Google AlphaEarth utilise les données d’observation pour la cartographie mondiale

Lancé le 30 juillet 2025, AlphaEarth Foundations est un modèle de fondation géospatial développé par Google DeepMind. Il fait partie des faits marquants de l’actualité récente de Google AI et a été conçu pour faciliter l’exploitation des données mondiales d’observation de la Terre, en la rendant plus rapide, plus claire et plus fiable.

AlphaEarth Foundations est entraîné sur des milliards de points de données issus d’images satellite, du radar, du LiDAR (détection et télémétrie par ondes lumineuses), de modèles d’élévation et de simulations climatiques. Grâce à cette vaste gamme de données, il produit des représentations annuelles de la planète avec une résolution de 10 mètres.

En termes simples, cela signifie qu’il peut produire des cartes claires et cohérentes de la surface terrestre, même dans les zones difficiles à observer, ce qui facilite la détection et le suivi des changements terrestres, aquatiques et climatiques au fil du temps. Ces instantanés sont désormais disponibles via Google Earth Engine, la plateforme cloud de Google dédiée aux données géospatiales.

Dans cet article, nous allons voir comment AlphaEarth Foundations utilise l’IA dans Google Earth Engine pour soutenir des projets d’observation de la Terre concrets.

AlphaEarth : le nouveau modèle d’IA de Google pour l’observation de la Terre#

AlphaEarth Foundations offre une nouvelle façon de comprendre notre planète grâce à un système continu et dynamique. Au lieu d’examiner chaque image séparément, ce nouveau modèle d’IA construit une représentation unifiée et structurée de la surface terrestre dans l’espace et dans le temps.

Pour créer cette représentation, il s’appuie sur un large éventail de sources, notamment des images satellite, des cartes d’élévation, des modèles climatiques et des rapports sur la biodiversité. Cela lui permet de détecter les changements environnementaux et d’analyser leurs causes.

AlphaEarth peut notamment montrer l’évolution des paysages terrestres au fil des ans. Ces instantanés reposent sur des représentations vectorielles, des résumés compacts de ce que le modèle a appris sur chaque lieu.

Fig. 1. Le modèle d’IA de Google utilise des embeddings numériques pour cartographier la surface terrestre. (Source)

Une collection de ces embeddings est accessible via le jeu de données Satellite Embedding de Google Earth Engine. Ces embeddings sont déjà utilisés dans des domaines comme la lutte contre les feux de forêt, l’urbanisme et la surveillance des terres. Ils aident les chercheurs et les décideurs à transformer les données satellite en informations utiles.

L’IA et le climat : l’importance d’AlphaEarth#

L’un des principaux avantages d’AlphaEarth Foundations est qu’il facilite l’étude des changements à long terme de notre planète. Il fonctionne bien même dans les zones difficiles où les données sont manquantes ou où les nuages bloquent souvent les vues satellite. Par exemple, dans la forêt amazonienne, où la couverture nuageuse pose un problème constant, AlphaEarth peut tout de même repérer les changements terrestres en tirant des enseignements de motifs observés dans le monde entier.

Lors de tests de référence, il a réduit les erreurs de classification de près de 24 % et nécessité 16 fois moins d’espace de stockage par embedding. Il est intéressant de noter que ce nouveau modèle d’IA n’a pas besoin d’être réentraîné pour chaque application.

Il est efficace et adaptable à différentes régions et différents défis. Cela s’explique par le fait qu’AlphaEarth produit des embeddings polyvalents, des résumés compacts et riches en informations de chaque lieu, qui peuvent être utilisés directement pour de nombreux types d’analyse sans reconstruire le modèle entier.

Jusqu’à présent, AlphaEarth a servi à surveiller l’évolution des terres dans plus de 100 pays, notamment dans les forêts tropicales, les régions arctiques et les villes en expansion. Ces informations aident à mieux planifier et à prendre des décisions climatiques plus éclairées.

