Qu'apporte l'IA aux SIG ?

Les systèmes d’informations géographiques (SIG) évoluent pour intégrer des briques d’intelligence artificielle (IA). Appelée « IA géospatiale », cette évolution ajoute notamment des fonctions de prédiction et de simulation tant urbaines que environnementales. L’Institut Paris Région intègre l’IA dans ses SIG pour analyser des données géographiques et produire de nouvelles informations sur l’Île-de-France (détection de parkings, toitures, arbres…). Explications avec Laurie Gobled, Directrice du département Data et innovation numérique de l’Institut Paris Région, et Michel Médic, Administrateur SIG de l’Institut Paris Région

Depuis quand l'IA est-elle intégrée aux solutions de SIG ?

L’IA est intégrée dans les solutions SIG depuis environ 4 ans, par exemple chez Esri (leader de la cartographie) pour réaliser de la détection d’objets (Détection de piscines, d’arbres, de passages piétons...). Le même mouvement s'est opéré dans les solutions libres (QGIS par exemple).

C’est un secteur qui évolue très vite. Il y a de plus en plus de solutions disponibles, d’autant que grâce à la communauté, on peut récupérer des modèles existants pour les réentraîner. L’Open data a également permis de créer des modèles « prêts à l’emploi » entraînés sur des gros volumes de données (Exemples : Dino de chez Facebook ou VIT d’OpenAI).

Que signifie le concept d'IA géospatiale ?

Il s’agit d’utiliser l’IA sur des données géographiques, que ce soit des informations géographiques traditionnelles (ex : interrogation en langage naturel des données géographiques), ou des données issues du spatial, qu’elles viennent des satellites ou de moyens aériens.

Dans l’agriculture, par exemple, l’IA permet de détecter le stress hydrique ou les maladies des cultures. Un autre usage est la gestion des catastrophes naturelles, où l’IA permet l’identification rapide des zones sinistrées après inondation. En urbanisme, elle permet de suivre précisément l’utilisation des sols, ce qui nous est très utile à l’Institut Paris Région pour élaborer les documents d’urbanisme nécessaires à la planification de l’aménagement de l’Île-de-France, tel le SDRIFE (schéma directeur de la région Île-de-France).

Comment cela fonctionne-t-il ?

Nous utilisons des modèles pré-entrainés avec des banques d’images publiques (comme Dota, Spacenet, Google, IGN par exemple). On réentraîne ensuite ces modèles avec nos propres données pour produire une nouvelle donnée inédite sur le territoire étudié, en l’occurrence l’Île-de-France. Cette méthode nécessite plusieurs allers-retours pour consolider le modèle et obtenir des résultats les plus pertinents possibles.

A L'Institut Paris Région nous avons utilisé cette méthode pour la reconnaissance des parkings de plus de 1500 m² sur l’ensemble du territoire francilien. Il s’agit d’une détection très fine, qui est venue nourrir nos travaux d'évaluation du gisement solaire potentiel de ces équipements et de développement d’ombrières. Cette exploitation a donné lieu à une carte interactive (lien externe, nouvelle fenêtre), accessible à tous les acteurs concernés, sur le site de L’Institut.

Quelle est la valeur ajoutée de l'IA avec le SIG pour les territoires ? (Automatiser les processus d’analyse, ajouter de l'analyse prédictive, optimiser les performances opérationnelles ?)

L’IA est un outil qui permet une accélération considérable pour traiter de gros volumes de données ou générer de nouvelles données. Pour autant, il convient de démystifier certaines croyances, comme celle portant sur l’automatisation apportée par l’IA. L’automatisation existait déjà avec les SIG. Ces derniers offrent de nombreuses fonctionnalités pour croiser, requêter, combiner des indicateurs et automatiser ces tâches.

