IA · suivi du territoire
Détecter les changements avec des foundation models
Une série d'images Sentinel-2 ou Sentinel-1 sur un site, un foundation model utilisé tel quel, et la distance entre les dates pour repérer ce qui a changé. L'application est en test sur l'est de Nairobi (2024-2026).
Expertise France · 2026

Pour qui
Destinée au suivi d'un site précis : étalement urbain, défrichement. Le seul cas testé à ce jour est l'étalement urbain à l'est de Nairobi.
Ce que fait l'application
Carte de changement
Intensité par case (160 m à 2,24 km) entre une date de référence et une date cible, en trois classes. Seuils par défaut : médiane + 3 et + 6 écarts-types robustes, réglables.
Date du changement
Pour chaque case, la distance la plus forte depuis la référence et la date où elle est atteinte.
Évolution d'une case
Au clic : courbe de distance sur toute la série, NDVI et NDWI (VV et VH en radar), vignette de chaque date. En option, les cases dont le changement ressemble à celui de la case choisie.
Comment ça marche
01
Série d'images
Une date par période sur une même grille de 10 m : en optique, la date qui a le plus de pixels exploitables d'après le masque de scène ; en radar, un composite médian sur une seule orbite.
02
Embeddings
Un vecteur par patch (80 m pour Clay, 160 m pour TerraMind) et par date, poids figés, sur GPU. Une référence sans IA, moyenne et écart-type des bandes, sert de témoin.
03
Distance et seuils
Distance cosinus entre deux dates après centrage sur la série, moyennée par case. La plupart des cases ne changent pas : leur médiane et leur dispersion fixent les seuils.
Limites connues
- Pas encore validé : aucune comparaison avec des changements connus.
- Nuages ou brume non masqués, saisons différentes, feux et cultures donnent de faux changements, à vérifier sur la courbe de la case avant de conclure.
- En radar, le chatoiement et un nombre d'acquisitions différent d'un composite à l'autre peuvent créer un faux changement général.
Pour aller plus loin
- Validation sur des changements datés (nouveaux lotissements, défrichements)
- Comparaison chiffrée avec la référence sans IA
Rôle
- Conception de l'application
- Méthode de détection
- Développement et tests sur GPU
Technologies
PyTorch · TerraTorch · Clay · TerraMind · Sentinel-1 · Sentinel-2 · STAC · ipyleaflet · Voilà
Le cadre
Démonstrateur conçu et développé en 2026 par Guillaume Rieu, auteur des spécifications des Earth Observation Innovation Labs, dans le cadre de la recette de ces plateformes au Kenya pour Expertise France. Il tourne dans l'environnement JupyterHub de la plateforme.
Un besoin proche ?
Ces applications peuvent servir de base à un outil adapté à vos données, à votre zone ou à votre question.