Google AlphaEarth utilise des données d'observation pour la cartographie mondiale

Présenté le 30 juillet 2025, AlphaEarth Foundations est un modèle de fondation géospatiale développé par Google DeepMind. C'est l'un des points forts de l'actualité récente de l'IA chez Google, conçu pour rendre le travail avec les données d'observation de la Terre plus rapide, plus clair et plus fiable.

AlphaEarth Foundations est entraîné sur des milliards de points de données provenant de l'imagerie satellite, du radar, du LiDAR (Light Detection and Ranging), de modèles d'élévation et de simulations climatiques. En utilisant ce large éventail d'entrées, il crée des vues 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, afin que les changements touchant les terres, l'eau et le climat soient plus faciles à repérer et à suivre dans le temps. Ces instantanés sont désormais disponibles via Google Earth Engine, la plateforme cloud de Google pour les données géospatiales.

Dans cet article, nous verrons comment AlphaEarth Foundations utilise l'IA pour Google Earth Engine afin de soutenir des projets réels d'observation de la Terre.

Link to this sectionAlphaEarth : 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 de visualiser chaque image séparément, le nouveau modèle d'IA construit une image unifiée et structurée de la surface terrestre à travers l'espace et le temps.

Pour créer cette vue, il s'appuie sur une large gamme de sources, notamment des images satellites, des cartes d'élévation, des modèles climatiques et des rapports sur la biodiversité. Cela l'aide à détecter les changements dans l'environnement et à en analyser les causes.

En particulier, AlphaEarth peut montrer comment les paysages terrestres évoluent au fil des ans. Ces instantanés sont construits à l'aide d'embeddings, qui sont des résumés compacts de ce que le modèle a appris sur chaque emplacement.

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

Une collection de ces embeddings est disponible via le jeu de données Satellite Embedding de Google Earth Engine. Ils sont déjà utilisés dans des domaines comme la lutte contre les incendies de forêt, l'urbanisme et la surveillance des terres. Cela aide les chercheurs et les décideurs à transformer les données satellites en informations utiles.

Link to this sectionL'IA et le climat : l'importance d'AlphaEarth#

Un avantage clé d'AlphaEarth Foundations est qu'il facilite l'étude des changements à long terme sur notre planète. Il fonctionne bien même dans les zones délicates où les données sont manquantes ou lorsque les nuages bloquent souvent les vues satellites. Par exemple, dans la forêt amazonienne, où la couverture nuageuse est un problème constant, AlphaEarth peut toujours repérer les changements de terrain en apprenant des modèles observés dans le monde entier.

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

Il est efficace et adaptable à différentes régions et défis. C'est parce qu'AlphaEarth produit des embeddings à usage général, des résumés compacts et riches en informations de chaque emplacement, qui peuvent être utilisés directement pour de nombreux types d'analyses sans avoir à reconstruire tout le modèle.

Jusqu'à présent, le nouveau modèle d'IA pour Google Earth a été utilisé pour surveiller les changements terrestres dans plus de 100 pays, notamment dans les forêts tropicales, les régions arctiques et les villes en expansion. Ces informations sont utilisées pour soutenir une planification plus intelligente et des décisions climatiques mieux éclairées.

Fig 2. Visualisation des modèles mondiaux avec le nouveau modèle d'IA de Google. (Source)

Link to this sectionComment AlphaEarth utilise la vision par ordinateur pour l'observation de la Terre#

Bien que les images satellites puissent être utilisées pour capturer des vues détaillées de la surface de la Terre, transformer ces images en informations significatives n'est pas toujours simple. 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 des modèles à travers les terres, la végétation et 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 terres tels que les forêts, les terres cultivées, les zones humides et les zones urbaines à partir de l'imagerie satellite. Ces classifications soutiennent la surveillance climatique, la recherche écologique et la planification de l'utilisation des terres.
• Segmentation : Également appelée cartographie thématique, la segmentation étiquette chaque pixel d'une image satellite avec une catégorie telle que le type de culture ou la couverture végétale. AlphaEarth utilise ses embeddings annuels pour maintenir une grande précision entre les régions, permettant une cartographie fine de l'utilisation des terres, de la couverture terrestre et de la biodiversité.
• Détection de changement : En comparant les embeddings annuels pour le même emplacement, AlphaEarth peut détecter les changements dans l'utilisation et la couverture des terres, tels que la déforestation, les impacts des incendies de forêt ou la croissance urbaine. Il fonctionne avec des méthodes supervisées (apprentissage à partir d'exemples étiquetés) et non supervisées (découverte de modèles sans étiquettes).
• Clustering non supervisé : Sans utiliser de données étiquetées, AlphaEarth peut regrouper des régions qui présentent des modèles similaires dans les images satellites. Cela aide à détecter des tendances comme les déplacements de végétation ou les anomalies climatiques dans des zones nouvelles ou sous-étudiées. C'est particulièrement efficace lorsque les données étiquetées sont limitées ou manquantes.

Fig 3. Un aperçu de l'utilisation de l'IA pour la dernière innovation de Google, AlphaEarth, afin de comprendre l'environnement terrestre en 2023. (Source)

Link to this sectionApplications réelles du nouveau modèle d'IA de Google#

Avec une meilleure compréhension du fonctionnement de l'IA pour les nouvelles technologies d'observation de la Terre de Google, explorons les applications réelles d'AlphaEarth Foundations.

