AlphaEarth de DeepMind: L'IA cartographie la planète avec un détail inédit

Les satellites capturent continuellement de vastes quantités de données sur notre planète, offrant aux scientifiques et aux experts une perspective quasi en temps réel. Cependant, le volume, les formats divers et les taux de rafraîchissement rapides de ces données d’observation de la Terre posent un défi important : intégrer efficacement des ensembles de données disparates pour obtenir une compréhension complète.

Pour y remédier, DeepMind a introduit AlphaEarth Foundations, un modèle d’intelligence artificielle (IA) conçu pour agir comme un « satellite virtuel ». Ce modèle traite efficacement des pétaoctets de données d’observation de la Terre, les convertissant en une représentation numérique unifiée, ou « embedding », que les systèmes informatiques peuvent facilement interpréter. Cette capacité fournit aux scientifiques une vue plus complète et cohérente de l’évolution de la planète, aidant à la prise de décisions éclairées sur des problèmes mondiaux critiques tels que la sécurité alimentaire, la déforestation, l’expansion urbaine et la gestion des ressources en eau.

Pour accélérer la recherche et les applications pratiques, une collection d’embeddings annuels d’AlphaEarth Foundations a été publiée sous le nom de jeu de données Satellite Embedding au sein de Google Earth Engine. Au cours de l’année écoulée, plus de 50 organisations ont collaboré pour tester ce jeu de données dans des scénarios réels. Les partenaires ont signalé des avantages significatifs, utilisant les données pour classer des écosystèmes auparavant non cartographiés, analyser les changements agricoles et environnementaux, et améliorer la précision et la rapidité de leurs efforts de cartographie.

La capacité du modèle à discerner les détails fins est évidente dans ses visualisations. Par exemple, en Équateur, AlphaEarth Foundations peut pénétrer la couverture nuageuse persistante pour cartographier avec précision les parcelles agricoles à différents stades de développement. Il peut également détailler clairement les surfaces complexes en Antarctique, une zone notoirement difficile pour l’imagerie satellitaire en raison d’une couverture irrégulière. De plus, il révèle des variations subtiles dans l’utilisation des terres agricoles canadiennes qui sont imperceptibles à l’œil humain.

AlphaEarth Foundations s’attaque à deux défis principaux de l’observation de la Terre : la surcharge de données et l’incohérence des informations. Premièrement, il intègre des volumes massifs de données provenant de dizaines de sources publiques, y compris des images satellitaires optiques, des radars, de la cartographie laser 3D et des simulations climatiques. Ces informations diverses sont ensuite tissées ensemble pour analyser les terres et les eaux côtières du monde en carrés précis de 10x10 mètres, permettant un suivi remarquablement précis des changements au fil du temps.

Deuxièmement, le modèle rend ces données pratiques et économiques à utiliser. Son innovation principale réside dans la génération de résumés très compacts pour chaque carré. Ces résumés nécessitent 16 fois moins d’espace de stockage que ceux produits par d’autres systèmes d’IA testés, réduisant considérablement le coût de calcul associé à l’analyse à l’échelle planétaire. Cette avancée permet aux scientifiques de créer des cartes détaillées, cohérentes et à la demande, une capacité auparavant inaccessible. Qu’il s’agisse de surveiller la santé des cultures, de suivre la déforestation ou d’observer de nouvelles constructions, les chercheurs ne dépendent plus de passages satellitaires uniques, mais disposent désormais d’une nouvelle base solide pour les données géospatiales.

Des tests rigoureux ont validé les performances d’AlphaEarth Foundations. Comparé aux méthodes traditionnelles et à d’autres systèmes de cartographie IA, il a constamment démontré une précision supérieure sur un large éventail de tâches et de périodes, y compris l’identification de l’utilisation des terres et l’estimation des propriétés de surface. Crucialement, le modèle a maintenu ses performances élevées même dans des scénarios où les données étiquetées étaient rares. En moyenne, AlphaEarth Foundations a présenté un taux d’erreur 24 % inférieur à celui des modèles avec lesquels il a été testé, soulignant ses capacités d’apprentissage efficaces.

Le jeu de données Satellite Embedding, alimenté par AlphaEarth Foundations, est l’un des plus grands de son genre, contenant plus de 1,4 billion d’empreintes d’embedding par an. Cette vaste collection est déjà utilisée par des organisations du monde entier, y compris l’Organisation des Nations Unies pour l’alimentation et l’agriculture, Harvard Forest, le Groupe d’observation de la Terre, MapBiomas, l’Oregon State University, le Spatial Informatics Group et l’Université de Stanford. Ces collaborations génèrent de puissantes cartes personnalisées qui produisent des informations concrètes.

Par exemple, l’Atlas mondial des écosystèmes, une initiative axée sur la création de la première ressource complète pour cartographier et surveiller les écosystèmes du monde, utilise ce jeu de données pour aider les pays à classer les écosystèmes inexplorés dans des catégories telles que les garrigues côtières et les déserts hyper-arides. On s’attend à ce que cette ressource joue un rôle vital en permettant aux pays de mieux prioriser les zones de conservation, d’optimiser les efforts de restauration et de lutter contre la perte de biodiversité. Nick Murray, directeur du laboratoire d’écologie mondiale de l’Université James Cook et responsable scientifique mondial de l’Atlas mondial des écosystèmes, a déclaré : « Le jeu de données Satellite Embedding révolutionne notre travail en aidant les pays à cartographier les écosystèmes inexplorés – c’est crucial pour identifier où concentrer leurs efforts de conservation. »

Au Brésil, MapBiomas teste le jeu de données pour acquérir une compréhension plus approfondie des changements agricoles et environnementaux à travers le pays. Les cartes générées à partir de ces données éclairent les stratégies de conservation et les initiatives de développement durable dans des écosystèmes critiques comme la forêt amazonienne. Tasso Azevedo, fondateur de MapBiomas, a commenté : « Le jeu de données Satellite Embedding peut transformer la façon dont notre équipe travaille – nous avons maintenant de nouvelles options pour créer des cartes plus précises, exactes et rapides à produire – quelque chose que nous n’aurions jamais pu faire auparavant. »

AlphaEarth Foundations marque une avancée significative dans la compréhension de l’état et de la dynamique de notre planète en mutation. L’équipe génère actuellement des embeddings annuels et estime que leur utilité pourrait être encore améliorée en les combinant à l’avenir avec des agents LLM de raisonnement général comme Gemini. Une exploration plus approfondie des capacités temporelles du modèle est en cours dans le cadre de Google Earth AI, une collection de modèles et de jeux de données géospatiaux visant à répondre aux besoins les plus critiques de la planète.