Intelligence artificielle et SIG : trois usages, trois niveaux de maturité

« L'intelligence artificielle arrive dans le SIG » ne veut rien dire. Trois usages radicalement différents se cachent derrière la formule : un réseau de neurones qui segmente une orthophoto, un assistant qui traduit votre question métier en requête PostGIS, un agent qui enchaîne seul dix étapes de traitement.

Ils n'ont ni les mêmes prérequis, ni les mêmes coûts, ni la même maturité — et celle-ci ne se lit pas au dynamisme apparent d'un écosystème. Voici la grille pour situer chaque usage sur votre chaîne de traitement, et la liste de ce qui ne demande aucune IA.

Trois usages d'IA, et pourquoi le géospatial les accueille mal

Le vocabulaire courant mélange trois choses qui ne répondent pas à la même question. Avant de parler de cartes, il faut les séparer.

L'IA prédictive : classer, détecter, mesurer

Le modèle apprend, à partir d'exemples annotés, à produire une étiquette, une boîte englobante, un masque ou une valeur numérique. Vous lui montrez mille bâtiments, il apprend à reconnaître le mille et unième.

Techniquement, c'est du deep learning — des réseaux de neurones profonds, presque toujours des réseaux convolutifs pour l'imagerie. En pratique, la stack est stabilisée depuis des années : PyTorch comme socle de calcul, TorchGeo pour les spécificités géospatiales, Rasterio et GeoPandas pour lire et écrire les données. Les architectures ont des noms qui reviennent partout — U-Net pour la segmentation, ResNet comme encodeur, Mask R-CNN pour les instances.

C'est la famille la plus ancienne et la mieux outillée en géospatial, parce qu'elle descend directement de la vision par ordinateur. Ses prérequis sont clairs et coûteux : des données annotées, de la puissance de calcul, du temps.

L'IA générative : produire ce qui n'existait pas

Le modèle ne classe plus, il fabrique. Un masque de segmentation à partir d'une invite textuelle — c'est-à-dire qu'on nomme en français ce que l'on cherche, et le modèle délimite les objets correspondants sur l'image, sans qu'on lui en ait jamais montré d'exemple. Ou bien une réponse en langage naturel, une requête SQL, une image en plus haute résolution.

C'est aussi du deep learning, mais d'une autre génération : des transformeurs entraînés sur des volumes considérables, qu'on appelle modèles de fondation — foundation models dans la littérature. Quand ils traitent du texte, on parle de LLM, pour large language model ; quand ils croisent image et texte, de VLM, pour vision-language model. Ces sigles anglais sont devenus la norme, y compris en français, et vous les croiserez partout.

En géospatial, les noms à connaître sont SAM pour la segmentation par invite — l'invite se dit prompt — les VLM pour interroger une image en langage naturel, et les embeddings satellitaires, ces vecteurs numériques que produisent Clay, TESSERA ou AlphaEarth.

Sa rupture tient en une phrase : elle ne demande souvent aucune annotation. Et cette rupture est économique avant d'être technique, parce que l'annotation est le seul poste d'un projet d'IA qu'on ne peut pas résoudre en achetant de la machine — délimiter des milliers d'objets à la main mobilise du temps d'expert, jour après jour. Supprimer cette étape ne fait pas gagner quelques pourcents sur un budget : elle rend faisables des projets qui ne l'étaient pas.

C'est ce qui a fait basculer le domaine depuis 2023.

L'IA agentique : décider et enchaîner

Le système ne se contente plus de produire un résultat. Il choisit ses outils, les exécute, lit ce qui revient, corrige et recommence jusqu'à atteindre son objectif.

La définition d'ingénierie la plus utile est celle d'Anthropic, parce qu'elle est binaire et vérifiable : un workflow orchestre des modèles et des outils selon des chemins de code écrits à l'avance ; un agent dirige lui-même son processus. Autrement dit — avec un workflow, c'est vous qui possédez la tuyauterie ; avec un agent, c'est le modèle.

