Démonstrateur d'Identification de Situations Critiques via la Remontée de données multi-sources pour l’alErte en Temps-réel – DISCRET

Le projet DISCRET vise à démontrer qu’il est possible de détecter, en temps réel, des situations atypiques ou critiques, au travers de l’analyse des données d’un opérateur de téléphonie mobile (Orange), enrichies par des informations extraites du réseau social Twitter et à proposer un premier prototype de système d’avertissement destiné aux services de gestion de crises, de sécurité et de secours. L’hypothèse du projet, confirmée par plusieurs travaux de recherche récents, est que des événements significatifs engendrent localement une modification substantielle des flux et de la nature des communications. Ces anomalies, quasi concomitantes de l’événement, peuvent être détectées et localisées sur la base du réseau d’antennes relais. D’autre part, la connaissance anticipée de la localisation de l’événement et de la nature des communications (changement de nombre ou de fréquence de messages envoyés à travers différents canaux), permet d’envisager de collecter de manière plus efficace les données des médias sociaux, afin de caractériser et de contextualiser l’événement et donc de mieux valoriser les remontées d’informations par la population par des voies non spécifiquement dédiées à l’alerte.
Le projet constitue une contribution à l’axe 2 de l’appel d’offres : « Remontée d’alerte par la population ». Le projet présente l’originalité d’exploiter des informations transmises de manière passive par la population au travers de l’activité mesurée sur les réseaux de téléphonie mobile et les remontées d’informations actives par des canaux «généralistes» : les media sociaux (Twitter dans le cas du présent projet). Même si les médias sociaux ne sont pas spécifiquement dédiés aux remontées d’alertes, ils constituent un canal populaire et privilégié de diffusion d’informations événementielles.