Voici comment l’IA peut nous aider à affronter les chaleurs extrêmes

Source: The Conversation – in French – By Jérémie Boudreault, Chargé de cours en science des données et risques climatiques, Université Laval; McGill University; Institut national de la recherche scientifique (INRS)

La canicule qui affecte l’Europe est déjà considérée comme historique, et de tels événements sont de plus en plus fréquents partout dans le monde. De quelles façons l’IA peut-elle être mise à profit pour aider à en limiter les conséquences sanitaires sur les populations ?

En 2021, un dôme de chaleur s’est installé dans la région de la Colombie-Britannique pendant un peu plus d’une semaine, avec des anomalies de température allant jusqu’à 15 ºC au-dessus des normales. Conséquence : 619 décès et plus de 5,5 milliards $ en coûts sanitaires. Cet événement météorologique, le plus meurtrier dans l’histoire récente du Canada, compte aussi parmi les catastrophes les plus coûteuses.

Et en ce début d’été, la vague de chaleur qui affecte l’Europe depuis plusieurs semaines, causant entre autres des incendies de forêt sans précédent en France, en Espagne et au Portugal, a déjà été qualifiée d’« historique ».

Des épisodes amenés à se multiplier

Avec les changements climatiques, ces événements de chaleur extrême vont se multiplier, au Canada comme ailleurs dans le monde, avec des intensités, des durées et des fréquences de plus en plus élevées. Une étude que j’ai menée en 2025 conjointement avec des collègues de l’INRS, de l’INSPQ et de Santé Canada a montré que les coûts sanitaires totaux associés à la chaleur au Québec pourraient, en l’absence d’autres mesures d’atténuation et d’adaptation, être multipliés au moins par trois d’ici 2050, pour atteindre 12 milliards $ annuellement.

Dans un contexte où la chaleur est l’événement météorologique causant le plus de décès, nous nous sommes posé la question suivante : comment l’IA peut-elle être mise à profit afin de limiter les conséquences sanitaires de la chaleur extrême ?

Le Canada et le Japon, pionniers dans le domaine

Voici donc un tour d’horizon des travaux réalisés sur la question, tant à l’international qu’au Canada, par moi-même en collaboration avec Félix Lamothe de l’INSPQ, Céline Campagna du consortium Ouranos, et Fateh Chebana de l’Institut national de la recherche scientifique. Pour cet article, on désigne par « modèles d’IA » tous les modèles d’apprentissage machine et profond qui sont utilisés en IA.

Nous avons effectué une revue de littérature internationale afin de recenser les travaux effectués dans ce domaine. Notre revue a montré que le Japon et le Canada étaient tous deux pionniers dans le domaine avec le plus d’articles publiés, surtout dans les cinq dernières années. Parmi les applications de l’IA recensées au niveau mondial, quatre grands thèmes ont émergé :

Prévoir les conséquences sanitaires de la chaleur.
Établir de nouveaux seuils d’alerte à la chaleur.
Mieux comprendre les variables liées à la chaleur.
Analyser les facteurs de vulnérabilités à la chaleur.

Prévoir les impacts sur la santé

En permettant d’analyser les structures de corrélations complexes dans les données sanitaires et environnementales, les modèles d’IA peuvent être mis à profit pour la prévision des impacts sanitaires de la chaleur.

Déjà, en 2023, notre équipe avait comparé neuf modèles d’IA et statistiques afin de prévoir la mortalité en période de chaleur extrême à Montréal. Cette étude a permis déjà de cibler quels algorithmes étaient les plus précis, et dans quels contextes. Alors que certains modèles d’IA montraient les meilleures performances pour l’ensemble de l’été, les modèles statistiques adaptés pour la non-linéarité demeuraient assez précis en période de forte chaleur.

Suite à cette première expérience, nous avons proposé un système provincial de surveillance de la chaleur basé sur l’IA en utilisant l’ensemble des données du Québec et portant sur cinq indicateurs : mortalité, hospitalisations, visites aux urgences, transports ambulanciers et appels à Info-Santé. Cette fois-ci, les performances des modèles d’IA dépassaient largement ceux des modèles plus classiques pour tous les moments de l’été. De plus, les modèles ont pu identifier deux indicateurs sanitaires d’intérêt pour de tels systèmes : les décès et les transports ambulanciers.

Si mis en opération, ce système permettrait d’anticiper les conséquences sur la santé des périodes de chaleur à venir. Par exemple, en combinant les prévisions de températures du jour et de la nuit suivante, l’écart de température et l’humidité, le système permettrait de prévoir si des augmentations sont attendues dans les indicateurs de santé mentionnés ci-dessus, et ce, pour chacune des régions du Québec.