D'où vient la GeoAI, et pourquoi elle est en avance sur le raster

Cette histoire explique tout le reste. Qiusheng Wu, professeur à l'Université du Tennessee et mainteneur des principales bibliothèques géospatiales Python, retrace la trajectoire du domaine en quatre bascules : l'apprentissage automatique classique à variables construites à la main — forêts aléatoires, machines à vecteurs de support — puis les réseaux convolutifs à partir de 2015, puis les modèles de fondation, puis les modèles vision-langage. Les agents IA n'arrivent qu'en cinquième position, et il les qualifie de « frontière émergente ».

La conséquence est décisive : la GeoAI vient de la télédétection et de la vision par ordinateur, pas du traitement du langage. Son outillage s'est construit sur l'imagerie pendant que le reste attendait. Ce n'est pas un accident de calendrier, c'est une généalogie.

La littérature académique distingue par ailleurs une GeoAI symbolique — graphes de connaissances, ontologies géographiques, raisonnement formel — d'une GeoAI subsymbolique, celle des réseaux de neurones. Tout ce dont il est question dans cet article relève de la seconde.

Une image satellite n'est pas une photo

Quatre différences expliquent pourquoi une IA généraliste échoue sur de la géodonnée.

Le système de coordonnées, d'abord : une même surface change de valeur selon la projection, et un modèle qui ignore le CRS produit des mesures fausses sans jamais planter.

Les bandes spectrales ensuite — le proche infrarouge porte l'information de végétation, invisible en RGB.

La dimension temporelle, enfin, qui transforme une analyse en comparaison.

Et le volume : une tuile Sentinel-2 couvre 100 × 100 km en 10 980 × 10 980 pixels, quand un modèle attend des entrées de 256 ou 512 pixels de côté. D'où le tuilage, passage obligé de toute chaîne raster.

S'y ajoute l'autocorrélation spatiale — les pixels voisins ne sont pas des échantillons indépendants. Nous y reviendrons en fin d'article : c'est le premier piège d'évaluation du domaine.

Écosystème actif n'est pas capacité mature

Voici la distinction qui manque à la plupart des articles sur le sujet, et sans laquelle la suite se lit de travers.

Prenons l'agentique géospatiale. Ses outils publient treize versions en quatre mois et cumulent des dizaines de milliers de téléchargements — l'écosystème est manifestement vivant.
Pourtant aucun ne tient encore une chaîne de traitement de bout en bout, c'est-à-dire la séquence complète qui va de la donnée brute au résultat livrable sans qu'un humain doive reprendre la main à chaque étape. C'est justement ce que promet un agent, et c'est ce qu'il ne fait pas.

À l'inverse, prenons la segmentation d'imagerie. Rien n'y bouge spectaculairement : les architectures ont dix ans, les publications sont rares. Mais elle produit depuis une décennie des résultats mesurés et rejouables à l'identique.

Trois critères permettent de trancher, et ils serviront de fil rouge dans tout ce qui suit.

Un usage qui coche les trois est mûr. Un usage qui n'en coche aucun reste une démonstration, quel que soit le nombre de dépôts GitHub actifs.

Une nuance à garder en tête, et elle a des conséquences contractuelles. À l'intérieur même du raster, le prédictif est mesuré : entraînez un modèle de segmentation, et vous obtenez un score chiffré — un IoU de 0,90, par exemple — que vous pouvez annoncer à un client et vérifier ensuite sur ses propres données.

Le génératif, lui, n'est pas mesuré. SAM produit des emprises de bâtiments qui paraissent excellentes, mais aucun benchmark publié ne dit à quel point elles le sont sur de l'imagerie géospatiale. Vous constatez visuellement que ça marche ; vous ne pouvez pas le prouver.

D'où la formule : utilisable n'est pas mesuré. La différence ne se voit pas à l'écran — elle se voit le jour où quelqu'un vous demande sur quoi vous vous engagez.

Prédictif × raster : le seul terrain vraiment mature

C'est ici que ça marche. Voici les sept usages, ce qu'ils coûtent, et où passe la vraie ligne budgétaire.

Sept tâches, sept questions métier

La taxonomie de référence compte sept tâches. Traduites en questions métier, elles deviennent lisibles.

Pour de la gestion de patrimoine géolocalisé, la distinction entre sémantique et instances n'est pas cosmétique. Deux bâtiments mitoyens segmentés sémantiquement forment une seule région connectée : impossible de les compter. La segmentation d'instances produit un polygone par objet, avec surface, périmètre et indices de forme — donc du linéaire de réseau ou de la surface d'espace vert directement exploitable dans votre base.

