AlphaEarth Foundations : Google cartographie les types de forêts
Avec AlphaEarth Foundations, Google DeepMind veut distinguer les types de forêts partout dans le monde grâce aux données satellitaires.
👁 125 lectures
En juillet 2025, Google DeepMind a annoncé AlphaEarth Foundations, un système qui permet pour la première fois de cartographier les types de forêts sur toute la planète avec un niveau de précision inédit en télédétection satellitaire. Il ne s’agit pas d’une carte de plus indiquant où poussent les arbres : cette technologie distingue depuis l’orbite de quel type de forêt il s’agit.
Quelle différence entre des arbres et une forêt ?
Depuis des décennies, les systèmes mondiaux d’observation de la Terre font une chose : mesurer le couvert arboré. Les satellites peuvent indiquer avec précision où se trouvent les arbres à la surface de la planète et où ils sont absents. Mais déterminer si une zone est une forêt tropicale humide, une taïga boréale, une forêt sèche de feuillus ou une plantation en monoculture restait hors de portée de l’analyse automatisée depuis l’espace. Or cette distinction détermine la valeur d’un écosystème : sa biodiversité, sa capacité à absorber le carbone, sa résilience face au changement climatique et son importance pour les communautés locales.
Présenté sur le blog officiel de Google DeepMind, AlphaEarth Foundations dépasse cette limite fondamentale. Le système va au-delà du couvert arboré et classe les types d’écosystèmes forestiers à l’échelle mondiale. C’est un progrès qualitatif par rapport aux outils existants, comme Global Forest Watch ou les données issues des missions Copernicus de l’Agence spatiale européenne.
Comment fonctionne AlphaEarth Foundations ?
Le modèle s’appuie sur une base que DeepMind a développée dans le cadre de l’initiative plus vaste AlphaEarth, un ensemble de systèmes d’IA conçus pour modéliser en détail la surface de la Terre. Le terme « Foundations » n’est pas anodin : il s’agit d’un modèle de base pouvant être adapté à des tâches précises de télédétection, un peu comme les grands modèles de langage sont ajustés pour des usages professionnels particuliers.
Pour cartographier les forêts, le système a été entraîné à partir de données satellitaires couvrant différentes parties du spectre électromagnétique, combinées à des données de référence recueillies sur le terrain. Le modèle ne se contente pas de repérer la présence de végétation : il extrait des images satellitaires des signaux subtils liés au spectre, à la texture et à la phénologie, c’est-à-dire à l’évolution d’une zone au fil des cycles saisonniers. Ces motifs permettent, par exemple, de distinguer la forêt amazonienne d’une forêt secondaire ayant repoussé sur une parcelle déboisée, même si les deux zones peuvent sembler similaires sur une image ordinaire.
DeepMind insiste sur l’ampleur inédite du projet : le système fonctionne à l’échelle mondiale et n’est calibré ni pour un seul continent ni pour un seul type de biome. Les mêmes paramètres du modèle qui conviennent aux forêts équatoriales du bassin du Congo fonctionnent aussi bien pour la taïga sibérienne ou la steppe boisée d’Europe centrale.
Pourquoi cette cartographie compte pour le climat et l’environnement
Les conséquences de cette technologie dépassent largement la cartographie universitaire. Les cartes détaillées des types de forêts sont essentielles aux modèles climatiques. Le GIEC souligne depuis des années que les incertitudes dans l’estimation du CO₂ absorbé par les différents écosystèmes forestiers figurent parmi les principales sources d’erreur dans les projections du réchauffement. Les forêts tropicales et boréales absorbent le carbone de manière très différente et à des rythmes différents, alors que les cartes existantes les regroupaient souvent dans une même catégorie de « couvert forestier ».
Cette technologie pourrait aussi être utile à la politique environnementale de l’Union européenne, notamment au règlement sur la déforestation (EUDR). Celui-ci impose aux importateurs de vérifier que les produits ne proviennent pas de zones ayant fait l’objet de déforestation après 2020. Un outil donnant une image plus précise de l’évolution des forêts dans le monde pourrait contribuer à la vérification des chaînes d’approvisionnement.
La même logique s’applique au marché des crédits carbone. Le système d’échange de crédits liés aux forêts, qui représente des dizaines de milliards de dollars par an, souffre depuis des années du manque de données fiables pour vérifier les résultats. Les projets REDD+ (Réduction des émissions dues à la déforestation et à la dégradation des forêts) nécessitent de déterminer précisément quel type de forêt a été protégé et quelle est sa contribution à la séquestration du carbone. AlphaEarth Foundations pourrait fournir ces données de manière évolutive et reproductible.
Google · Vos sourcesPromptif plus haut dans Google - en un clicAjouter aux sources préférées →AlphaEarth, une plateforme plutôt qu’un simple produit
La stratégie de DeepMind autour de ce projet mérite attention. L’article du blog porte le tag « Science » et invite à en savoir plus, ce qui laisse entendre qu’une documentation technique complète, et éventuellement du code ou les poids du modèle, pourraient être mis à la disposition de la communauté scientifique. Cette démarche se distingue de celle des produits commerciaux de télédétection qui vendent des cartes comme un service sans dévoiler leur méthodologie.
DeepMind présente AlphaEarth Foundations comme un modèle de base pour l’observation de la Terre, que d’autres chercheurs et institutions pourraient adapter à leurs besoins. Si cette approche se concrétise, la technologie pourrait être utilisée par des services forestiers nationaux, des agences environnementales et des ONG qui surveillent la déforestation, sans qu’ils aient à construire leur propre infrastructure d’apprentissage automatique à partir de zéro.
La comparaison avec GPT-4, modèle de base qui sert à des centaines d’applications, n’est pas fortuite. DeepMind semble viser une position similaire dans le domaine de l’observation de la Terre : proposer un modèle assez général et puissant pour servir de socle à tout un écosystème d’applications environnementales.
Si AlphaEarth devient un outil de référence pour l’observation mondiale des écosystèmes forestiers, la question de savoir qui gère ces données et comment le faire prendra une dimension politique, et pas seulement écologique.
More on this from PROMPTIF
benchmarks·Modded-nanoRT : entraîner un modèle relationnel en 305 secondesUne nouvelle référence de speedrun pour les modèles relationnels promet d’atteindre un objectif de qualité avec un seul GPU.