L'intelligence artificielle pour cartographier les changements climatiques rapides
Pour répondre au défi de l’observation en continu du territoire par une connaissance toujours plus riche, actualisée et thématisée, l’IGN va étendre l’usage des technologies de traitement automatique par intelligence artificielle ; technologies dont l’adaptation aux besoins de la connaissance environnementale a été facilitée par les équipes de recherche de l’institut.
À l’heure de grands bouleversements écologiques et numériques, la nouvelle boussole que se donne l’IGN est d’outiller la Nation pour décrire et comprendre les évolutions du territoire. Dans ce cadre, l’IGN va produire des cartes de l’anthropocène en publiant régulièrement (tous les un à trois ans) des cartes sur un nombre limité d’enjeux écologiques majeurs. En particulier, l’IGN va rendre compte de l’état de santé des forêts, de l’érosion du relief et de l’évolution des cours d’eau, de l’artificialisation des sols, du potentiel de biodiversité et d’autres thèmes à définir en appui aux politiques publiques.
Carte de prédiction, résultat de traitements par deep learning, en vue de la constitution de l’OCS GE
Orientation d’ensemble : démocratiser l’IA
Les techniques d’intelligence artificielle (IA), qui ont bouleversé la plupart des domaines du traitement de l’information (traitement du langage, vision par ordinateur, robotique…) et en particulier des cœurs de métiers de l’IGN (télédétection, localisation, cartographie…), jouent un rôle incontournable dans ces descriptions fines et régulières du territoire.
Cependant, de la même manière que la cartographie publique doit devenir un instrument d’émancipation face à ces bouleversements, l’intelligence artificielle doit être elle aussi un instrument d’émancipation pour les citoyens, les territoires comme pour les agents impliqués dans son déploiement.
L’IGN, avec son intégration de capacités de recherche, d’enseignement, d’innovation, de développement et de production, peut outiller et partager un autre discours et d’autres pratiques en ne cédant pas au déterminisme technique en IA : il est possible de réaliser des choix dans ces techniques et dans la façon de les déployer, en particulier selon des considérations sociales ou environnementales.
La ligne de conduite proposée est celle de la démocratisation de l’intelligence artificielle au sein de l’institut et dans la société. En opposition à une logique technocratique de concentration d’un savoir établi chez quelques individus experts, il s’agit d’assurer la diffusion large de la capacité d’agir avec l’intelligence artificielle ainsi que de donner prise à la délibération en commun sur comment mobiliser et développer ces techniques.
Mise en œuvre
La feuille de route IA de l’IGN comporte des mesures, déclinées en actions, soutenant six axes identifiés :
Axe 1 : Assurer la gouvernance transverse de la feuille de route
Axe 2 : Construire en commun
Axe 3 : Rendre accessible l’IA à tous
Axe 4 : Créer et entretenir les conditions de ressources propices à l’atteinte des objectifs
Axe 5 : Mettre en débat et réguler socialement et écologiquement le déploiement de l’IA
Axe 6 : Soutenir des orientations scientifiques structurantes en apprentissage machine
De nouvelles ressources IA au service de l’occupation du sol
En cliquant sur lecture, vous acceptez les cookies provenant de YouTube
La connaissance de l’occupation des sols est aujourd’hui un enjeu majeur pour comprendre les transformations de nos territoires. A la demande du gouvernement, l’IGN s’est lancé dans un programme ambitieux de production de données automatisées par intelligence artificielle. Ainsi dans le cadre de l’Observatoire de l’artificialisation des sols, l’IGN, en collaboration avec le CEREMA et INRAE et sous maitrise d’ouvrage de la DGALN, produit un référentiel de données géographiques pour décrire l’occupation et l’usage des sols selon la nomenclature OCS GE (Occupation du sol à grande échelle).
Un processus de production inédit par IA et deep learning
Pour produire ce référentiel, l’IGN mise sur l’intelligence artificielle pour accélérer ses chaînes de production initiales et de mise à jour des données géographiques décrivant l’occupation et l’usage des sols. C’est notamment la puissance des méthodes d’apprentissage profond (deep learning) qui permet de reconnaître automatiquement des objets (bâtiment, arbre, surface de bitume…) contributifs des classes d’occupation des sols sur des images aériennes ou spatiales. Ces processus inédits ont déjà été déployés sur le département du Gers (32), premier département réalisé dans le cadre du dispositif national de mesure de l’artificialisation des sols.
La couverture du territoire métropolitain et des départements et régions d’outre-mer sera réalisée d’ici 2024 avec la production de deux millésimes par département. Un nouveau modèle d’apprentissage profond dit « France entière » est entraîné pour générer des prédictions et le produit OCS GE sur l’ensemble des départements. Ces jeux de données seront diffusés progressivement sur le site geoservices.ign.fr.
L’IGN ouvre le capot et met ses ressources à disposition dans une démarche d’enrichissement commun
Au-delà du produit final que sont les données d’occupation du sol, l’IGN ouvre le capot et met à disposition en open data toutes les ressources qui contribuent au processus automatisé.
Téléchargez sur le site geoservices.ign.fr les ressources IA pour l’occupation du sol en open data :
annotations (données permettant d’entrainer les modèles deep learning),
L’IGN met en commun ces ressources IA, dont de nombreux enrichissements et réutilisations sont possibles : application des modèles de couverture du sol sur de nouvelles images, entraînement de nouveaux modèles sur de nouvelles nomenclatures, enrichissement des annotations, etc.
D’autres données et codes seront régulièrement mis à disposition afin d’enrichir les modèles d’entrainement en mode collaboratif dans une approche de communs numériques.
