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. Il figure parmi les faits marquants de l’actualité récente de Google dans le domaine de l’IA et est conçu pour rendre l’utilisation des données mondiales d’observation de la Terre plus rapide, plus claire et plus fiable.

AlphaEarth Foundations est entraîné sur des milliards de points de données provenant d’images satellite, de données radar, de données LiDAR (détection et télémétrie par laser), de modèles d’élévation et de simulations climatiques. Grâce à cette vaste gamme de données d’entrée, il crée chaque année des vues 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 de la Terre, même dans les zones difficiles à observer, ce qui facilite la détection et le suivi au fil du temps des changements concernant les terres, l’eau et le climat. Ces instantanés sont désormais disponibles via Google Earth Engine, la plateforme cloud de Google dédiée aux données géospatiales.

Dans cet article, nous allons examiner 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 de la Terre dans l’espace et dans le temps.

Pour créer cette représentation, il s’appuie sur une vaste gamme 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 environnementaux et à analyser leurs causes.

Plus particulièrement, AlphaEarth peut montrer comment les paysages terrestres évoluent au fil des années. Ces instantanés sont créés à l’aide d’embeddings, c’est-à-dire 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 tels que la lutte contre les incendies de forêt, la planification urbaine et la surveillance des terres. Cela aide 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 masquent souvent les images satellite. Par exemple, dans la forêt amazonienne, où la couverture nuageuse est un problème constant, AlphaEarth peut tout de même détecter les changements au niveau des terres en apprenant à partir de tendances observées dans le monde entier.

Lors de tests de référence, il a réduit les erreurs de mauvaise classification de près de 24 % et a nécessité 16 fois moins d’espace 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 dans différentes régions et face à différents défis. Cela s’explique par le fait qu’AlphaEarth produit des embeddings polyvalents, des résumés compacts et riches en informations de chaque emplacement, qui peuvent être utilisés directement pour de nombreux types d’analyses sans reconstruire l’intégralité du modèle.

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

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 satellite puissent servir à capturer des vues détaillées de la surface de la Terre, transformer ces images en informations pertinentes n’est pas toujours simple. AlphaEarth Foundations utilise la vision par ordinateur, une branche de l’IA qui permet aux machines d’interpréter les informations visuelles, pour détecter et analyser les tendances relatives aux terres, à la végétation et au relief.

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, comme les forêts, les terres cultivées, les zones humides et les zones urbaines, à partir d’images satellite. Ces classifications facilitent la surveillance du climat, la recherche écologique et 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 emplacement, AlphaEarth peut détecter les changements d’utilisation et de couverture des terres, comme la déforestation, les conséquences des incendies de forêt ou l’expansion urbaine. Il fonctionne à la fois avec des méthodes supervisées (apprentissage à partir d’exemples annotés) et des méthodes non supervisées (détection de tendances sans annotations).
• Regroupement non supervisé : sans utiliser de données annotées, AlphaEarth peut regrouper les régions qui présentent des tendances similaires dans les images satellite. Cela aide à détecter des évolutions telles que les changements de végétation ou les anomalies climatiques dans des zones nouvelles ou peu étudiées. Cette capacité est particulièrement utile lorsque les données annotées sont limitées ou manquantes.

Fig. 3. Exemple d’utilisation de l’IA pour comprendre l’environnement terrestre en 2023 grâce à la dernière innovation de Google, AlphaEarth. (Source)

Applications concrètes du nouveau modèle d’IA de Google#

Maintenant que tu comprends mieux le fonctionnement de l’IA appliquée aux nouvelles technologies de Google pour l’observation de la Terre, examinons les applications concrètes d’AlphaEarth Foundations.

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

Partout aux États-Unis, les villes développent leurs forêts urbaines afin de réduire la chaleur, d’absorber la pollution et d’améliorer la santé publique. Mais déterminer précisément où se trouvent les arbres, et où ils sont absents, peut s’avérer difficile. Dans les quartiers densément peuplés et les rues étroites, la végétation passe souvent inaperçue sur les images satellite ou lors des relevés traditionnels.

Cependant, AlphaEarth utilise des données satellite, d’élévation et environnementales pour cartographier la couverture arborée avec un niveau de détail élevé. Pour tester ce nouveau modèle d’IA de Google, des chercheurs ont utilisé plus de 45 000 relevés d’arbres provenant 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 utilisés 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, montrant ainsi 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.

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

L’inventaire des cultures du Canada dépend fortement d’observations réalisées au niveau des parcelles, en particulier dans les zones dépourvues de données d’assurance-récolte (rapports officiels indiquant le type de culture, son emplacement et sa superficie, recueillis pour les programmes d’assurance agricole). Ces relevés effectués depuis un véhicule en mouvement servent souvent 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 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 générale et détaillée, à partir de données issues 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 d’enquête détaillées sont disponibles, il peut également identifier des types précis, comme le blé de printemps, le maïs ou la luzerne. Cette approche à deux niveaux équilibre couverture et précision, offrant une vision plus claire de ce qui pousse à travers le Canada.

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

Explorer les terrains du monde entier grâce à l’IA et à la technologie Google Earth#

L’Antarctique est l’un des endroits les plus difficiles à cartographier sur Terre, en raison de conditions météorologiques extrêmes, d’une couverture neigeuse permanente et d’une visibilité satellite limitée. Cela crée des lacunes dans notre compréhension de ses glaciers, de ses roches émergées et de l’évolution de son 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 compléter les informations manquantes et générer des cartes du relief d’une résolution de 10 mètres, qui aident les chercheurs à suivre plus précisément les glaciers, les textures de surface et les terrains recouverts de neige.

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 de planification urbaine :

• Polyvalence : AlphaEarth peut être utilisé dans de nombreux domaines, comme l’agriculture, la planification urbaine et la réponse aux catastrophes, sans nécessiter de modèles distincts.
• Comble les lacunes des données : ce nouveau modèle d’IA de Google peut créer des résumés annuels même lorsque les données satellite d’entrée sont incomplètes, ce qui contribue à assurer la continuité des analyses de séries temporelles.
• Sorties prêtes pour l’IA : il produit des embeddings qui peuvent être directement intégrés à des outils comme les systèmes de suivi des cultures, les détecteurs d’inondations ou les classificateurs d’utilisation des terres, ce qui fait gagner du temps aux chercheurs et aux développeurs.

Bien qu’AlphaEarth offre un support fiable dans différents domaines, voici quelques limites 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 données d’entrée : même s’il comble certaines lacunes, le modèle dépend toujours de la qualité et de la disponibilité des données satellite, radar et autres sources de données d’entrée.
• Interprétabilité limitée : comme pour la plupart des modèles d’apprentissage profond, il peut être difficile de comprendre précisément comment AlphaEarth aboutit à certaines tendances ou prédictions.

Points clés à retenir#

AlphaEarth Foundation aide les chercheurs, les urbanistes et les décideurs publics à voir la planète sous un jour nouveau. Le nouveau modèle d’IA de Google peut transformer des données satellite brutes en informations structurées et fiables, qui favorisent 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 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 le domaine de la santé sur nos pages dédiées aux solutions. Consulte nos offres de licences et commence dès aujourd’hui avec l’IA !