Alors que la sécheresse met à rude épreuve les réserves en eau dans une grande partie des États-Unis, des chercheurs de Virginia Tech ont développé un modèle d’intelligence artificielle (IA) conçu pour aider les décideurs à gérer la concurrence croissante entre l’agriculture et la fabrication de semi-conducteurs.
Feras Batarseh, professeur associé au Département de génie des systèmes biologiques et à la Commonwealth Cyber Initiative, et chercheur principal du projet, a expliqué que la récente explosion des requêtes d’IA via les modèles de langage et le besoin accru de production de puces exercent une pression croissante sur les systèmes d’eau déjà tendus dans de nombreuses régions du pays.
Pour construire le modèle, les membres de l’équipe du laboratoire A3, l’étudiante en doctorat Lauren Pincus et Dan Sobien, chercheur associé, ont analysé les installations de semi-conducteurs, les schémas d’irrigation et les indicateurs de stress hydrique dans les 50 États. Ce projet est l’une des premières études à l’échelle nationale à examiner où l’agriculture et la fabrication de semi-conducteurs sont en concurrence la plus directe pour les ressources en eau.
De nouveaux modèles d’IA pour un système hydrique complexe
Contrairement aux modèles prédictifs traditionnels, le modèle d’IA causale de l’équipe identifie les relations de cause à effet entre la disponibilité de l’eau, les besoins des cultures, l’expansion des semi-conducteurs et les bassins régionaux. Il peut par exemple montrer comment l’ajout d’une usine de fabrication en Arizona pourrait affecter la capacité d’irrigation dans les États voisins, ou comment l’amélioration de l’efficacité de l’irrigation dans le Midwest pourrait libérer de l’eau pour la croissance industrielle.
Cette approche est essentielle, a affirmé Batarseh, car les décisions en matière d’eau aux États-Unis agissent rarement de manière isolée.
« Vous avez l’eau des États, les bassins, puis les régions économiques et la portée géographique de la juridiction fédérale, qui s’influencent mutuellement », a déclaré Batarseh.
En intégrant des données provenant de l’agriculture, de l’hydrologie, du climat et des opérations industrielles, le modèle génère des recommandations optimisées pour chaque État. Il est conçu pour soutenir les décisions à plusieurs niveaux, des gestionnaires de l’eau des États aux agences fédérales qui élaborent les stratégies nationales de fabrication de semi-conducteurs.
Concurrence pour la même eau
La fabrication de semi-conducteurs nécessite d’énormes volumes d’eau ultra-purifiée pour nettoyer et refroidir les tranches de silicium. De nombreuses installations dépendent des systèmes d’eau municipaux, qui puisent en fin de compte dans les mêmes sources d’eau de surface et souterraines qui approvisionnent les fermes et les communautés.
« Bien que la fabrication nationale soit une priorité, la plupart des installations de fabrication de semi-conducteurs sont situées dans des États comme l’Arizona, la Californie et le Texas, qui sont très secs », a souligné Batarseh.
L’agriculture, quant à elle, reste le plus grand consommateur d’eau du pays, utilisant environ 70 % des prélèvements d’eau douce. Les cultures telles que le maïs, le coton, le riz et le soja nécessitent une irrigation importante, en particulier dans les régions sujettes à la sécheresse.
« Bien que des technologies comme l’irrigation goutte-à-goutte et l’irrigation intelligente puissent être utilisées pour minimiser le gaspillage d’eau dans l’agriculture, les besoins en eau d’une culture varient encore en fonction de multiples facteurs et restent généralement élevés », a expliqué Batarseh.
Dans les bassins partagés comme celui du fleuve Colorado, une activité accrue des semi-conducteurs pourrait réduire directement la capacité d’irrigation. Inversement, l’amélioration de l’efficacité de l’irrigation pourrait créer une marge pour la croissance industrielle sans augmenter le stress hydrique.
L’IA à la fois comme facteur de stress et comme solution
Au-delà de la sécheresse et de l’expansion industrielle, les systèmes d’eau américains subissent des pressions supplémentaires, notamment le vieillissement des infrastructures et les vulnérabilités en matière de cybersécurité qui peuvent perturber le traitement et la distribution de l’eau. Batarseh a indiqué que l’IA offre également des outils puissants pour améliorer l’efficacité de l’eau, en particulier dans l’agriculture.
« Si des techniques d’irrigation intelligente sont appliquées et que l’on optimise de 10 ou 20 %, cela laisse de la place pour d’autres industries comme la fabrication de semi-conducteurs », a-t-il déclaré.
Le modèle d’IA causale est conçu pour soutenir précisément ce type d’optimisation. Il peut simuler des scénarios, tester des options politiques et identifier des stratégies qui réduisent le stress hydrique sans sacrifier la croissance économique.
Alors que les pressions sur les systèmes d’eau américains augmentent, Batarseh a conclu : « L’objectif n’est pas de choisir entre les fermes et les usines, mais de trouver des moyens plus intelligents de soutenir les deux. »
Il a ajouté que des outils comme l’IA causale peuvent aider les décideurs à prendre des décisions plus éclairées avant que les pénuries d’eau ne deviennent des crises. En montrant comment les choix dans une région se répercutent sur les fermes, les usines et les communautés à l’échelle nationale, le modèle offre une voie plus claire vers un équilibre entre la croissance économique et la durabilité à long terme de l’eau.
Article : Evaluating the Impact of Semiconductor Facilities and Agricultural Irrigation on Water Risk in the United States – Journal : Journal of Water Resources Planning and Management – DOI : Lien vers l’étude
Source : Virginia Tech
