Le jour de la foudre qui a frappé le mont Bukhan en 2007, le PDG Myung Gwang-min savait que l'intensité de la foudre approchait de la zone. Cependant, il n'avait aucun moyen de transmettre cette information aux personnes à proximité au moment opportun. L'Administration météorologique coréenne exploite environ 700 stations d'observation à travers le pays, espacées en moyenne de 5 à 15 kilomètres. Il est donc difficile de détecter des événements concentrés sur une courte période et une zone restreinte, comme de fortes pluies localisées.
DI Lab met en place un réseau de surveillance directe sur les sites clients et identifie rapidement les risques grâce à des prévisions basées sur l'IA, toutes les 5 à 10 minutes. De plus, elle fournit des informations en continu (24h/24) sur la possibilité de faire fonctionner ou d'arrêter l'installation, selon les critères d'arrêt définis par chaque client.
Myung Gwang-min, PDG de DI Lab, est le premier météorologue de Corée du Sud. Il a travaillé dans l'armée de l'air et dans des entreprises privées, où il a traité un large éventail de données. En 2007, alors qu'il était officier météorologique dans l'armée de l'air, la foudre a frappé le mont Bukhan, un événement qui a bouleversé sa vie.
« En travaillant dans le domaine des prévisions météorologiques, j'ai constaté à quel point le système existant était défaillant pour répondre aux risques météorologiques civils. À l'époque, j'étais chargé d'identifier l'intensité de la foudre approchant de la région de Bukhansan et de transmettre les alertes aux unités concernées. Cependant, j'étais frustré par les limitations structurelles qui m'empêchaient de transmettre cette information aux randonneurs. »
Une question me taraudait à cette époque : « Les prévisions étaient justes, mais pourquoi n’avons-nous pas pu empêcher l’accident ? » La philosophie « Data Intelligence » de DI Lab est née de cette question.
Le représentant Myung a déclaré : « Le problème ne réside pas dans la précision des prévisions, mais plutôt dans la structure qui empêche ces prévisions de déboucher sur des décisions et des actions concrètes. » Il a ajouté : « Ce décalage devient flagrant lorsqu’on observe des situations industrielles réelles. Certaines entreprises doivent interrompre leurs activités dès 1 mm de pluie, tandis que d’autres peuvent supporter jusqu’à 20 mm. Or, les services météorologiques actuels ne tiennent pas compte de ces différences et diffusent les mêmes informations à tous. »
Depuis sa création, DI Lab s'est concentré sur les données qui transforment la prise de décision, et non sur de « meilleures prévisions ». Par conséquent, nous définissons le seuil à partir duquel chaque secteur et domaine devient réellement dangereux, et concentrons nos ressources de prévision sur le moment précis juste avant que ce seuil ne soit franchi.
Actuellement, l'Administration météorologique coréenne fournit des informations météorologiques nationales avec une résolution spatiale de 5 à 15 kilomètres. Ce système est efficace pour les phénomènes de grande ampleur comme les typhons et les pluies de mousson. Cependant, il présente des limites pour la détection des fortes pluies localisées.
Le député Myung, qui a comparé la situation à « essayer d'attraper de petits poissons avec un grand filet », a critiqué : « En raison de ces limitations de données, des accidents comme l'inondation de la station Gangnam se répètent, pour n'être découverts qu'après qu'ils se soient déjà produits. »
Si l'on considère la zone d'observation plus large, les données de précipitations provenant d'environ 3 400 sites, y compris des collectivités locales et des institutions publiques, permettent théoriquement des observations beaucoup plus précises. Cependant, le PDG Myeong a déclaré : « Le problème réside dans la fiabilité des données », ajoutant : « Le taux de données normal moyen de ces stations d'observation est d'environ 86 %, et les erreurs et les données manquantes sont fréquentes, ce qui limite les applications pratiques. » Ceci est dû à la rotation fréquente du personnel et à la structure administrative, qui rendent difficile de consacrer suffisamment d'expertise et de temps à la gestion du matériel et à l'analyse des données.
Les coûts sont également considérables. Selon le plan d'acquisition d'équipements 2026 de l'Administration météorologique coréenne, le budget alloué à l'achat de 24 dispositifs d'observation météorologique pour la prévention des catastrophes s'élève à 1,08 milliard de wons. Chaque dispositif coûte environ 45 millions de wons. Les données relatives à la maintenance montrent qu'environ 3,99 milliards de wons ont été alloués sur deux ans à la gestion de 709 observatoires à travers le pays, soit environ 2,81 millions de wons par station et par an.
« Si ce réseau d'observation était reconstruit à grande échelle et standardisé à l'aide de technologies civiles, nous pensons que nous pourrions réduire les coûts d'installation d'un cinquième et les coûts de maintenance de moitié. »
Nous sommes convaincus que nous pouvons installer beaucoup plus d'observatoires avec le même budget et les gérer de plus près.
« En y ajoutant notre technologie de détection d'anomalies, nous pouvons garantir des données de haute qualité à partir des données collectées par un réseau d'observation dense. »
Le représentant Myung appelle cela « l'IRM climatique ». De même que les maladies nécessitent un diagnostic précis par IRM pour être correctement traitées, les anomalies climatiques récentes nécessitent un diagnostic précis grâce à un réseau d'observation dense comme l'IRM pour s'y préparer adéquatement.