La régression au pixel mérite un mot, parce que son modèle économique est singulier : elle apprend la correspondance entre une imagerie large et une mesure de référence précise mais géographiquement limitée — typiquement des relevés LiDAR — puis étend la prédiction sur tout le territoire. Elle démultiplie une campagne de mesure coûteuse.

Annoter ou pas : la ligne de partage qui décide du budget

Voici le point économique central, et il est contre-intuitif.

Quatre tâches sur sept sont livrées en modèle pré-entraîné, en inférence seule, sans aucune donnée annotée : détection de nuages, masque d'eau, super-résolution et détection de changements. Vous téléchargez, vous lancez, vous obtenez un résultat. Les trois autres exigent des annotations, avec une hiérarchie de coût marquée : ranger des images dans des dossiers pour les étiquettes de classe, un rectangle par objet pour les boîtes, des polygones dessinés pour les masques au pixel.

Mais l'essentiel est ailleurs. En géospatial, on n'annote presque jamais à la main : on rastérise un référentiel vectoriel existant. Wu utilise les emprises Overture Maps pour le bâti et un référentiel d'occupation du sol déjà constitué pour la classification. Le coût réel n'est donc pas le dessin de polygones, c'est la disponibilité d'une couche de référence fiable et à jour.

Si vous gérez un patrimoine, vous venez de reconnaître votre vrai problème — et il est antérieur à toute question d'IA.

Le tuilage, et ce que ça coûte réellement

Les chiffres, maintenant. Ils viennent tous des exemples reproductibles du livre de Wu, en segmentation sémantique avec un U-Net et un encodeur ResNet34 pré-entraîné, sur vingt époques.

Le deuxième chiffre est le plus instructif : le gain vient des données, pas du modèle. Même architecture, même durée d'entraînement — seules les bandes spectrales disponibles changent. Une constante du domaine que les discours sur l'IA occultent.

Côté matériel, 8 Go de RAM en CPU seul suffisent pour exploiter un modèle pré-entraîné. Pour entraîner, comptez un GPU NVIDIA de 8 Go de VRAM — et sachez que les GPU AMD et Intel restent mal pris en charge par PyTorch.
Ces seuils ne sont pas propres au géospatial : mémoire, bande passante, licence et fiabilité décident de ce qui tourne vraiment sur une machine, et j'en fais le tour dans faire tourner l'IA sur sa machine.

Voici la chaîne complète, du raster brut au vecteur exploitable. Elle tient en une quinzaine de lignes.

import geoai

# 1. Découper le raster et sa couche d'étiquettes en tuiles alignées
geoai.export_geotiff_tiles(
    in_raster="ortho.tif", in_class_data="batiments.geojson",
    out_folder="tuiles", tile_size=512, stride=256,
)

# 2. Entraîner — U-Net, encodeur ResNet34 pré-entraîné sur ImageNet
geoai.train_segmentation_model(
    images_dir="tuiles/images", labels_dir="tuiles/labels",
    output_dir="modele", architecture="unet",
    encoder_name="resnet34", encoder_weights="imagenet",
    num_channels=3, num_classes=2, num_epochs=20,
)

# 3. Inférence en fenêtre glissante sur une nouvelle image
geoai.semantic_segmentation(
    input_path="zone_test.tif", output_path="masque.tif",
    model_path="modele/best_model.pth",
    window_size=512, overlap=256,
)

# 4. Retour au vecteur : vectoriser, redresser les angles, nettoyer
gdf = geoai.orthogonalize("masque.tif", "batiments_predits.geojson", epsilon=2)
gdf = geoai.add_geometric_properties(gdf, area_unit="m2")
gdf = gdf[gdf["area_m2"] > 10]  # filtrer le bruit

Ce qu'il faut voir dans ce bloc : l'IA n'occupe que les étapes 2 et 3. Le reste est du géotraitement classique — découpage, vectorisation, calcul de propriétés géométriques, filtrage sur un seuil de surface. C'est vrai de toute chaîne raster, et c'est la première raison de ne pas surestimer ce que l'IA change dans un projet SIG.

