Une IA écoute les batteries au lithium pour anticiper les départs de feu

Avant les flammes, la fumée et parfois l’explosion, une batterie lithium-ion peut émettre un indice sonore discret. Des chercheurs américains proposent de transformer ce bruit en avertissement : leur algorithme d’apprentissage automatique a été conçu pour reconnaître le son produit par une batterie soumise à une forte pression interne. L’objectif est simple, mais potentiellement déterminant : gagner un court délai pour alerter les occupants et évacuer avant qu’un feu ne devienne incontrôlable.

Les travaux ont été menés au National Institute of Standards and Technology, le NIST, par une équipe dirigée par Wai Cheong « Andy » Tam et Anthony Putorti. Présentés lors du 13e Symposium Asie-Océanie sur la science et la technologie du feu, ils explorent une piste différente des détecteurs classiques : non pas voir la fumée ni mesurer la chaleur, mais écouter une batterie en train de défaillir.

Pourquoi les batteries lithium-ion exigent une détection plus rapide

Les batteries lithium-ion sont présentes dans les téléphones, les ordinateurs, les outils sans fil, les vélos électriques et de nombreux autres appareils. Leur succès tient à leur capacité à stocker beaucoup d’énergie dans un volume réduit. Cette densité énergétique est utile au quotidien, mais elle implique aussi qu’une cellule endommagée, défectueuse ou portée à une température excessive peut devenir dangereuse.

Dans certaines conditions, la chaleur déclenche une réaction en chaîne à l’intérieur de la cellule. La température et la pression augmentent très vite, jusqu’à l’emballement thermique : la batterie peut alors prendre feu ou exploser. Ces sinistres sont particulièrement difficiles à gérer parce qu’ils évoluent rapidement et dégagent une chaleur intense. Les incendies liés aux batteries lithium-ion peuvent atteindre jusqu’à 1 100 °C en très peu de temps.

Le phénomène ne relève pas seulement d’un risque théorique. En 2023, le département des pompiers de New York a enregistré 268 incendies domestiques causés par des batteries d’e-bikes. Ces événements ont fait 150 blessés et 18 morts. Ces chiffres concernent une ville et une catégorie d’appareils précise, ils ne décrivent donc pas à eux seuls l’ensemble du risque mondial. Ils illustrent néanmoins la gravité des défaillances lorsqu’elles surviennent dans des logements ou des lieux occupés.

Les détecteurs de fumée restent essentiels, mais ils ne sont pas conçus pour identifier le tout premier signe propre à une cellule lithium-ion en surchauffe. À ce stade, le feu peut encore être peu visible. Toute technologie offrant un avertissement supplémentaire doit donc être envisagée comme une couche de protection complémentaire, et non comme un remplacement des systèmes existants.

Le « clic-sifflement » qui signale une pression anormale

L’idée de cette recherche est née de l’observation de vidéos d’explosions de batteries. Wai Cheong Tam y a repéré un son distinct au moment où une soupape de sécurité cédait : un « clic-sifflement ». Cette soupape joue un rôle de protection en cas de montée de pression. Lorsqu’elle se brise, elle révèle que les gaz et la pression à l’intérieur de la batterie ont atteint un niveau critique.

Ce signal ne signifie pas qu’un appareil est simplement en cours de charge ou qu’il produit un bruit de fonctionnement habituel. Il correspond à un événement physique précis, associé à une batterie en situation de défaillance imminente. C’est ce qui en fait un candidat intéressant pour une alerte précoce.

Le défi est toutefois considérable. Dans un logement, un bureau ou un parking, les microphones peuvent capter des dizaines de sons : conversations, portes, ventilation, circulation, appareils électroménagers ou chocs. Un système utile doit pouvoir différencier le bruit caractéristique de la soupape de tous ces sons ambiants, sans déclencher des alertes intempestives à chaque sifflement ordinaire.

Comment l’algorithme apprend à reconnaître une batterie en danger

Pour relever ce défi, l’équipe du NIST a conçu un algorithme d’apprentissage automatique. Comme pour d’autres usages de cette méthode, le principe consiste à fournir au système des exemples audio afin qu’il apprenne à repérer les caractéristiques du signal recherché. Ici, le modèle doit reconnaître la signature du « clic-sifflement » malgré la présence de bruits extérieurs.

Les chercheurs ont travaillé à partir d’enregistrements audio de 38 batteries lors de leur explosion. L’algorithme a aussi été exposé à différents bruits environnants afin d’évaluer sa capacité à ne pas confondre le signal de défaillance avec les sons ordinaires. Selon les résultats rapportés par l’équipe, il a détecté le bruit spécifique d’une batterie surchauffée avec un taux de réussite de 94 %.