De nouveaux seuils d’alerte

Notre revue de littérature a aussi montré que les modèles d’IA peuvent être utilisés pour proposer de nouveaux seuils d’alerte de chaleur, en analysant les relations complexes entre les températures et la santé. Une étude de ce type effectuée à Montréal en 2021 a montré quel algorithme d’IA performait mieux pour établir ces seuils.

Les résultats ont montré que la mortalité augmentait fortement lorsque les températures minimales et maximales sur trois jours dépassaient 20,3 ºC et 32,1 ºC, respectivement. Ces seuils obtenus par l’IA sont comparables à ceux actuellement en vigueur à Montréal, à savoir 20 ºC et 33 ºC. D’ailleurs, un projet est présentement en cours afin d’appliquer cette méthodologie basée sur l’IA à l’ensemble des régions du Québec.

Effets variables selon les endroits

En analysant simultanément plusieurs données environnementales (température, humidité, vitesse des vents, pollution de l’air), les modèles d’IA peuvent déceler quelles combinaisons de variables sont susceptibles d’entraîner une hausse de mortalité ou de morbidité. Notre équipe a analysé 63 variables environnementales avec plusieurs modèles d’IA afin de déceler lesquelles prédisaient mieux la mortalité dans les deux plus grandes villes du Québec.

Contrairement à ce qui était attendu, l’humidité et la pollution de l’air ne contribuaient pas à améliorer le pouvoir prédictif des modèles de mortalité. Cela dit, d’autres effets moins sévères que la mortalité pourraient être sensibles à ces variables, mais n’ont pas été analysés dans le cadre de ce projet. La température à elle seule semblait suffisante, bien que différente selon la ville étudiée : à Montréal, la température mesurée durant le jour expliquait mieux la mortalité, alors qu’à Québec, c’est la température mesurée durant la nuit. Cela pourrait s’expliquer par des différences d’environnement bâti ou socioéconomiques entre ces deux villes.

Des personnes plus affectées que d’autres

Pour agir en contexte de chaleur extrême, on doit aussi identifier les personnes les plus affectées : personnes âgées, jeunes enfants, personnes vivant dans des quartiers chauds et défavorisés, travailleurs extérieurs, personnes ayant des maladies chroniques, etc. Analyser tous ces facteurs socioéconomiques et sanitaires simultanément peut devenir complexe avec des modèles statistiques classiques. C’est ici qu’entre en jeu l’IA, qui a le pouvoir de traiter toutes ces données d’un seul coup.

Une étude co-réalisée avec des collègues du BC Centre for Disease Control s’est penchée, avec l’IA, sur la prise de médicaments comme facteur de risque à la chaleur. Des 270 différentes classes de médicaments analysées, plusieurs augmentaient les risques de décès en période de chaleur, en particulier certains antipsychotiques, des antidépresseurs, des diurétiques et des médicaments contre la maladie de Parkinson.

Ces résultats ne signifient en aucun cas, bien sûr, qu’il faille cesser la prise de médicaments en période de chaleur. Mais ils pourraient permettre aux professionnels de la santé de mieux cibler les personnes à risque pour les sensibiliser à l’importance de se prémunir contre les effets de la chaleur, entre autres en visitant des lieux climatisés et en restant bien hydratés.

Déjà des milliers d’abonnés à l’infolettre de La Conversation. Et vous ? Abonnez-vous gratuitement à notre infolettre pour mieux comprendre les grands enjeux contemporains.

Des modèles d’IA simples, utiles et peu énergivores

Sur la base de nos travaux et de ceux effectués à l’international, l’IA s’avère un outil très utile pour comprendre les risques sanitaires liés à la chaleur, anticiper ses conséquences et en protéger les personnes les plus vulnérables. En outre, ces modèles d’IA peu énergivores ne posent pas les problèmes environnementaux et sociaux des grands modèles de langage généralistes.

L’IA ne remplacera jamais les météorologues ou les autorités de santé publique, mais elle est un outil précieux d’analyse de données et d’aide à la décision, afin d’améliorer les actions prises lorsque la prochaine vague de chaleur extrême nous frappera.

Jérémie Boudreault a reçu des financements du CRSNG, des IRSC, d’Ouranos et de l’INSPQ pour ses travaux.

– ref. Voici comment l’IA peut nous aider à affronter les chaleurs extrêmes – https://theconversation.com/voici-comment-lia-peut-nous-aider-a-affronter-les-chaleurs-extremes-284276