Google et son laboratoire DeepMind viennent de présenter AlphaEarth Foundations, un modèle d'IA qui est assimilé à un « satellite virtuel ». Il permet de compiler des milliards d'images et de données (satellite, radar, laser) pour générer des cartes ultra-détaillées de la Terre, passées et présentes.
Cet outil a le potentiel de transformer la surveillance de la déforestation, l'étude des impacts du changement climatique ou la gestion des ressources en eau.
Une technologie de cartographie surpuissante
Le fonctionnement d'AlphaEarth Foundations repose sur sa capacité à traiter un volume colossal d'informations hétérogènes. L'IA analyse la planète en carrés de 10 x 10 mètres et convertit toutes ces données en représentations numériques unifiées.
Ces résumés de données nécessitent 16 fois moins d'espace de stockage que des systèmes d'IA concurrents, réduisant les coûts et la consommation d'énergie.
Les premiers tests montrent une précision supérieure, avec un taux d'erreur moyen inférieur de 24 % par rapport aux autres modèles. L'équipe AlphaEarth Foundations de Google DeepMind souligne que cela permet de fournir « une image plus complète, cohérente et très détaillée de l'évolution de notre planète ».
Des applications concrètes déjà saluées
Sur le terrain, l'outil fait déjà parler de lui. Il est accessible via la plateforme Google Earth Engine et testé par des dizaines d'organisations.
Nicholas Murray, scientifique pour l'initiative Global Ecosystems Atlas, espère que le modèle rendra son travail plus efficace, son équipe passant parfois « des dizaines, voire des centaines de jours » à traiter des données.
Pour Tasso Azevedo, fondateur de MapBiomas au Brésil, la technologie peut transformer son travail en produisant des cartes « plus précises, plus exactes et plus rapides ». Des applications permettent de mieux cibler les zones de conservation ou de suivre l'évolution de l'écosystème amazonien.
Un accueil entre éloges et appels à la prudence
Malgré l'enthousiasme, certaines voix appellent à la modération. Solomon Hsiang, de l'université de Stanford, salue une réalisation d'une « échelle sans précédent », mais demande plus de transparence.
Il incite Google à publier les données brutes de ses tests pour que d'autres chercheurs puissent évaluer pleinement les performances du modèle et s'appuyer sur ce qui a été accompli.
