L’intelligence artificielle dans le domaine maritime

• Réalisé par : MARWANE AMMOU

 plan
• Introduction
• Les utilisations de l’IA dans le domaine maritime
• conclusion
introduction

L’intelligence artificielle est partout, y compris là où le

grand public ne l’y attend pas forcément. Le domaine
maritime en est un excellent exemple. Les cas
d’utilisation de l’IA y sont innombrables : optimisation de
la logistique portuaire, préservation des espèces, en
passant par la navigation autonome et la protection de
l’environnement.
Les données des océans, collecte, analyse et traitement

• La collecte de données marines s’est considérablement accrue

ces dernières années, en particulier grâce au déploiement de
capteurs, radars, sonars, robots sous-marins ROV (Véhicule
opéré à distance) et AUV (Véhicule sous-marin autonome) et
de drones maritimes.
• Des applications sont d’ores et déjà intégrées dans
• le transport maritime,
• la défense militaire,
• la gestion de la pêche et l’exploitation des fonds marins,
• la recherche suite à des crashes en mer,
• la surveillance et l’amélioration des prévisions
météorologiques.
• Mais c’est également dans la protection de l’environnement et
la lutte contre le changement climatique que les technologies
de machine Learning peuvent s’illustrer pour répondre à l’un
des défis majeurs auxquels la planète se trouve confrontée.
rov (Remotely Operated underwater Vehicle) AUV (Autonomous Underwater
Vehicle )
Entreprises, pouvoirs publics et ONG constituent
des bases de données sur lesquelles travailler au
déploiement de solutions.
• L'OCEAN Data Alliance propose par exemple de
développer une plateforme de données open source.
Celle-ci offrira la possibilité d’utiliser le machine
Learning pour le développement d’outils de surveillance
et de prédiction dans des domaines variés et d’assurer
une plus grande transparence quant à l’accès aux
données, par les autorités et le grand public.
1. Logistique portuaire et maritime

• Les infrastructures doivent s’adapter face à

l’augmentation des flux de conteneurs et la taille des
navires. Les nouvelles technologies – dont l’IA –
permettent de répondre dès à présent aux enjeux des
ports, du back-office à la logistique prédictive et à
l’exécution grâce à la robotique, aux véhicules
autonomes, à la vision par ordinateur ou aux interfaces
de conversation.
Quelques exemples :

• Création de Smart Port / Business Intelligent

Port, géré par la performance) grâce à des solutions
de gestion simplifiées, à l’automatisation, mais aussi à
de nouvelles interfaces comme celles proposées par la
startup Sinay à Caen.
Gestion de la fluidité du trafic portuaire et
du flux de marchandises import et export.

• . Des outils comme ceux créés par SeaRoutes, Élément AI ou encore

Channel 5, projet développé par MGI, en partenariat avec le List,
institut de CEA Tech, permettent grâce à des capteurs d’informations
(prévisions météorologiques, trafic routier, pannes d’engins de
manutention, situation sociale sur le terminal, volume de marchandise
attendu)
d’offrir une vue précise, en temps réel, de l’état du système
portuaire.
des solutions de détection 
• À noter également des solutions de détection des objets
flottants non identifiés (OFNI) et des mammifères
marins comme Oscar, de la société bretonne BSB
Marine.
Utilisation de drones pour la collecte d’informations en
temps réel, la surveillance, la maintenance et la
création d’un système d’alerte dans les ports, mais
également sur les infrastructures offshore.
Le système oscar
2 . Navigation autonome et sports nautiques
• Les tests de navires autonomes se multiplient, des ferries
aux porte-conteneurs, aux drones marins et aux sous-marins. Un
exemple : le Yara Birkeland de l’armateur norvégien Kongsberg Gruppen,
équipé de lidars et de caméras optique et infrarouge. Ou encore le
Mayflower de l’ONG Promare et d’IBM, doté de la technologie PowerAI
Vision avec radars et lidars, pouvant détecter des objets dans les images
et les vidéos, surveiller les mammifères, étudier les microplastiques et
travailler sur la cybersécurité maritime. Les technologies d’IA sont
désormais utilisées pour une navigation plus sûre (prédiction des
icebergs, optimisation des routes de navigation).
• Des outils de machine Learning et de big data sont également développés
par plusieurs entreprises et équipes dédiées aux sports nautiques pour
l’amélioration des performances. Citons les Solutions d’analyse de
données et d’outils d’aide à la décision d’AIM45, notamment AIM1 conçu
par Olivier Douillard pour améliorer la performance, la sécurité et le
développement architectural des voiliers.
Défense militaire

