Integrated military expertise, geographic information systems and machine learning for post-war landmine clearance : a knowledge-driven approach

Le déminage des mines terrestres et des munitions non explosées (UXO) dans les environnements post-conflit demeure un défi humanitaire et sécuritaire majeur. Les méthodes traditionnelles de déminage reposent largement sur des relevés manuels coûteux en ressources et des technologies de détection, mais elles souffrent souvent d’inefficacités dues à un manque d’intelligence spatiale complète et à la complexité des environnements. Cette recherche intègre les Systèmes d’information Géographique (SIG) et l’Apprentissage Automatique (AA) afin d’améliorer la priorisation et la précision des opérations de déminage. Une approche novatrice est proposée, incorporant les connaissances d’experts militaires dans des modèles d’évaluation des risques basés sur l’AA, permettant ainsi une prise de décision plus éclairée et adaptative. En exploitant des données spatiales, des archives de contamination historique, des analyses topographiques et des images satellitaires, le système développé optimise la prédiction des zones à risque, réduisant ainsi l’incertitude liée à l’identification des zones potentiellement minées. La méthodologie est validée à travers des études de cas réelles issues de régions post-conflit, démontrant son efficacité dans l’amélioration de la sécurité et de l’efficacité opérationnelle. Les résultats indiquent que l'intégration de l’expertise du domaine avec l’intelligence basée sur les données améliore la performance prédictive, offrant ainsi un cadre évolutif et adaptable pour les futurs efforts de déminage. Cette recherche contribue au développement des opérations humanitaires assistées par l'IA et constitue une base solide pour des stratégies de mitigation des mines terrestres plus efficaces.