Fig. 2. Visualisation de tendances mondiales avec le nouveau modèle d’IA de Google. (Source)

Comment AlphaEarth utilise la vision par ordinateur pour l’observation de la Terre#

Les images satellite peuvent fournir des vues détaillées de la surface terrestre, mais il n’est pas toujours simple d’en tirer des informations pertinentes. AlphaEarth Foundations utilise la vision par ordinateur, une branche de l’IA qui permet aux machines d’interpréter des informations visuelles, pour détecter et analyser les motifs présents sur les terres, dans la végétation et sur le terrain.

Voici comment le modèle applique différentes tâches de vision par ordinateur à l’observation de la Terre :

• Classification d’images : AlphaEarth identifie les types de terrain, comme les forêts, les terres cultivées, les zones humides et les zones urbaines, à partir d’images satellite. Ces classifications contribuent au suivi du climat, à la recherche écologique et à la planification de l’utilisation des terres.
• Segmentation : également appelée cartographie thématique, la segmentation attribue à chaque pixel d’une image satellite une catégorie, comme le type de culture ou la couverture végétale. AlphaEarth utilise ses embeddings annuels pour maintenir une grande précision dans différentes régions, ce qui permet une cartographie détaillée de l’utilisation des terres, de leur couverture et de la biodiversité.
• Détection des changements : en comparant les embeddings annuels d’un même lieu, AlphaEarth peut détecter les changements dans l’utilisation et la couverture des terres, comme la déforestation, les conséquences des feux de forêt ou l’expansion urbaine. Il fonctionne aussi bien avec des méthodes supervisées (apprentissage à partir d’exemples annotés) qu’avec des méthodes non supervisées (détection de motifs sans annotations).
• Regroupement non supervisé : sans utiliser de données annotées, AlphaEarth peut regrouper les régions qui présentent des motifs similaires dans les images satellite. Cela permet de détecter des tendances comme les changements de végétation ou les anomalies climatiques dans des zones nouvelles ou peu étudiées. Cette approche est particulièrement utile lorsque les données annotées sont limitées ou absentes.

Fig. 3. Exemple d’utilisation d’AlphaEarth pour comprendre l’environnement terrestre en 2023. (Source)

Applications concrètes du nouveau modèle d’IA de Google#

Maintenant que nous avons vu comment fonctionne AlphaEarth, explorons ses applications concrètes.

L’initiative d’IA de Google Earth pour des villes américaines plus vertes#

Partout aux États-Unis, les villes développent leurs forêts urbaines pour réduire la chaleur, absorber la pollution et améliorer la santé publique. Mais il peut être difficile de déterminer précisément où se trouvent les arbres. Dans les quartiers denses et les rues étroites, la végétation passe souvent inaperçue sur les images satellite ou lors des relevés traditionnels.

Cependant, AlphaEarth utilise des données satellitaires, altimétriques et environnementales pour cartographier la couverture arborée avec précision. Pour tester le modèle, des chercheurs ont utilisé plus de 45 000 observations d’arbres issues d’iNaturalist.

Ils se sont concentrés sur 39 genres d’arbres courants (groupes d’espèces étroitement apparentées) présents dans tous les États américains, y compris l’Alaska et Hawaï. Les données ont été nettoyées et réparties en ensembles d’entraînement et de test, avec 300 échantillons par genre pour l’entraînement et le reste pour les tests.

Le modèle a cartographié avec précision la couverture arborée à partir de données satellite, d’élévation et environnementales, démontrant qu’il peut combler les lacunes laissées par les relevés traditionnels. Ces informations peuvent aider des villes comme Detroit, New York et Phoenix à mieux décider où planter des arbres, rafraîchir les quartiers et soutenir la biodiversité locale.

Cartographie plus intelligente des cultures grâce aux satellites d’observation de la Terre#

L’inventaire des cultures du Canada repose fortement sur des observations à l’échelle des champs, en particulier dans les zones dépourvues de données d’assurance récolte (rapports officiels sur le type, l’emplacement et la superficie des cultures, recueillis dans le cadre de programmes d’assurance agricole). Ces relevés effectués depuis un véhicule en mouvement servent à suivre les principales cultures, comme les céréales, les oléagineux, les fruits et les plantes fourragères.