Code adapté des exemples de GeoAI avec Python (Qiusheng Wu, 2026), publiés sous licence CC BY 4.0.

Du poste de travail à la chaîne de production

Une fois un modèle entraîné, l'industrialisation ne demande ni agent, ni IA conversationnelle. Elle demande ce que vous savez déjà faire : traitement par lots sur un répertoire, planification, intégration dans une chaîne existante.

Les modèles entraînés se publient d'ailleurs sur des dépôts partagés et se réutilisent d'un projet à l'autre, ce qui déplace la question du « combien ça coûte d'entraîner » vers « combien ça coûte de réutiliser ».

La frontière pratique est nette, et Wu la formule lui-même à propos des plugins graphiques : au-delà de quelques dizaines d'images, il renvoie à l'API Python. L'interface graphique est un poste de travail, pas une chaîne de production. Même logique que celle qui sépare un traitement manuel d'une chaîne de préparation de données automatisée.

Génératif × raster : segmenter sans rien annoter

C'est la rupture des trois dernières années. Elle est réelle, et elle est moins documentée qu'il n'y paraît.

SAM et l'invite textuelle

Vous tapez « building », vous obtenez les emprises. Sans un seul exemple annoté.

Le mécanisme économique mérite d'être compris, parce qu'il conditionne l'usage : l'encodage de l'image est coûteux mais ne se fait qu'une fois — cinq à trente secondes sur un GPU récent. Ensuite, chaque invite s'exécute en moins d'une seconde contre cet encodage mis en cache. D'où un usage exploratoire viable : vous testez dix formulations sur la même dalle sans repayer le calcul lourd.

Trois contraintes à connaître avant de s'engager pour un client. Le modèle est à accès contrôlé : compte sur une plateforme tierce, demande d'accès, licence à accepter. L'authentification passe par la ligne de commande. Et un GPU NVIDIA est obligatoire — pas de repli CPU.

Wu résume bien la portée réelle de l'outil : il ne remplace ni l'expertise du domaine ni le contrôle qualité, il accélère la phase la plus consommatrice de main-d'œuvre.

Les modèles vision-langage : ce qu'ils voient, ce qu'ils inventent

Interroger une image en langage naturel, détecter des objets en les nommant, produire une légende automatique : ces modèles excellent au tri et à la priorisation de gros volumes d'imagerie.

Ils ont aussi des limites que l'auteur documente sans détour, et trois méritent d'être citées.

Un seuil utile pour arbitrer : les entités occupant au moins 20 × 20 pixels sont détectées bien plus fiablement que les plus petites. Sur une orthophoto à 20 cm, cela fixe la taille minimale des objets détectables.

L'écart de domaine, lui, se mesure. Une synthèse de la littérature publiée dans l'ouvrage collectif Geography According to Foundation Models relève que le taux d'erreur de rappel factuel de vingt grands modèles de langage est 1,5 fois plus élevé pour l'Afrique subsaharienne que pour l'Amérique du Nord. Les jeux d'entraînement expliquent en partie ce déséquilibre : Open Images est américain à 32 %, ImageNet à 45 %, contre 1 % pour la Chine.
Pour un praticien européen, la conséquence est directe : ce qui a été validé sur données américaines ne se transfère pas mécaniquement à votre territoire. La quasi-totalité des jeux de démonstration du domaine — NAIP en tête — sont nord-américains.

La super-résolution, ou l'illusion de la donnée

Le passage le plus important de cette section, et sans doute de l'article.

Les détails d'une image super-résolue sont des prédictions statistiques, pas des observations. Des bordures de route peuvent être fabriquées là où il n'y en a aucune. Des textures de végétation peuvent paraître réalistes tout en reflétant des motifs appris plutôt que la canopée réelle.

Génératif × requête : « je demande, l'IA fait »

C'est la question que tout le monde pose : peut-on écrire ce qu'on veut en français et laisser l'IA produire la carte ? La réponse honnête tient en deux temps.

Ce qui existe réellement en 2026

Oui, ça existe, et ce n'est plus expérimental. Côté QGIS, le dépôt officiel héberge une famille d'assistants conversationnels installables en deux clics. Côté éditeur, l'assistant intégré à ArcGIS Pro est en bêta sur invitation.

