Découvrez les façons innovantes dont l'intelligence artificielle améliore l'analyse des données, la modélisation prédictive et la prise de décision dans les évaluations d'impact dans cette interview avec Luca Sardo.

L’intelligence artificielle (IA) transforme les études d’impact (EI) en rationalisant la collecte de données, en renforçant les capacités d’analyse et en améliorant la prise de décision. Cet article explore comment l’IA révolutionne les EI et présente les réflexions de Luca Sardo, ingénieur en IA chez WSP en Italie. Découvrez comment les modèles d’IA renforcent l’efficacité et la précision des études d’impact environnemental et social (EIES), avec des exemples concrets, notamment un projet récent en Afrique qui met en lumière le potentiel de l’IA.

Entretien avec Luca Sardo, ingénieur en IA, WSP en Italie

L’IA fait des vagues dans divers domaines, et les études d’impact ne font pas exception. Nous avons rencontré Luca Sardo, qui travaille à intégrer l’IA aux processus des études d’impact, afin de mieux comprendre l’importance et le rôle transformateur de l’IA dans ce secteur.

Q: Quelle est l’importance de l’IA dans les études d’impact?

Luca Sardo : L’importance de l’IA dans les études d’impact réside dans sa capacité à améliorer l’analyse de données, les modèles prédictifs et la gestion intégrée des connaissances. L’IA peut traiter de vastes quantités de données structurées et non structurées, les rendant accessibles et utiles pour préparer des études d’impact environnemental et social (EIES). Cette capacité est essentielle pour améliorer la précision et l’efficacité des processus des études d’impact, ce qui entraîne au final une prise de décision plus éclairée et de meilleurs résultats pour les projets. Par exemple, l’IA peut analyser et catégoriser de grandes quantités de texte provenant d’EIES précédentes, ce qui permet aux spécialistes d’accéder à une vaste base de connaissances pouvant servir de référence pour de nouveaux projets. 

Lors du AI*Festival 2025, on a souligné que la quantité totale de données lues par un humain au cours de sa vie était infime comparée aux 10 téraoctets de données utilisés pour entraîner un seul grand modèle de langage. Pour mettre cela en perspective, il nous faudrait environ 450 000 ans pour lire et traiter l’ensemble des documents, données et textes utilisés pour entraîner ces grands modèles de langage.

Q: Quelles sont les applications actuelles de l’IA dans les études d’impact?

Luca Sardo : L’IA est actuellement utilisée de diverses manières pour améliorer les processus des études d’impact. Un exemple notable est le rôle de l’IA dans l’optimisation de la collecte de données et l’aide aux procédures d’analyse et de revue.  

On utilise une grande quantité de données et de connaissances non structurées pour produire des études d’impact environnemental et social. Ces données sont stockées dans des rapports réalisés au cours des 30 ou 40 dernières années, accessibles publiquement et publiés par des organismes internationaux ou de réglementation.  

Pour rendre ces connaissances facilement accessibles aux experts techniques qui rédigeront la prochaine EIES, nous utilisons de grands modèles de langage afin d’analyser, de catégoriser et d’extraire de l’information utile à la préparation d’une étude. Cela permet aux experts d’exploiter un corpus d’information pertinente beaucoup plus vaste que ce qu’ils auraient habituellement le temps de consulter manuellement. 

Un autre exemple de l’utilité de l’IA est la compilation d’ensembles de données souvent fragmentés et non corrélés. La capacité des modèles d’IA à comprendre et à travailler avec des ensembles de données quantitatives et structurées crée des flux de travail analytiques qui étaient impossibles auparavant en raison des trop grands efforts qu’ils demandaient.

Q: Comment le modèle « IA avec intervention humaine » (AI-in-the-loop) améliore-t-il le processus de prise de décision pour les études d’impact?

Luca Sardo : Le modèle « IA avec intervention humaine » consiste à utiliser l’IA pour automatiser les tâches répétitives tout en faisant intervenir des experts dans le processus de révision et de prise de décision. Cette approche améliore l’efficacité de l’IA en lui permettant de gérer des tâches sujettes à l’erreur humaine, telles que l’extraction ou la synthèse de données, tandis que les experts se concentrent sur l’évaluation, la précision et la vérification de l’information. Nous utilisons l’IA comme un assistant qui suit les instructions fournies par le spécialiste, lequel révise ensuite les résultats et les valide. C’est un processus collaboratif qui vise à renforcer la capacité des experts humains à créer des rapports détaillés et précis, tout en utilisant des modèles de langage pour effectuer des vérifications et des contrôles supplémentaires.  