Ce pourcentage est prometteur, mais il doit être lu avec précision. Il décrit les performances de l’algorithme dans le cadre des essais réalisés par les chercheurs. Il ne signifie pas qu’un produit prêt à installer dans tous les logements détecterait déjà 94 % de tous les incendies de batteries, quelles que soient la marque, la taille, l’âge de la batterie ou l’acoustique de la pièce.

Deux minutes d’avance : un délai bref, mais précieux

L’observation la plus importante porte sur le temps disponible. Dans les tests du NIST, la soupape de sécurité se brisait environ deux minutes avant la défaillance catastrophique de la batterie. Ce délai paraît très court, mais il peut suffire à faire une différence dans un lieu occupé : déclencher une alarme, prévenir les personnes présentes et leur permettre de quitter la zone.

Cette approche ne prétend pas prévoir toutes les pannes longtemps à l’avance. Elle intervient à un stade déjà critique, lorsque la pression interne a atteint un niveau suffisamment élevé pour produire le signal acoustique. Son intérêt est précisément de combler l’intervalle où un détecteur de fumée traditionnel n’a pas encore nécessairement réagi, mais où la situation peut basculer très vite.

Détecteur de fumée et IA acoustique : deux rôles différents

Un détecteur de fumée est conçu pour repérer les particules émises par un feu. Il sert à avertir face à de nombreux types d’incendies et constitue un équipement de sécurité largement utilisé. L’outil envisagé par le NIST viserait un rôle plus spécialisé : écouter le signe mécanique émis par certaines batteries lithium-ion juste avant leur défaillance.

Les deux approches ne s’opposent donc pas. Un système acoustique pourrait, à terme, compléter les alarmes existantes dans les endroits où des batteries sont régulièrement chargées ou entreposées. Une telle installation devrait néanmoins faire ses preuves dans des environnements très variés, avec des niveaux de bruit et des configurations acoustiques différents.

Quels usages dans les logements, les bureaux et les parkings ?

À terme, les chercheurs envisagent des systèmes de détection installés dans des domiciles, des bureaux ou des parkings électriques. Un microphone associé à un logiciel d’analyse pourrait surveiller une zone dans laquelle des batteries sont chargées, puis déclencher une alerte lorsqu’il reconnaît le signal critique.

L’intérêt potentiel est évident dans les espaces où l’on retrouve plusieurs batteries, notamment celles de vélos électriques. Dans un immeuble, un local de stockage ou un garage, une alerte déclenchée avant l’apparition des flammes pourrait donner aux personnes présentes une occasion d’évacuer et aux secours une information plus rapide sur l’origine possible du danger.

Mais plusieurs étapes séparent encore le résultat de laboratoire d’un équipement courant. Un système destiné au public devrait notamment :

• fonctionner malgré les bruits réels d’un bâtiment occupé ;
• limiter les fausses alertes sans manquer un signal dangereux ;
• être testé sur des batteries de formats et d’états d’usure variés ;
• s’intégrer aux procédures d’alarme et de sécurité incendie existantes.

Au 14 novembre 2024, cette technologie demeure au stade de la recherche et du développement. Des brevets ont été déposés, mais aucun produit de détection acoustique grand public fondé sur cet algorithme n’est présenté comme commercialisé.

Pour les utilisateurs, le bon réflexe reste d’appliquer les consignes du fabricant, d’utiliser un chargeur adapté et de ne pas continuer à employer une batterie endommagée ou anormalement chaude. En cas de fumée, de chaleur inhabituelle ou de début d’incendie, la priorité est de s’éloigner, d’évacuer les personnes présentes et d’alerter les secours.

Ce qu’il faut surveiller avant une utilisation réelle

La recherche du NIST ouvre une voie originale : les batteries pourraient devenir des objets que l’on surveille aussi par le son. Son principal apport est de montrer qu’un événement acoustique associé à une forte pression interne peut être isolé avec un algorithme, alors même que les environnements quotidiens sont bruyants.

La prochaine question sera celle de la robustesse. Les performances devront être vérifiées sur davantage de batteries, dans des logements, bureaux et parkings réels, avec des sons ambiants imprévisibles. Il faudra aussi déterminer la manière la plus utile de transmettre l’alerte : signal local, liaison avec une alarme incendie, notification à un gestionnaire de bâtiment ou combinaison de plusieurs capteurs.

Si ces validations confirment les résultats initiaux, l’IA ne supprimera pas le risque d’emballement thermique. Elle pourrait cependant offrir ce qui manque le plus souvent lors d’un incendie de batterie : quelques minutes, voire quelques secondes, pour réagir avant que la situation ne devienne catastrophique.