La province de Quang Tri (au Centre du Vietnam) est fortement touchée par les tempêtes et les inondations, tandis que les solutions d'ingénierie existantes sont coûteuses et ne peuvent suivre l'évolution de la nature des catastrophes naturelles. Il est donc urgent de développer un outil d'alerte précoce basé sur des données en temps réel et des modèles mathématiques modernes.
Le ministère des Sciences et des Technologies a chargé le Laboratoire clé national de la dynamique fluviale et côtière de mettre en œuvre un projet visant à construire un système d'alerte précoce aux inondations à Quang Tri. Le projet poursuit trois objectifs principaux : l'élaboration d'une carte des risques de catastrophe à l'échelle communale ; le développement d'une technologie d'alerte en temps réel ; et l'amélioration du système de transmission de l'information et d'orientation des interventions.
L'équipe de recherche a combiné des modèles mathématiques simulant le ruissellement, les précipitations et le relief avec l'intelligence artificielle et l'apprentissage automatique, créant ainsi 282 scénarios d'alerte. L'IA a permis de réduire le temps de traitement, un facteur clé pour la réponse aux catastrophes. Le système d'alerte est diffusé par téléphone, site web et réseaux sociaux. Un essai mené à Quang Tri lors de la saison des crues de 2024 a démontré la précision et la fiabilité des prévisions.
Dans les zones côtières, le risque d'inondations s'accroît en raison des fortes tempêtes, des ondes de tempête et des vagues importantes. Le Centre national de prévisions hydrométéorologiques, sous la direction de la professeure agrégée Nguyen Ba Thuy, met en œuvre un projet de modélisation des inondations côtières intégrant trois modèles : WRF (tempêtes de vent), SWAN (vagues) et ADCIRC (ondes de tempête). Ce modèle, qui simule en détail l'interaction des tempêtes avec le relief, a été testé à Thanh Hoa, contribuant ainsi à l'élaboration de plans d'évacuation et à la protection des infrastructures. Les résultats de l'essai mené lors de la saison des tempêtes de 2025 ont confirmé les prévisions.
Le modèle différencie également le processus de prévision pour les zones avec et sans digues, en l'adaptant aux spécificités de chaque province côtière. Selon la professeure agrégée Nguyen Ba Thuy, ce système améliore les capacités de prévision, mais nécessite des investissements supplémentaires dans l'infrastructure informatique pour un fonctionnement en temps réel.
Ces projets témoignent des progrès significatifs réalisés par le Vietnam en matière d'autonomie technologique dans la simulation et l'alerte aux catastrophes. Bien que difficiles à quantifier par des indicateurs économiques, les bénéfices liés à la réduction des dommages sont considérables. Face à la multiplication des catastrophes naturelles extrêmes, le développement de modèles de prévision intégrés exploitant l'intelligence artificielle, le big data et les technologies de communication rapide est essentiel pour perfectionner le système national d'alerte précoce et garantir un développement durable.
