La présente étude expose une approche innovante d’élaboration d’un système complet de cartographie et de surveillance des dangers sur le vaste réseau d’autoroutes fédérales brésiliennes, intégrant des techniques de télédétection (RS) et d’intelligence artificielle (IA). La méthode appliquée se compose de quatre phases clés : la création d’un inventaire des dangers, la cartographie des dangers, la prévision de nouveaux événements et le développement d’une application Web de gestion des données. La phase d’inventaire des dangers s’appuie sur des données collectées sur les comptes Twitter officiels des agences qui supervisent le réseau routier du pays. Un algorithme de web scraping a été utilisé pour recueillir un volume colossal de données, qui ont été organisées et catégorisées par traitement automatique du langage naturel (TALN). Les phases suivantes s’attachent aux catastrophes géotechniques et aux inondations, des événements courants au Brésil. L’imagerie satellite haute résolution du radar à synthèse d’ouverture (SAR) Sentinel est exploitée pour la cartographie de l’étendue des inondations et des glissements de terrain. Le modèle de prévision est mis en œuvre par deep learning (DL) à l’aide de l’architecture U-NET.