Link to this sectionL'initiative d'IA de Google Earth pour des villes américaines plus vertes#

À travers les États-Unis, les villes développent des forêts urbaines pour réduire la chaleur, absorber la pollution et améliorer la santé publique. Mais localiser exactement où se trouvent les arbres, et où ils ne sont pas, peut être difficile. Dans les quartiers denses et les rues étroites, la verdure passe souvent inaperçue sur les images satellites ou dans les enquêtes traditionnelles.

Cependant, AlphaEarth utilise des données satellites, d'élévation et environnementales pour cartographier la couverture arborée avec précision. Pour tester ce nouveau modèle d'IA de Google, des chercheurs ont utilisé plus de 45 000 enregistrements d'arbres provenant d'iNaturalist.

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

Le modèle a cartographié avec précision la couverture arborée à partir de données satellites, d'élévation et environnementales, montrant qu'il peut combler les lacunes laissées par les enquêtes traditionnelles. Ces informations peuvent aider des villes comme Détroit, New York et Phoenix à prendre de meilleures décisions sur l'endroit où planter des arbres, rafraîchir les quartiers et soutenir la biodiversité locale.

Link to this sectionCartographie des cultures plus intelligente grâce aux satellites d'observation de la Terre#

L'inventaire des cultures du Canada dépend fortement des observations sur le terrain, en particulier dans les zones sans dossiers d'assurance récolte (rapports officiels sur le type de culture, l'emplacement et la superficie collectés pour les programmes d'assurance agricole). Ces enquêtes visuelles, souvent effectuées depuis des véhicules en mouvement, sont utilisées pour suivre les principales cultures telles que les céréales, les oléagineux, les fruits et les fourrages.

Mais comme certains types de cultures sont enregistrés plus fréquemment que d'autres, les données peuvent être inégales et difficiles à convertir en cartes fiables à grande échelle. Pour contourner ces problèmes, AlphaEarth peut prendre en charge la classification des cultures à la fois de haut niveau et fine, basée sur les données des 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 d'enquête détaillées sont disponibles, il peut également identifier des types spécifiques tels que le blé de printemps, le maïs ou la luzerne. Cette approche à deux niveaux équilibre la couverture et le détail, offrant une image plus claire de ce qui pousse à travers le Canada.

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

Link to this sectionExplorer les terrains mondiaux avec l'IA pour la technologie Google Earth#

L'Antarctique est l'un des endroits les plus difficiles à cartographier sur Terre, avec des conditions météorologiques extrêmes, une couverture neigeuse constante et une visibilité satellite limitée. Cela laisse des lacunes dans notre compréhension de ses glaciers, de la roche exposée et de la façon dont le paysage évolue au fil du temps.

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

Link to this sectionAvantages et inconvénients du nouveau modèle d'IA : AlphaEarth#

Voici quelques-uns des principaux avantages que le nouveau modèle d'IA, AlphaEarth Foundations, offre pour les applications d'observation de la Terre et d'urbanisme :

• Polyvalence : AlphaEarth peut être utilisé dans de multiples domaines comme l'agriculture, l'urbanisme et la gestion des catastrophes sans avoir besoin de modèles distincts.
• Comble les lacunes en matière de données : Ce nouveau modèle d'IA de Google peut créer des résumés annuels même lorsque l'entrée satellite est incomplète, aidant à maintenir la continuité dans l'analyse des séries temporelles.
• Sorties prêtes pour l'IA : Il produit des embeddings qui peuvent alimenter directement des outils comme les moniteurs de cultures, les détecteurs d'inondations ou les classificateurs d'utilisation des terres, faisant gagner du temps aux chercheurs et aux développeurs.

Bien qu'AlphaEarth offre un soutien fiable dans divers domaines, voici quelques limites à garder à l'esprit :

• Pas en temps réel : Les embeddings annuels d'AlphaEarth ne sont pas adaptés aux applications nécessitant une surveillance quotidienne ou quasi en temps réel.
• Dépend de la qualité des données d'entrée : Bien qu'il comble les lacunes, le modèle repose toujours sur la qualité et la disponibilité des données satellites, radar et d'autres sources.
• Interprétabilité limitée : Comme pour la plupart des modèles de deep learning, il peut être difficile d'interpréter exactement comment AlphaEarth parvient à certains modèles ou prédictions.

Link to this sectionPoints clés#

AlphaEarth Foundation aide les chercheurs, les planificateurs et les décideurs politiques à voir la planète sous de nouveaux angles. Le nouveau modèle d'IA de Google peut transformer des entrées satellites brutes en informations structurées et fiables qui soutiennent de meilleures décisions dans des domaines comme la science du climat, l'agriculture et le développement urbain. En faisant progresser l'observation de la Terre, il facilite le suivi et la compréhension des changements de notre planète au fil du temps.

Rejoins notre communauté et explore les innovations en IA sur notre dépôt GitHub. Découvre l' IA dans l'agriculture et la vision par ordinateur dans la santé via nos pages de solutions. Consulte nos plans de licence et lance-toi dans l'IA dès aujourd'hui !