Ce sont les plateformes web qui vont le plus loin pour un utilisateur non-SIG. Atlas.co revendique explicitement « aucune expertise SIG requise », et Felt a publié Felt AI en juin 2026 : l'outil se branche sur un entrepôt de données, détermine seul les opérations spatiales nécessaires — jointure, zone tampon — et choisit le style de carte. Vous écrivez « montre-moi les parcelles à moins de 2 km d'un arrêt de transport », vous obtenez la carte.

Le chiffre qui refroidit : quand la requête spatiale hallucine

GeoSQL-Eval est le premier cadre d'évaluation automatisée dédié à la génération de requêtes PostGIS par des modèles de langage. Son jeu de test donne la mesure du problème.

L'argument des auteurs est direct : passer du SQL classique au SQL spatial ajoute la complexité des types géométriques, de l'invocation de fonctions et des systèmes de coordonnées, ce qui augmente fortement la difficulté de génération et d'exécution. Un prompt SQL générique ne suffit pas sur une base spatiale — il faut y injecter de la connaissance géographique. Un classement public permet de suivre l'évolution des modèles.

S'y ajoute une fragilité plus troublante encore, documentée dans Geography According to Foundation Models.
Interrogé deux cents fois avec « Name a country, please », GPT-5.1 répond le Japon 168 fois. Reformulez en « Please name a country » — même modèle, même température, même sens — et la réponse dominante devient le Canada, 104 fois. Déplacer un mot suffit à basculer la distribution des sorties.

Le piège : l'utilisateur qui ne peut pas vérifier

Voici le cœur du problème, et il est structurel plutôt que technique.

Ces outils visent explicitement l'utilisateur sans compétence SIG. Or celui-là n'a aucun moyen de détecter que la réponse est fausse. Une carte s'affiche, elle est propre, les polygones sont là. Que la zone tampon ait été calculée en degrés au lieu de mètres parce que la couche était en EPSG:4326, personne ne le voit.

C'est le biais d'automatisation dans sa forme la plus dangereuse : plus la sortie est soignée, moins elle est questionnée. Et la cartographie a toujours eu ce don de faire paraître les choses plus certaines qu'elles ne sont.

Ma position : ces outils sont excellents pour explorer et prototyper, discutables dès que la réponse engage une décision. Si vous savez écrire la requête vous-même, vous saurez juger celle qu'on vous propose — c'est tout l'objet de ce que le SQL spatial sait faire quand on le maîtrise. Sinon, vous déplacez votre dépendance sans la réduire.

Le vecteur, grand absent : trois façons de l'y ramener

Dans l'usage courant, « GeoAI » désigne le deep learning sur imagerie. Le vecteur n'est presque jamais la matière première. Il existe pourtant trois points d'entrée réels, et le troisième est le plus prometteur pour qui travaille avec PostGIS.

En sortie : de la dentelure au polygone exploitable

Un masque raster vectorisé produit des polygones en escalier, inexploitables tels quels en cadastre ou en calcul de surface. D'où l'existence de fonctions dédiées : l'orthogonalisation redresse les emprises de bâtiments vers des angles droits, le lissage adoucit les entités naturelles.

Un point compte pour un praticien : le géoréférencement est préservé de bout en bout. Les sorties héritent du système de coordonnées de l'entrée et se chargent directement dans un projet QGIS. Ce sont les deux dernières étapes du bloc de code plus haut.

En entrée : piloter un modèle depuis une couche existante

C'est le mécanisme le plus sous-estimé du domaine. Une couche PostGIS de centroïdes ou de polygones approximatifs peut servir d'amorce : le modèle extrait les emprises précises à partir de la géométrie de chaque entité.

Le cas d'usage est évident dès qu'on gère un patrimoine partiellement inventorié : vous avez les points, il vous manque les contours.

Les embeddings satellitaires : le raster devenu colonne d'attribut

Un modèle pré-entraîné transforme chaque parcelle d'image en un vecteur numérique de longueur fixe, dans lequel la proximité géométrique encode la similarité de contenu. Deux lieux qui se ressemblent ont des vecteurs proches.

La conséquence pratique est considérable : la recherche par similarité — « où ailleurs cela ressemble-t-il à ceci ? » — et le regroupement automatique deviennent des opérations légères sur des vecteurs, sans GPU ni entraînement. Le format est du GeoParquet lisible par GeoPandas, la jointure est une jointure spatiale standard.