• En matière de défense, l’intelligence artificielle couvre

un large champ d’applications : aide à la planification
et à la décision, optimisation de la mise en œuvre
des armements, interaction homme-machine,
optimisation des capteurs et réseaux de capteurs,
renseignement, systèmes robotiques, etc. La
défense militaire dans le domaine maritime se focalise
sur plusieurs secteurs dont le combat collaboratif, les
bâtiments de surface et sous-marins et la guerre des
mines.
Bâtiment de surface et sous-
marin : 
•  En matière de navigation, des outils IA viennent
améliorer les performances, gérer les niveaux de bruits
et aider à la décision grâce à des sonars et radars
capables de détecter et de classifier des cibles furtives.
Les systèmes de combat sont également améliorés
grâce à des solutions de fusion multi capteurs,
multiplateformes, d’aide à la manœuvre et à la
décision ; de poste de commandement multimodal ou
encore d’évaluation de potentiel et maintenance
optimisée.
• À titre d’exemple, Naval Group travaille sur la
reconnaissance des signaux acoustiques sous-marins à
l’aide d’algorithmes de classification automatique
entraînés sur des échantillons sonores représentatifs du
combat LSM (lutte sous-marine) et sur des outils
logiciels de détection, de classification et d’aide à la
décision pour sous-marins, frégates de lutte ASM (anti-
sous-marine) et aéronefs de patrouille maritime.
Guerre des mines : Sonar sur robot sous-marin
(détection et classification de mines, robot sous-marin
et robot de surface (supervision de haut niveau et
coordination multirobot).
Préservation de la biodiversité
• Les outils de collecte et d’analyse de données
fournissent de vastes bases de données. Le machine
Learning permet de les traiter de façon plus précise et
de développer des solutions efficaces dans de nombreux
secteurs :
• Inspection et observation des milieux marins et sous-marins 
• Surveillance de l’emplacement, de la santé et des quantités d’espèces
océaniques
• Prédiction de la propagation des espèces envahissantes
• Surveillance et prévention du trafic illégal d’espèces marines
sauvages
• Gestion de la pêche grâce à une prévention et un contrôle de la
surpêche
Inspection et observation des
milieux marins et sous-marins :
• citons les solutions proposées par Subsea Tech ou les
robots Seasam ou iBubble de Notilo Plus. Aux États-Unis,
une équipe composée de data scientists et de biologistes
(Univ. San Diego, Institut d’océanographie de La Jolla,
Centre de recherche sur la vie marine de Miami) a par
exemple mis au point une méthode pour anticiper
l’impact qu’aurait l’installation de puits de pétrole dans le
golfe du Mexique. Elle a aussi effectué un traitement
pertinent de signaux acoustiques associé à un algorithme
de classification adapté et ainsi identifié des espèces de
dauphins uniquement à partir de leurs sifflements.
 Surveillance de l’emplacement, de la santé
et des quantités d’espèces océaniques

• comme c’est le cas du poisson-robotique Soft Robotic

Fish développé par des chercheurs du MIT pour
observer les créatures marines.
 Prédiction de la propagation des
espèces envahissantes
• et leur neutralisation comme le fait le RangerBot qui
s’attaque à l’acanthaster pourpre, menace importante
pour le corail.
Surveillance et prévention du trafic
illégal d’espèces marines sauvages
• grâce à des capteurs alertant en temps réel, à des
outils prédictifs et à une optimisation des horaires de
contrôles.
Gestion de la pêche grâce à une
prévention et un contrôle de la surpêche,
• une surveillance de l’aquaculture, une mesure
automatisée des seuils de pêche, des alertes contre la
pêche illégale ou encore l’optimisation des opérations
de surveillance et de patrouille.
Environnement et changement climatique

• L’intelligence artificielle apporte une aide précieuse à l’étude

des impacts du changement climatique et la lutte contre ses
effets. Le traitement des données marines et océaniques,
la vision par ordinateur, la reconnaissance d’images,
entre autres, permettent d’analyser la température des
océans, leur niveau et l’acidification des eaux.
Ces changements causent des dommages sans précédent à la
faune et à la flore et à la fonte des glaces marines en Arctique
et en Antarctique.
Plusieurs entreprises proposent également des outils de
collecte, d’analyse en temps réel et de traitement des données
sous forme de capteurs ou de robots.
Parmi les applications effectives :
• Lutte contre la pollution à travers la détection de
pollutions (plastique, hydrocarbure, etc.), la
surveillance des niveaux de pollution ou encore le
déploiement de robots de collecte de déchets comme
Wilson d'OCEAN Cleanup, le projet Sea-neT et le robot
Jellyfishbot de la société IADYS ou encore les drones de
The Plastic Tide Project.
Mesure des impacts du changement climatique grâce à
une surveillance en temps réel de la température et du
pH de l’océan, des écosystèmes des récifs coralliens et
des courants océaniques.
Wilson d'OCEAN Clean up le robot Jellyfishbot
Protection des habitats marins, évaluation de leur
conservation, cartographie des fonds marins et des récifs
coralliens effectués notamment par des radars ou des
véhicules autonomes déployés en eau profonde.
• Citons le projet Allen Coral Atlas qui terminera bientôt
sa cartographie en temps réel des coraux du monde
entier et le Shell Ocean Discovery XPrize, une
compétition ayant pour but de réaliser une cartographie
HD complète des fonds marins d’ici 2030.
• Dans un autre domaine, le LarvalBot détecte grâce à
son IA où déposer des larves de corail pour
réensemencer les récifs en danger.
Prévision météorologique

• ’intelligence artificielle, notamment sous la forme de

modèles météorologiques optimisés, est développée
pour prévoir les catastrophes naturelles et anticiper les
risques. Détecter les changements climatiques de façon
rapide permet d’alerter au plus tôt les populations et de
prévenir plus en amont les dommages.
conclusion

• Ces exemples d’applications de solutions basées sur

l’intelligence artificielle ouvrent la voie à de nombreuses
possibilités. Les nouvelles technologies pourraient
entrer en action, certes dans un souci d’amélioration
des performances et donc de rentabilité, mais aussi – et
surtout – pour apporter des outils et des données
pertinentes pour lutter efficacement contre l’un des
défis majeurs de notre époque : la protection de
l’environnement et la lutte contre le changement
climatique.