Le défi
Les villes africaines sont de plus en plus exposées aux inondations, aggravées par l'urbanisation rapide et le changement climatique. L'absence de systèmes d'alerte précoce accessibles empêche une allocation efficace des ressources et la protection des populations. Le défi : construire un système bi-plateforme piloté par l'intelligence artificielle pour prédire les zones inondables et émettre des alertes en temps réel.
L'approche méthodologique
En collaboration avec une équipe à l'ESATIC, le projet a suivi une démarche structurée : conception d'une architecture bi-plateforme (web et mobile), intégration de modèles prédictifs IA avec des données météorologiques, construction d'une visualisation en temps réel des risques sur carte, et mise en place d'un système de notifications d'alerte précoce.
L'architecture technique
Sources de données : prévisions pluviométriques, données topographiques et historique des zones inondables. Couche de traitement : modèles IA/ML pour la prédiction des risques et la cartographie des zones. Visualisation : cartes interactives avec zones de risque colorées par sévérité. Plateformes : tableau de bord web et application mobile pour les autorités et le public.
Le livrable
Un système bi-plateforme fonctionnel avec cartes en direct, notifications push d'alerte précoce et modèles d'évaluation des risques.
Mon apport personnel
Architecture système, entraînement des modèles IA, implémentation full-stack. C'est le premier projet où le code ne servait plus à apprendre, mais à résoudre un problème africain concret.
Reconnaissance et retombées
Validation opérationnelle du prototype. Le projet a démontré la capacité à résoudre des problèmes réels à l'aide de l'intelligence artificielle appliquée à la météorologie africaine.
Ressources techniques
Les badges des technologies utilisées sont affichés ci-dessous.
- Python
- Machine Learning
- API météorologiques
- Cartographie web
- React