Pour un profil PostGIS, c'est le workflow le moins dépaysant de tout le domaine : une table spatiale, des attributs, une requête.

Agentique × process : automatiser la chaîne, pas l'étape

C'est le terrain où l'écart entre l'agitation et la capacité réelle est le plus spectaculaire. Les deux méritent d'être regardés en face.

Ce qu'un agent change par rapport à un assistant

Une question suffit à trancher : qui décide de la prochaine étape ?

Si c'est un chemin de code écrit par un humain, ce n'est pas un agent. Un assistant qui génère du PyQGIS sans l'exécuter reste un assistant.
Celui qui l'exécute en un clic, sans boucle de correction, est un assistant à exécution — malgré le mot « agent » dans son nom commercial. Seul un système qui choisit ses outils, lit les retours et réessaie mérite le terme.

Le cadre académique de référence, développé par Zhenlong Li et Huan Ning sous le nom de SIG autonome, décrit le glissement décisif : de l'exécution d'une commande experte vers la délégation partielle de la planification.

L'état réel de l'agentique géospatiale

Les faits, relevés le 21 juillet 2026 sur le dépôt officiel des plugins QGIS.

Deux remarques. La première : OpenGeoAgent est développé par Qiusheng Wu, le même auteur que l'ouvrage cité tout au long de cet article. Ses deux caractéristiques comptent pour une pratique professionnelle — l'exécution de code se fait sous confirmation, et le support d'Ollama permet un fonctionnement entièrement local, donc sans envoyer les données d'un client vers un service tiers.

La seconde est une confusion à lever. « QGIS MCP » désigne deux projets différents. Le plus visible sur GitHub, avec près de mille étoiles, n'est pas celui du dépôt officiel : il expose quinze outils, n'a jamais publié de version et n'est testé que sur QGIS 3.22.
Celui que vous installez depuis le gestionnaire d'extensions est celui de Nicolas Karasiak — c'est le bon.

Poste de travail ou chaîne de production : où ça bascule

Maintenant les chiffres, et ils sont sévères. Ils viennent de benchmarks indépendants, exécutés en environnement réel — pas d'auto-évaluations publiées par les auteurs des outils.

Le premier chiffre dit l'essentiel : dans plus d'un cas sur deux, l'agent choisit le bon outil mais le configure mal. Le troisième complète le diagnostic — donner à l'agent la séquence correcte n'améliore presque rien, donc le goulot d'étranglement n'est pas la planification, c'est l'exécution.

Et voici pourquoi cela compte particulièrement en SIG. Les modes d'échec documentés sont exactement ceux qui coûtent cher dans notre métier : incohérences de système de coordonnées, topologies invalides, valeurs nodata mal gérées, rééchantillonnage inadapté. Des erreurs silencieuses qui produisent une carte d'apparence parfaite.
C'est le pire profil de risque possible — un outil qui plante vous alerte, un outil qui se trompe joliment ne vous alerte pas.

Le phénomène porte d'ailleurs un nom académique. La géo-hallucination, définie en 2025 dans Environment and Planning B, désigne la fabrication d'entités géospatiales inexistantes. Sa particularité : elle ne provient pas des données mais d'un déficit de cognition spatiale du modèle lui-même. Les sorties sont spatialement incohérentes tout en paraissant faire autorité.

Ce qui n'a besoin d'aucune IA

La question qui manque à tous les articles sur le sujet.

Ce que PostGIS et l'analyse spatiale font déjà mieux

Jointures spatiales, zones tampons, agrégations par zone, recherche du plus proche voisin, calculs de surface, analyses de réseau : tout cela est déterministe, reproductible, auditable et instantané.

Un modèle de langage qui génère la même requête ajoute un risque sans ajouter une capacité. Vous troquez une opération vérifiable contre une opération probabiliste, pour un résultat identique quand tout va bien.

Ce que les indices spectraux règlent depuis trente ans

NDVI, NDWI, seuillage : sur des cas nets, un indice calculé coûte quelques secondes et se justifie ligne par ligne devant un client.