Même démystification sur l’optimisation des ressources apportée par l’IA. L’IA est très énergivore. En revanche, elle apporte une vraie plus-value pour l’analyse prédictive. Par exemple pour la prédiction des flux routiers ou encore dans le cadre du projet UrbaIA, porté par la Communauté d’agglomération Paris-Saclay et un consortium d’acteurs*.

Le projet vise à exploiter la puissance de l’IA au service d’une forme de « design fiction » pour simuler l’impact des règles d’urbanisme en termes de :

• Surfaces construites (surfaces de plancher), nombre de logements, nombre d’habitants et nombre d’usagers.
• Consommation foncière : consommation d’espaces naturels, agricoles et forestiers au profit d’espaces urbains (calcul de la consommation) ET calcul de l’objectif ZAN (calcul de l’artificialisation) par rapport à une enveloppe d’urbanisation prescrite dans le cadre du SDRIF.
• Vulnérabilité aux effets d’ICU (îlots de chaleur urbain) : élévation du différentiel de température (urbain vs rural).
• Impacts environnementaux : dispersion des polluants (liés au trafic routier), simulation thermique et exposition au bruit.

 

L'autre valeur ajoutée repose sur les possibilités offertes par les plateformes d’IA avec de grandes capacités de calcul. C’est une nouvelle façon de faire du développement informatique (une compétence de plus en plus indispensable pour exploiter l’information géographique). Les librairies permettent d’utiliser les cartes graphiques qui offrent des possibilités encore impensables il y a 3 ans. C’est un atout majeur pour pouvoir réaliser les analyses sur des volumes de données souvent conséquents en géomatique. C'est le cas par exemple des outils de simulation d’inondations ou de production de données en 3D.

* Ce consortium rassemble l’Institut Paris Région en charge de l’élaboration du SDRIF-e, les start-up BuildRZ (spécialiste de l’IA pour l’urbanisme), NamR (expert de la donnée environnementale), le laboratoire de recherche Centrale Supélec (Institut Data IA) et Dassault Systèmes.

Quels sont les principaux cas d'usages actuels ou à venir de l'IA géospatiale dans les territoires ?

L’IA constitue aujourd’hui une nouvelle brique de la géomatique : elle permet de faire de la détection mais aussi d’analyser de gros volumes de données. Les cas d’usages sont alors multiples :

• Réaliser de la prédiction sur du Lidar, pour faire la différence entre différentes formes de bâtis
• Repérer des trous sur la route et ainsi mieux entretenir leur réseau routier
• Repérer le mobilier urbain, les panneaux de signalisation (Panoramax)
• Identifier les ICU (îlots de chaleur urbaine), pour mieux adapter la ville aux canicules
• Repérer les arbres morts pour la prévention du risque incendie dans les forêts
• Détecter les dépôts sauvages d’ordures (c’est le cas des travaux du CD95).

Quelles perspectives pour l’Institut Paris Région avec l’IA géospatiale ?

A L’Institut Paris Région, nous utilisons l’IA géospatiale depuis plusieurs années pour renforcer notre SIG. Nous exploitons des LLM (Large language model) pour nos études, nos données. Nous avons eu de très bons résultats avec la détection d’objets depuis des images aériennes ou satellites (toitures, parkings, passages piétons etc.). Notre ambition maintenant est d'élargir le spectre vers d’autres usages comme faciliter la veille pour les travaux de nos experts et pour nos adhérents. Nous travaillons donc à un modèle pour extraire des informations depuis nos publications, nos métadonnées ou nos études. Sur les documents d’urbanisme, nous travaillons à un assistant IA qui nous aidera à réaliser les avis de PLU (Plan Local d’Urbanisme) et à automatiser les réponses.

Tous ces projets sont menés avec une vigilance particulière sur le volet frugal. Ce qui n’est pas évident car, encore une fois, l’IA est très consommatrice d’énergie. C’est pourquoi nous essayons de mener des projets de façon raisonnée, en nous interrogeant toujours sur la réelle plus-value de l’IA.