L'étude compare trois approches sur le département des Alpes-Maritimes : l'indice DFE basé sur l'expertise, des modèles prédictifs GRU (réseaux de neurones récurrents), et FARS, un système hybride mêlant IA prédictive et raisonnement LLM. Le framework monotone mesure directement si le signal opérationnel reste cohérent dans la réalité du terrain.
Ce changement de perspective intéresse les collectivités et services d'urgence qui déploient déjà ces systèmes : une excellente F1-score peut masquer une incohérence opérationnelle dangereuse (sous-estimer le risque à certains seuils, sur-allouer des ressources ailleurs). Les LLM entrent ici comme couche de raisonnement pour interpréter les prédictions brutes.
Le travail expose un fossé courant en IA opérationnelle : l'écart entre "bon sur les métriques" et "utile en production". Utile pour les équipes qui gèrent l'alerte incendie et les data scientists travaillant sur des systèmes critiques.
