Get Started for FREE
Sign up with Facebook Sign up with X
I don't have a Facebook or a X account
 Your new post is loading...
Your new post is loading...
Scoop.it!
Grâce à ses algorithmes de machine learning, l'intelligence artificielle permet d'améliorer la modélisation climatique et de développer des projections très utiles pour l'écologie. Mais en parallèle, l’impact énergétique de ces outils d’intelligence artificielle grossit à un rythme exponentiel. 
No comment yet.
Sign up to comment
|
Scoop.it!
Ces leviers sont dans leur très grande majorité susceptibles d’être mobilisés lors des étapes amont de planification et de budgétisation des projets, bien avant leur conception et instruction. Parmi ces derniers, une étude approfondie de 10 d’entre eux met en évidence les approches, outils et critères utilisés, de même que leurs avantages et limites. Au total, 13 pistes d’action issues des échanges avec le comité de suivi ont pu être émises, dont près de la moitié présentent des points forts de consensus. Classés en trois grandes catégories, ces leviers d’action sont d’ordre économique, technico-régalien ou socio-cognitif.
DocBiodiv's insight:
L’OFB publie une étude, menée en partenariat avec le cabinet de conseil PwC Lire aussi via @FrceEnergiesMar Des capteurs acoustiques ont été déployés sur le mât de mesures au large de Fécamp dans le cadre du programme MIGRATLANE porté par @OFBiodiversite. Ils permettront de détecter les passages d’oiseaux et de chauves-souris près du parc @EolienMerFecamp
|
Avec Philippe Ciais chercheur CEA au Laboratoire des Sciences du Climat et de l'Environnement (LSCE-IPSL). Julie Deshayes, océanographe climat au CNRS affectée au laboratoire LOCEAN. Jacques Sainte-Marie chercheur à l’INRIA et à Sorbonne Université en charge des questions liant numérique et environnement