Nouvelle méthodologie de Google AI : 'Groundsource', qui utilise le modèle Gemini pour convertir les données brutes des actualités mondiales non structurées en informations historiques exploitables

Google AI présente Groundsource, une nouvelle méthodologie exploitant le modèle Gemini pour extraire des données historiques structurées à partir de rapports de nouvelles publiques non structurées. Ce projet vise à combler le manque de données historiques sur les catastrophes naturelles rapides, en fournissant un ensemble de données open-source contenant 2,6 millions d'événements d'inondations urbaines historiques dans plus de 150 pays. Cette initiative répond au besoin crucial de données historiques pour améliorer les systèmes d'alerte précoce face à des événements comme les crues soudaines, qui causent environ 85% des décès liés aux inondations selon la World Meteorological Organization. Les ensembles de données satellites existants sont limités par la couverture nuageuse, les cycles de passage des satellites et un biais vers des événements prolongés, rendant insuffisantes pour entraîner des modèles prédictifs à grande échelle. Groundsource utilise un pipeline qui traite des décennies de rapports de nouvelles locales pour synthétiser une base historique, employant le modèle de langage Gemini pour l'extraction d'entités et une cartographie géospatiale pour assigner des coordonnées et des limites polygones précises. Cette méthode a permis de créer un ensemble de données hautement structuré, exploitable par des modèles d'IA, pour prédire les risques d'inondations urbaines soudaines jusqu'à 24 heures à l'avance, contribuant à réduire les dommages potentiels.