1,47 million de panneaux solaires photovoltaïques essaiment le territoire.
© Pixabay
À voir aussi sur Konbini
On pensait qu’il y en avait un peu plus d’un million. Grâce à l’algorithme DeepSolar, le chiffre a été rehaussé quasiment de moitié : Mesdames et Messieurs, vous ne serez pas peu fiers d’apprendre que les États-Unis possèdent sur leur territoire environ 1,47 million de panneaux solaires photovoltaïques.
DeepSolar, codé par des chercheurs de l’Université de Stanford, a analysé des images satellites aériennes du pays. Fonctionnement sur le principe du “deep-learning” (une catégorie d’IA qui apprend elle-même, plus ou moins supervisée, et reproduit, très grossièrement, les modèles neuronaux), DeepSolar s’est d’abord autoformé sur 370 000 images satellites issues de 50 villes américaines avant d’analyser plus d’un milliard d’images aériennes mises à sa disposition. Le taux de réussite a été estimé à 93,7 %.
Le taux d’équipement en panneaux solaires aux États-Unis © DeepSolar: A Machine Learning Framework to Efficiently Construct a Solar Deployment Database in the United States
En corrélant ces informations avec des données socio-économiques et liées à l’ensoleillement des régions équipées (88 facteurs pris en compte au total), les chercheurs ont également mis sur pied un second algorithme capable de prédire le déploiement du solaire, par région, dans les années à venir.
Les résultats pourraient notamment intéresser les pouvoirs publics pour ajuster leurs subventions ou le prix de l’électricité. L’étude nous apprend par exemple que, malgré les économies potentielles à la clé, les ménages les moins aisés n’investissent pas dans le solaire à cause des coûts élevés d’acquisition et d’installation. Ballot.
Les quatre universitaires derrière DeepSolar envisagent, à terme, d’étendre l’algorithme à toutes les régions du monde disposant d’une imagerie satellite en haute résolution. Et parce que la précision est une obsession permanente de la science, le futur DeepSolar ingérera aussi des images de Google Street View, notamment pour mieux mesurer l’impact de l’inclinaison des panneaux sur les toits.