L'intelligence artificielle transforme progressivement la compréhension que nous avons la planète. Après le succès des grands modèles de langage (LLM), une nouvelle génération de modèles géospatiaux fondamentaux émerge, qui apprennent non pas des corpus habituels de données des modèles d'IA traditionnels et généralistes (GPT, Mistral, Llama, Gemini,...) mais directement à partir de cartes, d'images satellites, d'informations démographiques et d'autres données géographiques.
Contrairement aux modèles d'IA traditionnels, entraînés pour une tâche unique, les modèles géospatiaux de base apprennent des représentations riches et réutilisables de l'information géographique. Une fois entraînés, ils peuvent être adaptés à de nombreux flux de travail SIG – de la recherche de similarités et la modélisation prédictive à l'extraction de caractéristiques via une interaction en langage naturel avec les images, tout cela avec beaucoup moins de données et d'efforts d'entraînement.
A l'occasion de la conférence des utilisateurs d'Esri cette année, Esri annonce qu'ArcGIS va inclure une nouvelle génération de modèles de fondations géospatiaux qui mettent ces fonctionnalités à la disposition des professionnels SIG via des flux de travail ArcGIS qui leur sont familiers.
Au cœur de nombreux modèles se trouvent des représentations vectorielles (Embedings), des représentations numériques compactes qui capturent les caractéristiques essentielles d'une image, d'un lieu ou d'une autre entité géographique. Des lieux similaires produisent des représentations vectorielles statistiquement similaires, permettant des flux de travail tels que la recherche par similarité, le regroupement, la prédiction et l'extraction de données. Dans ArcGIS, ces représentations vectorielles deviennent des données SIG de premier ordre, pouvant être stockées, analysées et combinées avec des informations spatiales classiques.
Les modèles géospatiaux fondamentaux nécessitent bien plus que des avancées en IA. Ils requièrent une compréhension approfondie des données géographiques et des processus d'analyse. En combinant des décennies d'expertise géospatiale, des jeux de données Esri de référence et la flexibilité de déploiement d'ArcGIS, Esri contribue à façonner la prochaine génération d'IA pour l'intelligence géospatiale et l'observation de la Terre.
Les nouvelles fonctionnalités d'ArcGIS couvrent trois domaines complémentaires : les modèles d'encodage de localisation, les modèles de langage de vision géospatiale et les modèles de base de télédétection.
Modèles d'encodeurs de localisation
Les modèles d'encodage de localisation apprennent à représenter les lieux plutôt que des images ou des caractéristiques individuelles. Au lieu de traiter un lieu comme une simple paire de coordonnées, ils apprennent à saisir les caractéristiques géographiques, environnementales et socio-économiques qui définissent chaque lieu.
Les représentations vectorielles produites par ces modèles fournissent une représentation numérique compacte de l'emplacement qui peut être utilisée dans de nombreux flux de travail SIG, notamment la recherche de similarités, le regroupement, la modélisation prédictive, l'interpolation et la sélection de sites.
Esri a développé deux modèles d'encodeurs de localisation complémentaires.
Encodeur de localisation global
Le modèle Global Location Encoder (Sentinel-2) apprend à partir d'images Sentinel-2 disponibles dans le monde entier pour produire des représentations qui capturent les caractéristiques des lieux du monde entier.
En apprenant directement à partir d'images satellites, le modèle capture des schémas décrivant à la fois l'environnement naturel et bâti sans nécessiter de variables conçues manuellement.
Les représentations vectorielles qui en résultent peuvent prendre en charge divers flux de travail en aval, tels que la recherche de similarités, la récupération de localisation, le regroupement, la modélisation prédictive et la détection de changements, soit directement, soit en combinaison avec les propres données géospatiales des utilisateurs.
L' encodeur de localisation global (Sentinel-2) est disponible via ArcGIS Living Atlas en tant que package d'apprentissage profond (DLPK), permettant aux utilisateurs de générer des représentations vectorielles pour des emplacements pratiquement partout sur Terre.
Modèle de fondation géodémographique
Alors que l'encodeur de localisation globale apprend à partir d'images satellites, le modèle de fondation géodémographique d'Esri apprend à partir d'informations géodémographiques riches.
Le modèle (pour l'instant destiné au terriotire américain) a été entraîné à l'aide de milliers de variables démographiques, socio-économiques, de logement et environnementales faisant autorité, notamment des données provenant du recensement américain, de l'American Community Survey, d'ensembles de données sur le logement et de sources environnementales.
Au lieu de travailler directement avec des milliers de variables d'entrée, les utilisateurs obtiennent des représentations compactes qui préservent les relations géographiques sous-jacentes tout en simplifiant l'analyse ultérieure.
