L’intelligence artificielle peut-elle rendre la migration climatique plus juste ?
Des millions de personnes sont déjà contraintes de quitter leur foyer en raison des bouleversements climatiques. Sécheresses prolongées, montée des eaux, tempêtes extrêmes : ces phénomènes poussent des communautés entières à se déplacer, souvent sans ressources suffisantes pour s’adapter ou se reconstruire. Les migrants climatiques, qu’ils fuient temporairement ou définitivement, subissent des risques accrus pour leur santé, leur sécurité et leur intégration. Pourtant, leur sort pourrait s’améliorer grâce à des outils encore peu exploités dans ce domaine : les technologies d’intelligence artificielle.
L’intelligence artificielle est déjà utilisée pour prévoir les catastrophes naturelles, surveiller l’évolution du climat ou optimiser les systèmes de santé. Appliquée à la migration climatique, elle pourrait transformer la manière dont les sociétés anticipent, accompagnent et intègrent ces déplacements. Par exemple, des modèles informatiques analysent désormais en temps réel les données satellites pour identifier les zones à risque d’inondation ou de désertification. Ces informations permettent d’agir avant que les populations ne soient forcées de partir, en renforçant les infrastructures locales ou en organisant des relocations planifiées. Dans des pays comme l’Éthiopie, de tels systèmes ont déjà aidé à protéger des centaines de milliers de personnes et leurs terres agricoles.
L’intelligence artificielle offre aussi des solutions pour réduire les inégalités qui frappent les migrants une fois déplacés. Des algorithmes aident à repérer les besoins en soins de santé, à prédire les épidémies dans les camps de réfugiés ou à faciliter l’accès à l’éducation pour les enfants déracinés. Des applications mobiles, basées sur la reconnaissance vocale ou le traitement automatique du langage, soutiennent l’apprentissage des langues et l’intégration sociale. Dans certaines régions d’Afrique de l’Est, des plateformes numériques relient même les migrants aux services médicaux locaux, améliorant ainsi leur accès aux soins.
Cependant, ces avancées ne sont pas sans risques. Les systèmes d’intelligence artificielle reposent sur des données qui, si elles sont biaisées ou incomplètes, peuvent aggraver les inégalités plutôt que les réduire. Les régions les plus vulnérables, souvent situées dans le Sud global, manquent cruellement de données locales précises. Sans une collecte rigoureuse et inclusive, les outils développés pourraient ignorer les réalités des populations les plus exposées. De plus, l’empreinte écologique de certaines technologies pose question : l’entraînement de modèles complexes consomme une énergie considérable, contribuant ironiquement au réchauffement climatique qu’ils sont censés combattre.
Pour que l’intelligence artificielle serve vraiment la justice climatique, sa conception doit associer les communautés concernées. Cela signifie impliquer les migrants, les autorités locales et les experts du terrain dans le développement des outils, afin que ceux-ci répondent à des besoins concrets et respectent les droits fondamentaux. Des cadres réglementaires stricts sont aussi nécessaires pour garantir la transparence des algorithmes, protéger les données personnelles et éviter toute forme de discrimination automatisée.
L’enjeu est de taille : passer d’une gestion de crise, où les déplacements climatiques sont subis, à une approche proactive qui renforce la résilience des populations. L’intelligence artificielle ne résoudra pas à elle seule les causes profondes des migrations climatiques, mais elle peut devenir un levier puissant pour atténuer leurs conséquences les plus injustes. À condition de la concevoir avec équité, sobriété et en étroite collaboration avec ceux qui en ont le plus besoin.
Crédits et attributions
Source principale
DOI : https://doi.org/10.1057/s41599-026-07087-1
Titre : Artificial intelligence and climate migration equity
Revue : Humanities and Social Sciences Communications
Éditeur : Springer Science and Business Media LLC
Auteurs : Lawrence A. Palinkas; Mustafa F. Özbilgin; Miriam Aczel; Nathalie Ortar; Claire Monteleoni; Sarab Sethi; Eric Rice; Bistra Dilkina; Michalle Mor Barak