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 Innovation Labs, en contribution bénévole à la recette de ces plateformes au Kenya pour Expertise France. Il tourne dans l'environnement JupyterHub de la plateforme.
Un besoin proche ?
Ces démonstrateurs peuvent servir de base à un outil adapté à vos données, à votre zone ou à votre question.