Ces représentations géodémographiques peuvent être appliquées à un large éventail de flux de travail géospatiaux, allant de la recherche et du regroupement par similarité à l'analyse de marché, la sélection de sites, l'interpolation spatiale et la modélisation prédictive, où le contexte démographique, socio-économique ou environnemental joue un rôle important.
Des évaluations réalisées sur de nombreuses tâches prédictives ont montré que ces représentations améliorent systématiquement les performances prédictives lorsque le contexte démographique est un facteur important, en particulier lorsqu'elles sont combinées à des variables explicatives traditionnelles.
Les représentations géodémographiques des États-Unis, produites par ce modèle, sont publiées en tant que couche d'entités beta via ArcGIS Living Atlas. D'autres zones géographiques seront probablement couvertes dans le futur et Esri France étudie actuellement l'opportunité d'un tel modèle sur la France.
Modèle de langage de vision géospatiale (GeoVLM)
Esri a également développé GeoVLM, un modèle de langage de vision géospatiale qui apporte la puissance de l'IA multimodale à l'observation de la Terre.
GeoVLM met la puissance de l'IA multimodale au service de l'observation de la Terre en associant l'imagerie satellitaire au langage naturel. Au lieu de créer des modèles distincts pour chaque tâche de télédétection, les utilisateurs peuvent interagir avec les images grâce à des invites vocales.
GeoVLM peut prendre en charge un large éventail de tâches de télédétection grâce à des invites en langage naturel, notamment la détection d'objets, la classification et la segmentation de pixels, la légende d'images, le comptage d'objets, la réponse à des questions visuelles et la classification d'images ou de régions.
Le modèle a été entraîné sur des millions de paires image-texte couvrant de multiples régions géographiques, à partir de jeux de données Esri et de jeux de données ouverts. Conçu spécifiquement pour l'observation de la Terre, il interprète les images de télédétection et non les photographies courantes.
Le modèle Geospatial Vision Language Model sera bientôt disponible en version beta privée via le programme Early Adopter d'Esri. Vous pouvez
vous inscrire ici pour demander l'accès au modèle. Il sera également publié sur ArcGIS Living Atlas sous forme de Deep Learning Packages (DLPK), permettant aux organisations d'intégrer l'IA multimodale à leurs flux de travail ArcGIS tout en conservant leurs images et leurs données au sein de leur propre infrastructure.
Modèles de fondation de télédétection
Les modèles de base de télédétection représentent une autre avancée majeure dans le domaine de l'IA géospatiale.
Contrairement aux modèles de vision par ordinateur classiques pré-entraînés sur des photographies courantes, ces modèles sont entraînés directement sur des images satellitaires et aériennes issues de capteurs tels que Sentinel, Landsat et NAIP. De ce fait, ils constituent des points de départ plus robustes pour de nombreuses tâches d'observation de la Terre, nécessitant souvent moins de données d'entraînement étiquetées tout en offrant une précision accrue.
Parallèlement au développement de ses propres modèles de télédétection de nouvelle génération, Esri a intégré ArcGIS à plusieurs modèles open source de télédétection de pointe. Les utilisateurs peuvent exploiter ces modèles pour générer des représentations vectorielles d'images et, le cas échéant, les affiner pour des tâches d'apprentissage profond géospatial en aval, grâce à ArcGIS Pro et à l'API arcgis.learn.
Les modèles actuellement pris en charge sont les suivants :
- TerraMind
- Prithvi EO 2.0
- Argile
- DOFA
- DINO
Ces intégrations permettent aux utilisateurs d'ArcGIS de tirer facilement parti des dernières avancées en matière d'IA d'observation de la Terre sans quitter leurs flux de travail SIG habituels.
Perspectives pour le futur
Les modèles de fondation représentent un changement majeur dans le domaine de l'IA géospatiale. Plutôt que de développer des modèles distincts et spécialisés pour chaque application, les géomaticiens peuvent partir de modèles qui intègrent déjà les informations géographiques et les adapter à une grande variété de flux de travail SIG.
Avec l'introduction de l'encodeur de localisation globale, du modèle de fondation géodémographique, de GeoVLM et la prise en charge des principaux modèles de base de télédétection, ArcGIS offre une plateforme complète pour l'application des dernières avancées en intelligence artificielle géospatiale. Qu'il s'agisse de comprendre les caractéristiques des lieux, d'analyser des images ou de construire des modèles prédictifs, ces nouvelles fonctionnalités rendent les modèles de base plus accessibles à l'ensemble de la communauté SIG.
🎧 Cet article a été écrit en écoutant ce titre
