Yolo Vision Shenzhen
Shenzhen
Rejoindre maintenant

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

Abirami Vina

5 min de lecture

11 août 2025

Google AlphaEarth crée des cartes mondiales à partir de diverses données d'observation, afin de track changements environnementaux, d'améliorer la réponse aux catastrophes et de faciliter la prise de décision.

Lancé 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 Google AI, et il est conçu pour rendre le travail avec les données mondiales d'observation de la Terre plus rapide, plus clair et plus fiable.

La fondation AlphaEarth est entraînée sur des milliards de points de données provenant d'imagerie satellite, de radar, de LiDAR (Light Detection and Ranging), de modèles d'élévation et de simulations climatiques. En utilisant ce large éventail de données, elle crée des vues annuelles de la planète avec une résolution de 10 mètres. 

En clair, cela signifie qu'il peut produire des cartes claires et cohérentes de la surface de la Terre, même dans les zones difficiles à observer, de sorte que les changements dans les terres, l'eau et le climat sont plus faciles à repérer et à track au fil du temps. Ces instantanés sont désormais disponibles sur Google Earth Engine, la plateforme en nuage de Googlepour les données géospatiales.

Dans cet article, nous allons voir comment AlphaEarth Foundations utilise l'IA pour Google Earth Engine afin de soutenir des projets d'observation de la Terre dans le monde réel. 

AlphaEarth : Le nouveau modèle d'IA de Googlepour l'observation de la Terre

La fondation AlphaEarth 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 de la Terre dans l'espace et dans le temps.

Pour créer cette vue, 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 l'aide à détecter les changements dans l'environnement et à analyser les raisons qui les sous-tendent.

En particulier, AlphaEarth peut montrer comment les paysages de la Terre 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 lieu. 

Fig. 1. Le modèle d'IA de Googleutilise des enchâssements numériques pour cartographier la surface de la Terre.(Source)

Une collection de ces images intégrées est disponible via le jeu de données Satellite Embedding de Google Earth Engine. Ils sont déjà utilisés dans des domaines tels que la lutte contre les incendies de forêt, la planification urbaine et la surveillance des terres. Ils aident les chercheurs et les décideurs à transformer les données satellitaires 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 des 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 du monde entier.

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

Elle est efficace et adaptable à différentes régions et défis. En effet, AlphaEarth produit des embeddings à usage général, des résumés compacts et riches en informations de chaque lieu, qui peuvent être utilisés directement pour de nombreux types d'analyse sans reconstruire l'ensemble du modèle.

Jusqu'à présent, le nouveau modèle d'intelligence artificielle de Google Earth a été utilisé pour surveiller les changements fonciers dans plus de 100 pays, notamment dans les forêts tropicales, les régions arctiques et les villes en expansion. Ces informations sont utilisées pour favoriser une planification plus intelligente et des décisions plus éclairées en matière de climat.

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

Comment 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, il n'est pas toujours facile de transformer ces images en informations significatives. AlphaEarth Foundations utilise la vision artificielle, une branche de l'intelligence artificielle qui permet aux machines d'interpréter des informations visuelles, pour detect et analyser des schémas sur la terre, 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 terrains tels que les forêts, les terres cultivées, les zones humides et les zones urbaines à partir d'imagerie satellite. Ces classifications soutiennent la surveillance du climat, 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 haute précision dans toutes les régions, permettant une cartographie fine de l'utilisation des terres, de la couverture terrestre et de la biodiversité.
  • Détection des changements : En comparant les intégrations annuelles pour un même lieu, AlphaEarth peut detect changements dans l'utilisation et l'occupation des sols, tels que la déforestation, l'impact des incendies de forêt ou la croissance urbaine. Il fonctionne à la fois avec des méthodes supervisées (apprentissage à partir d'exemples étiquetés) et non supervisées (recherche de modèles sans étiquettes).
  • Regroupement non supervisé : Sans utiliser de données étiquetées, AlphaEarth peut regrouper des régions qui présentent des schémas similaires sur les images satellite. Cela permet de detect tendances telles que des changements de végétation ou des anomalies climatiques dans des zones nouvelles ou peu étudiées. Cette méthode est particulièrement utile lorsque les données étiquetées sont limitées ou manquantes.
Fig. 3. Utilisation de l'IA pour la dernière innovation de Google, AlphaEarth, afin de comprendre l'environnement de la Terre en 2023.(Source)

Applications concrètes du nouveau modèle d'IA de Google

Après avoir mieux compris le fonctionnement de l'IA pour les nouvelles technologies d'observation de la Terre de Google, explorons les applications réelles d'AlphaEarth Foundations.