Il serait malhonnête de s'arrêter là. Les modèles pré-entraînés de détection d'eau existent précisément parce que les indices peinent sur les ombres, les surfaces urbaines sombres et les eaux turbides. La position juste n'est donc pas « jamais d'IA » mais l'indice d'abord, le modèle quand l'indice échoue sur un cas documenté.

Comment savoir si le résultat vaut quelque chose

Deux notions suffisent à juger n'importe quelle sortie. La précision répond à : quand le modèle dit « bâtiment », à quelle fréquence a-t-il raison ? Le rappel répond à : sur tous les vrais bâtiments, combien en a-t-il trouvés ?
Les deux s'opposent, et le bon arbitrage n'est pas technique mais métier — qu'est-ce qui vous coûte le plus cher, une fausse alarme ou un objet manqué ?

Reste le piège propre au géospatial, annoncé en ouverture. À cause de l'autocorrélation spatiale, des pixels voisins ne sont pas des échantillons indépendants : une division aléatoire entre données d'entraînement et de test produit des scores flatteurs et faux. Une évaluation correcte exige une séparation géographique — on entraîne sur une zone, on teste sur une autre.

Ce qu'il faut retenir

Trois questions suffisent à situer votre besoin.

Votre donnée est-elle du raster ou du vecteur ? Le raster est le seul terrain où l'intelligence artificielle appliquée au SIG est aujourd'hui mesurée, reproductible et industrialisable. Sur le vecteur, elle n'apporte presque rien — sauf en amorçage d'un modèle, ou par les embeddings.

Disposez-vous d'un référentiel de qualité, ou faut-il annoter ? S'il existe une couche de référence fiable, l'entraînement devient abordable. Sinon, commencez par les modèles pré-entraînés : quatre des sept tâches ne demandent rien.

Le résultat engage-t-il une décision ? Si oui, l'IA reste un accélérateur d'exploration avec validation humaine. Si non, l'autonomie devient envisageable.

Une phrase à emporter : l'IA change la vitesse du travail SIG, pas la responsabilité de son résultat.

Glossaire

Autocorrélation spatiale

Propriété selon laquelle des lieux proches se ressemblent davantage que des lieux éloignés. Elle invalide l'hypothèse d'indépendance des échantillons et fausse les évaluations de modèles.

Deep learning

Apprentissage par réseaux de neurones profonds. En imagerie géospatiale, il s'agit presque toujours de réseaux convolutifs ou de transformeurs.

Embeddings satellitaires

Vecteurs numériques encodant le contenu d'une parcelle d'image, produits par un modèle pré-entraîné. La proximité entre vecteurs traduit une similarité de contenu.

Encodeur

Partie d'un réseau de neurones qui compresse l'image d'entrée en caractéristiques abstraites. On réutilise généralement un encodeur déjà entraîné sur des millions d'images — ResNet, par exemple — plutôt que d'en construire un.

Époque

Un passage complet du modèle sur l'intégralité des données d'entraînement. Vingt époques signifie que le modèle a vu chaque tuile vingt fois.

Fenêtre glissante

Technique d'inférence sur une grande image : le modèle traite des fenêtres successives qui se chevauchent, puis les prédictions sont fusionnées. Le recouvrement évite les coutures visibles aux jointures.

Géo-hallucination

Fabrication par un modèle d'entités ou de relations géospatiales inexistantes. Elle provient d'un déficit de raisonnement spatial du modèle, non d'une erreur dans les données.

IoU

Intersection over Union. Aire de recouvrement entre une prédiction et la vérité terrain, divisée par l'aire de leur union. Métrique standard en segmentation, de 0 à 1.

MCP

Model Context Protocol. Protocole standardisant la façon dont un modèle de langage accède à des outils externes.

Modèle de fondation

Modèle de grande taille pré-entraîné sur des volumes massifs, adaptable à de nombreuses tâches sans réentraînement complet.

SAM

Segment Anything Model. Modèle de segmentation par invite — textuelle, par point ou par boîte — fonctionnant sans exemple annoté.

Tuilage

Découpage d'une grande image en imagettes de taille fixe, imposé par les limites mémoire des modèles. Chaque tuile conserve son géoréférencement.

Zero-shot

Capacité d'un modèle à traiter une tâche sur laquelle il n'a jamais été spécifiquement entraîné.