Entre autres exemples des capacités d’assistance de l’IA, durant la phase de délimitation de la portée, l’IA peut extraire de l’information de la base de connaissances concernant des projets qui ont une géographie, une typologie, des défis ou des pratiques exemplaires similaires. En fournissant des citations et l’accès aux sources, l’assistant aide les spécialistes à comprendre les risques et impacts du projet qu’il faudrait gérer. 

Nous pouvons rationaliser le processus de révision de documents en vérifiant leur conformité avec les méthodologies et les exigences réglementaires de WSP. Cette étape garantit la qualité de nos livrables et appuie notre processus de prise de décision.

Q: Pouvez-vous nous donner un exemple de projet d’étude d’impact où l’IA a aidé nos équipes à travailler plus efficacement?

Luca Sardo : Notre équipe a récemment répondu aux questions de parties prenantes au sujet d’un projet en Afrique basé sur une étude d’impact environnemental et social qui avait été réalisée par plusieurs praticiens. Il fallait trouver des réponses dans 30 documents comptant des milliers de pages. C’était tout un défi. Nous avons cartographié les connaissances dans le répertoire des documents, ce qui a permis à notre modèle d’IA de générer des réponses et de référencer les sections pertinentes. Cela a simplifié le processus, et les parties prenantes étaient satisfaites des résultats. 

En intégrant ces techniques innovantes, nous avons considérablement réduit le temps et les efforts nécessaires pour consulter une grande quantité de contenu, ce qui améliore l’efficience et l’efficacité globale de notre processus de réponse.

Q: Comment garantissez-vous la qualité et l’intégration des données quand vous utilisez l’IA pour les études d’impact?

Luca Sardo : Il est essentiel d’avoir des données de grande qualité pour obtenir des résultats précis de l’IA pour les études d’impact. Nous avons conçu un cadre de travail qui allie l’IA à une base de connaissances sélectionnée, ce qui permet de garantir la fiabilité et la pertinence des renseignements. Ce cadre comprend des processus rigoureux de collecte et de validation des données, qui garantissent que les données accessibles à nos modèles d’IA sont à la fois complètes et précises. De plus, cette approche a amélioré nos flux de travail en réduisant le temps et les ressources consacrés au traitement manuel des données. Dans l’ensemble, l’intégration de l’IA à une base de connaissances bien à jour a considérablement amélioré la qualité et l’efficacité, ce qui a contribué à améliorer le processus global des études d’impact.

Q: Pouvez-vous nous citer des collaborations interdisciplinaires qui ont été cruciales pour l’application réussie de l’IA dans vos projets d’études d’impact?

Luca Sardo : La collaboration interdisciplinaire est essentielle pour réussir la mise en œuvre de l’IA dans les études d’impact. Nous avons travaillé avec plusieurs de nos équipes, y compris celles chargées du numérique, des EIES, des TI et des services juridiques pour créer nos règles sur l’utilisation responsable de l’IA, cartographier les processus des études d’impact et déterminer les domaines où l’IA pourrait être très avantageuse et utilisée de manière sûre. Cette approche collaborative nous a permis de garantir que les outils d’IA que nous avons créés étaient adaptés aux besoins de chaque projet, conformes aux exigences réglementaires et intégrés à nos processus de révision de qualité.

Q: Quelles sont les perspectives d’avenir de l’IA dans le domaine des études d’impact?

Luca Sardo : L’avenir de l’IA dans les études d’impact semble prometteur. Les avancées continues sont susceptibles d’améliorer davantage l’efficacité et la précision des processus des études d’impact. À mesure que la technologie de l’IA évoluera, elle jouera probablement un rôle encore plus grand dans les études d’impact, en favorisant l’innovation et en améliorant les résultats des projets. La collaboration constante entre les experts de l’IA et les professionnels des études d’impact sera cruciale pour exploiter pleinement le potentiel de l’IA dans ce domaine.