L'initiative de Google Earth en matière d'IA pour des villes américaines plus vertes

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

En revanche, AlphaEarth utilise des données satellitaires, altimétriques et environnementales pour cartographier le couvert végétal avec une grande précision. Pour tester ce nouveau modèle d'IA de Google , les chercheurs ont utilisé plus de 45 000 enregistrements d'arbres provenant d'iNaturalist. 

Ils se sont concentrés sur 39 genres d'arbres communs (groupes d'espèces étroitement apparentées) présents 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 les tests. 

Le modèle a cartographié avec précision la couverture arborée à partir de données satellitaires, d'altitude 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 quant à l'endroit où planter des arbres, rafraîchir les quartiers et soutenir la biodiversité locale.

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

L'inventaire des cultures au Canada dépend fortement des observations sur le terrain, en particulier dans les régions où il n'existe pas de registres d'assurance-récolte (rapports officiels sur le type de culture, l'emplacement et la superficie collectés pour les programmes d'assurance agricole). Ces enquêtes sur le pare-brise, souvent effectuées à partir de véhicules en mouvement, sont utilisées pour track 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 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 avec les détails, offrant une image plus claire de ce qui pousse à travers le Canada.

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

Explorer les terrains du monde entier grâce à 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 chaque année des cartes cohérentes de l'Antarctique, même dans les zones où la visibilité est limitée. Il peut compléter les détails manquants et générer des cartes de terrain d'une résolution de 10 mètres qui aident les chercheurs à track glaciers, les textures de surface et les terres enneigées avec plus de précision. 

Avantages et inconvénients du nouveau modèle d'IA : AlphaEarth

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

  • Polyvalence : AlphaEarth peut être utilisé dans de nombreux domaines tels que l'agriculture, la planification urbaine et la réponse aux catastrophes sans avoir besoin de modèles séparés.
  • Combler les lacunes dans les données : Ce nouveau modèle d'IA Google peut créer des résumés annuels même lorsque les données satellitaires sont incomplètes, ce qui permet de maintenir la continuité dans l'analyse des séries chronologiques.
  • Sorties prêtes pour l'IA : Il produit des embeddings qui peuvent alimenter directement des outils tels que les moniteurs de cultures, les détecteurs d'inondations ou les classificateurs d'utilisation des terres, ce qui permet aux chercheurs et aux développeurs de gagner du temps.

Bien qu'AlphaEarth offre une assistance fiable dans divers domaines, voici quelques limitations à garder à l'esprit :

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

Principaux points à retenir

La fondation AlphaEarth aide les chercheurs, les planificateurs et les décideurs à voir la planète sous un angle nouveau. Le nouveau modèle d'IA de Googlepeut transformer des données satellitaires brutes en informations structurées et fiables qui permettent de prendre de meilleures décisions dans des domaines tels que la science du climat, l'agriculture et le développement urbain. En faisant progresser l'observation de la Terre, il est plus facile de surveiller et de comprendre les changements de notre planète au fil du temps.

Rejoignez notre communauté et explorez les innovations en IA sur notre dépôt GitHub. Découvrez l'IA dans l'agriculture et la vision par ordinateur dans le secteur de la santé grâce à nos pages de solutions. Consultez nos plans de licence et lancez-vous dans l'IA dès aujourd'hui !

Construisons ensemble l'avenir
de l'IA !

Commencez votre parcours avec l'avenir de l'apprentissage automatique

Démarrer gratuitement