En réalité, il existe de nombreux cas où les dégâts ont été importants en raison de fortes pluies localisées, car on ne savait pas exactement « à quel point il pleuvait fort sur une courte période ».
La municipalité de Séoul a investi environ 1 400 milliards de wons dans l'extension des infrastructures de protection contre les inondations dans 33 zones inondables autour de la gare de Gangnam. Si seulement 1 % de cette somme avait été consacrée à la collecte préalable de données d'observation détaillées, une part importante des dégâts n'aurait-elle pas pu être évitée ?
DI Lab met en place un réseau d'observation directe chez ses clients afin de mesurer précisément les fortes précipitations localisées. Si la station d'observation est éloignée de la centrale solaire ou du centre logistique du client, l'écart entre les précipitations observées et la valeur mesurée peut atteindre 50 à 100 %, voire plus de 500 % dans les cas extrêmes. De plus, l'intelligence artificielle et la plateforme technologique permettent de collecter, d'analyser et de prévoir rapidement les données afin de minimiser le délai d'information. Les prévisions météorologiques étant plus instables et moins précises à mesure que l'horizon de prévision s'allonge, la réduction du délai améliore leur fiabilité.
L'étape suivante consiste à produire et à mettre à jour rapidement les prévisions de l'IA toutes les 5 à 10 minutes.
« Nous pouvons identifier rapidement les risques en prévoyant où de nouvelles fortes pluies se développent et où les zones de fortes précipitations se déplacent en l'espace de 10 minutes. »
Enfin, l'impact de ces informations météorologiques analysées et prévues sur les clients est précisément étudié et utilisé pour éclairer la prise de décision. Par exemple, si 85 mm de pluie sont attendus sur une période de trois heures, le client A est informé que son usine restera opérationnelle, car les prévisions sont inférieures au seuil de 100 mm/3 heures. En revanche, le client B est informé que son usine sera arrêtée, car les prévisions sont inférieures au seuil de 60 mm/3 heures.
.
La stratégie de DI Lab consiste à collecter des données décisionnelles, accessibles uniquement sur le terrain, à les combiner avec des données météorologiques et à les réinterpréter en seuils et fonctions de coûts spécifiques à chaque secteur. Nous rencontrons régulièrement nos clients pour identifier les facteurs météorologiques déterminant la rentabilité de chaque secteur, les valeurs qui interrompent les processus, ainsi que les décideurs et les contraintes de temps. La compréhension du domaine du client est essentielle à la convergence des expertises.
En définitive, la convergence sectorielle de DI Lab consiste à appréhender la structure décisionnelle d'un secteur grâce aux données, transformant ainsi les prévisions météorologiques en recommandations concrètes et exploitables. C'est pourquoi DI Lab peut fonctionner comme un moteur d'aide à la décision, et non comme un simple modèle de prévision.
L'avantage de DI Lab sur le marché mondial est évident.
« Comme les investissements importants exigent des rendements élevés, les solutions occidentales n’ont d’autre choix que de se concentrer sur les grands marchés aux prix élevés. Par conséquent, elles sont principalement développées comme des services généralistes destinés aux marchés développés. »
Parallèlement, DI Lab reflète les spécificités de la Corée, de l'Asie et des pays en développement. Son PDG, M. Myung, explique : « Notre modèle, basé sur les technologies de détection d'objets connectés et d'anomalies, est opérationnel même dans les pays en développement où les données sont incomplètes. » Il ajoute : « Nous proposons également des services de renforcement des capacités pour pallier les pénuries d'infrastructures de données et de compétences techniques dans ces pays. »
L'entreprise collabore actuellement avec l'équipe de recherche du professeur Moon Yong-jae à l'université Kyung Hee afin d'appliquer une technologie d'intelligence artificielle générative aux données satellitaires géostationnaires et ainsi produire des informations sur les précipitations deux fois plus précises que les données existantes. Il a ajouté : « Cette technologie est utilisée pour l'alerte précoce, la gestion de l'eau et l'agriculture dans des régions où les données d'observation sont rares, comme les pays insulaires du Pacifique, l'Asie centrale et l'Afrique. »
La raison pour laquelle DI Lab ambitionne de devenir une entreprise de gestion des risques climatiques est claire : « Le plus grand défi auquel les entreprises sont confrontées à l’ère de la crise climatique n’est pas le climat lui-même, mais l’incertitude quant au moment, au lieu et à la manière dont leurs actifs subiront des pertes. »
L'« IRM climatique » de DI Lab se comprend aisément en la comparant à un système médical. Si les informations météorologiques générales sont comparables à une radiographie, l'« IRM climatique » est comme une IRM qui diagnostique avec précision la vulnérabilité climatique d'un actif. Elle analyse chaque actif, déterminant à partir de quel niveau d'eau (en millimètres par heure) une usine commence à être inondée et à quel moment l'installation devient la plus exposée.
Enfin, je l'ai interrogé sur sa vision. Le PDG Myung envisageait un monde où « nos solutions s'intègrent au quotidien » et a exprimé son rêve d'un « avenir où les informations climatiques hyper-personnalisées sont utilisées non seulement pour la gestion des risques météorologiques et à des fins commerciales, mais aussi pour la gestion de la santé personnelle, le sommeil, la coordination et les loisirs ».
You must be logged in to post a comment.