Il présente comment l’IA est utilisée pour observer, analyser et anticiper les transformations de notre environnement. L’objectif est de fournir des outils d’aide à la décision pour les politiques publiques en matière d’aménagement du territoire, de gestion des ressources naturelles et de transition écologique. L’IGN nous en donne des exemples par grandes thématiques:
🔹Connaissance et suivi de l’environnement : Comment l’IA aide à comprendre les transformations rapides de notre environnement. Le projet OCS GE (Occupation du sol à grande échelle) qui utilise le deep learning classe automatiquement les zones selon leur couverture. L’IA permet de fusionner des données hétérogènes et de traiter des volumes exceptionnels d’informations pour une connaissance plus fine du territoire.
🔹Gestion des risques : L’IA est utilisée pour modéliser et prévenir les risques liés au changement climatique (inondations, feux de forêts, etc.). Le travail souligne l’importance de croiser des données très hétérogènes et de les rendre facilement accessibles grâce à la « FAIRisation ». L’IA permet d’analyser de vastes corpus de données environnementales pour identifier les causes possibles des crises passées et prédire les futures.
🔹Forêt : L’IA est utilisée pour observer et anticiper l’évolution des forêts face aux défis du changement climatique. Comment l’IA accélère la mise à jour de la cartographie forestière, permet d’identifier les différentes essences d’arbres et contribue à la création d’un jumeau numérique des massifs forestiers.
🔹Agriculture : L’IA est utilisée dans le secteur agricole, particulièrement impacté par les bouleversements environnementaux. Le rôle de l’IGN est important dans la production du Registre parcellaire graphique (RPG®), une base de données géographiques essentielle pour la répartition des aides de la Politique Agricole Commune (PAC). L’IA est utilisée pour cartographier les cultures, suivre l’évolution des paysages et vérifier les déclarations des exploitants. Le Machine Learning permet d’accélérer le processus de photo-interprétation, tout en maintenant la supervision humaine pour garantir la qualité des données. Des projets expérimentaux, comme le système de monitoring des surfaces agricoles en temps réel (3STR), montrent le potentiel de l’IA pour automatiser les déclarations des agriculteurs et développer une agriculture de précision plus respectueuse de l’environnement.
🔹Urbanisme : Le supercalculateur Jean-Zay est utilisé pour suivre l’évolution des zones urbaines et lutter contre l’artificialisation des sols. L’IGN produit une segmentation sémantique du territoire à partir de prises de vues aériennes, en classifiant des milliards de pixels pour alimenter la base de données d’occupation des sols à grande échelle (OCS GE).
🔹Énergie : Le rôle de l’IGN dans la transition énergétique est notamment dans le développement d’un jumeau numérique du territoire. L’IA aide à optimiser l’usage des réseaux énergétiques et à déployer les énergies renouvelables. Le concept de jumeau numérique national est présenté comme un outil d’analyse multithématique pour les politiques publiques.
Ainsi, au travers de ces exemples, on peut comprendre que l’IA, notamment le deep learning, permet de traiter des volumes massifs de données environnementales hétérogènes. Cette technologie est particulièrement pertinente pour suivre des phénomènes complexes comme l’artificialisation des sols ou l’évolution des forêts. La qualité des données sources reste primordiale pour obtenir des résultats fiables.
L’IGN développe une approche collaborative et ouverte pour stimuler l’innovation dans le domaine de la géodonnée. Le développement de jumeaux numériques du territoire ouvre de nouvelles perspectives pour anticiper les impacts environnementaux.
Pour aller plus loin avec l’IGN.
L’IGN publie ce travail depuis 2022, avec des thématiques différentes.
🔹En 2023, il s’agissait de cartographier l’occupation des sols
🔹En 2022, l’IGN proposait de changer d’échelle pour pouvoir agir
Butterflylab 