Cependant, comme certains types de cultures sont enregistrés plus souvent que d’autres, les données peuvent être inégales et difficiles à convertir en cartes fiables à grande échelle. Pour contourner ces difficultés, AlphaEarth peut prendre en charge la classification des cultures à grande échelle comme à un niveau détaillé, à partir de données provenant de satellites d’observation de la Terre.

Il peut regrouper les cultures en grandes catégories, comme les céréales ou les oléagineux. Dans les régions où des données détaillées de relevés sont disponibles, il peut aussi identifier des types précis, comme le blé de printemps, le maïs ou la luzerne. Cette approche à deux niveaux concilie couverture et précision, offrant une vision plus claire des cultures présentes partout au Canada.

Fig. 4. Google AlphaEarth aide à classifier les cultures au Canada. (Source)

Explorer les reliefs du monde grâce à la technologie d’IA de Google Earth#

L’Antarctique est l’un des endroits les plus difficiles à cartographier sur Terre, en raison de ses conditions météorologiques extrêmes, de son enneigement permanent et de la visibilité limitée par satellite. Cela laisse des lacunes dans notre compréhension de ses glaciers, de ses roches affleurantes et de l’évolution du paysage au fil du temps.

En combinant des images satellite avec des données radar et d’élévation, AlphaEarth produit des cartes annuelles cohérentes de l’Antarctique, même dans les zones où la visibilité est limitée. Il peut combler les lacunes et générer des cartes du terrain d’une résolution de 10 mètres, qui aident les chercheurs à suivre plus précisément les glaciers, les textures de surface et les terres enneigées.

Avantages et inconvénients du nouveau modèle d’IA : AlphaEarth#

Voici quelques-uns des principaux avantages qu’AlphaEarth Foundations offre pour les applications d’observation de la Terre et d’urbanisme :

• Polyvalence : AlphaEarth peut être utilisé dans de nombreux domaines, comme l’agriculture, l’urbanisme et la gestion des catastrophes, sans nécessiter de modèles distincts.
• Comble les lacunes des données : AlphaEarth peut produire des synthèses annuelles même lorsque les données satellitaires fournies sont incomplètes, contribuant ainsi à assurer la continuité de l’analyse des séries chronologiques.
• Résultats prêts pour l’IA : il produit des embeddings qui peuvent alimenter directement des outils comme les systèmes de surveillance des cultures, les détecteurs d’inondations ou les classificateurs d’utilisation des terres, faisant gagner du temps aux chercheurs et aux développeurs.

AlphaEarth offre une aide fiable dans différents domaines, mais voici quelques limites à garder à l’esprit :

• Pas en temps réel : les embeddings annuels d’AlphaEarth ne conviennent pas aux applications nécessitant un suivi quotidien ou quasi en temps réel.
• Dépend de la qualité des données d’entrée : même s’il comble les lacunes, le modèle dépend toujours de la qualité et de la disponibilité des données satellite, radar et des autres sources de données d’entrée.
• Interprétabilité limitée : comme pour la plupart des modèles d’apprentissage profond, il peut être difficile d’interpréter précisément comment AlphaEarth aboutit à certains motifs ou prédictions.

Points clés à retenir#

AlphaEarth Foundations aide les chercheurs, les urbanistes et les décideurs à voir la planète autrement. Le nouveau modèle d’IA de Google peut transformer des données satellitaires brutes en informations structurées et fiables, pour prendre de meilleures décisions dans des domaines comme la climatologie, l’agriculture et le développement urbain. En faisant progresser l’observation de la Terre, il facilite la surveillance et la compréhension de l’évolution de notre planète au fil du temps.

Rejoins notre communauté et découvre les innovations en IA sur notre dépôt GitHub. Découvre l’IA dans l’agriculture et la vision par ordinateur dans le secteur de la santé sur nos pages consacrées aux solutions. Consulte nos offres de licence et lance-toi dès aujourd’hui dans l’IA !