitra Carbon applique la géo-IA à l’élimination des espèces invasives et à la production de biochar, Farmers for Forests mesure le carbone de l’agroforesterie et la biodiversité à l’aide de drones, et Varaha Climate utilise la télédétection et l’IA pour vérifier l’agriculture régénératrice et l’élimination du carbone.
Les trois derniers se concentrent davantage sur l’action. Edufarmers fournit aux agriculteurs des conseils sur les nuisibles, les maladies et la météo, Living Roots conçoit des engrais biologiques adaptés aux cultures, et City Syntax Lab développe une plateforme d’IA agentique pour optimiser la consommation d’énergie et de carbone dans les quartiers urbains.
Cette question énergétique devient de plus en plus difficile à dissocier de l’IA elle-même. Google fait partie des entreprises technologiques qui signalent une hausse de leurs émissions de carbone à mesure que les infrastructures d’IA se développent, ce qui ajoute une dimension supplémentaire aux efforts visant à utiliser cette technologie au service d’objectifs environnementaux.
Les critères de l’accélérateur de Google exigeaient des candidats qu’ils disposent d’un prototype fonctionnel ou d’un MVP, d’une validation initiale et d’une traction avérée. Le programme ne prend aucune participation au capital et s’achève par une journée de démonstration en décembre.
Le modèle a déjà quelques précédents dans le secteur technologique. L’Sustainability Accelerator d’IBM met lui aussi en relation des organisations travaillant sur des problèmes environnementaux avec les technologies et l’expertise technique de l’entreprise, même si IBM s’appuie sur une structure de programme plus longue.
Ce qu’a constaté eWeek : la validation, une étape manquante
L’annonce de la promotion de Google nous indique ce que les 16 projets cherchent à accomplir, mais pas dans quelle mesure les systèmes individuels y parviennent déjà.
Le communiqué ne contient aucune référence de précision au niveau des projets, aucune comparaison indépendante sur le terrain, aucune approbation de registre carbone ni aucun déploiement chez des clients nommément cités. Il ne met pas non plus en regard les participants individuels et des modèles Google précis.
Cette lacune est particulièrement importante pour les 13 projets qui produisent des mesures ou des prévisions. Un système de suivi de la biodiversité doit démontrer qu’il identifie les espèces de manière fiable. Un modèle de rendement agricole doit être confronté aux résultats des récoltes. Les outils de vérification du carbone sont soumis à une exigence encore plus élevée si leurs résultats doivent un jour servir à appuyer des crédits ou des décisions financières.
Google affirme que les candidats devaient démontrer une validation initiale et une traction, de sorte que l’absence de ces détails dans l’annonce ne signifie pas que les éléments probants n’existent pas. Cela signifie que la sélection par l’accélérateur, à elle seule, ne permet pas à un client potentiel de déterminer le degré de maturité ou de fiabilité d’un projet donné.
Les propres travaux de Google sur l’IA environnementale offrent un point de comparaison utile. Ses travaux sur les cyclones dans le cadre de WeatherNext s’accompagnaient de résultats de performance publiés et de comparaisons avec les systèmes de prévision existants. L’annonce de l’accélérateur ne fournit pour l’instant aucun élément équivalent concernant ses participants individuels.
Pour l’instant, le soutien de Google nous indique que ces 16 projets ont franchi son processus de sélection pour l’accélérateur et bénéficieront d’un accompagnement technique. La question la plus importante à suivre au cours des trois prochains mois est de savoir s’ils parviendront à transformer ce soutien en produits validés de manière indépendante et testés sur le terrain.
À lire aussi : La feuille de route AI Control de Google DeepMind détaille la surveillance, les contrôles d’accès et d’autres garde-fous pour des agents d’IA toujours plus performants.