L'Intelligence Artificielle au Service de l'Intelligence Territoriale

L’Institut national de l'information géographique et forestière (IGN), établissement public placé sous la double tutelle du Ministère de la Transition écologique et du Ministère de l'Agriculture et de la Souveraineté alimentaire, traverse aujourd'hui une transformation numérique en profondeur. L'époque de la simple production de cartes historiques statiques est révolue.

Face à l'urgence climatique et aux besoins croissants des décideurs, l'IGN fait évoluer ses missions de service public pour se positionner comme le "cartographe de l'anthropocène". Son objectif n'est plus seulement d'observer rétrospectivement, mais de mesurer, d'archiver et de modéliser le territoire de manière proactive. Dans cette dynamique, l'Intelligence Artificielle (IA) s'impose comme un allié technologique incontournable pour détecter rapidement les changements liés à l'urbanisation, à la biodiversité, à l'énergie ou encore à l'érosion du littoral.

Sous l'impulsion de son département innovation et partenariat industriel, dirigé par Rudy Cambier, l'Institut déploie une stratégie ambitieuse et des cas d'usage concrets pour mettre l'IA à l'échelle nationale.

Une Stratégie IA au Cœur des Politiques Publiques

La mission de l'IGN évolue vers une véritable "offre d'appui aux politiques publiques". Il ne s'agit plus de travailler de manière descendante (verticale), mais horizontale, dans une logique de co-construction avec les acteurs des territoires.

Pour y parvenir, l'IGN a déployé une feuille de route IA articulée autour de trois axes et d'une conviction éthique :

1. Renforcer les capacités techniques pour conduire de grands projets d'automatisation.
2. Adopter une approche itérative : mener des expérimentations à petite échelle avant d'envisager le passage à l'échelle sur la France entière.
3. Faire communauté : participer activement aux écosystèmes ouverts d'IA, car les enjeux de la data sont aujourd'hui trop vastes pour être traités en vase clos.
4. Garantir une IA éthique : l'IGN, en tant que service public, porte une attention particulière à l'éthique algorithmique et à ce que les modèles révèlent de l'information délivrée.

Cas d'Usage N°1 : Le Suivi de l'Occupation des Sols (OCS)

Le chantier le plus emblématique de cette stratégie concerne la cartographie et le suivi de l'occupation des sols, un outil indispensable notamment pour répondre aux exigences du "Zéro Artificialisation Nette" (ZAN). L'IGN y a concentré ses investissements prioritaires.

Grâce au Deep Learning, les algorithmes apprennent à reconnaître automatiquement des bâtiments, des arbres, des surfaces bitumées ou des cultures. La valeur ajoutée est immense : là où le traitement classique prenait des mois, l'IA systématise et accélère le passage de l'image brute à la cartographie. Cette finesse permet de résoudre des cas complexes, comme l'identification des friches agricoles, là où des méthodes plus anciennes (comme le Random Forest) montraient leurs limites.

Cependant, expérimenter un modèle sur 2000 ou 3000 mètres carrés est une étape ; le généraliser sur les 550 000 km² du territoire métropolitain en garantissant la fiabilité des données en est une autre.

Cas d'Usage N°2 : LIDAR, Forêts et Agriculture

L'usage de l'IA à l'IGN ne s'arrête pas à l'imagerie 2D.

Le traitement LIDAR 3D : L'IGN mobilise les réseaux de neurones profonds pour automatiser le classement (sémantisation) des immenses nuages de points issus de la technologie LIDAR. Bien que l'IA accélère le traitement, il ne s'agit pas d'une "boîte noire" activable instantanément : entre la preuve de concept (POC) et la mise en production, il s'écoule généralement un an à un an et demi de travail de préparation et de paramétrage.

Agriculture et Forêts : L'IGN applique des méthodes similaires à l'analyse de séries temporelles optiques pour l'agriculture, ainsi qu'à la cartographie forestière. L'IA permet notamment d'effectuer un suivi pointu de la santé des forêts et d'identifier automatiquement les différentes essences d'arbres.

Les Défis de l'IA : Données, Ressources Humaines et Écologie

L'intégration de l'IA a provoqué un bouleversement organisationnel majeur au sein de l'IGN.

Le défi des données d'apprentissage : L'IA est extrêmement "gourmande" en données. Pour entraîner un modèle robuste à l'échelle nationale, il faut un travail titanesque en amont.

La guerre des talents (RH) : Partant d'assez loin, l'IGN a dû recruter une trentaine d'experts en IA et créer des équipes de recherche. En tant qu'établissement public, il est difficile de s'aligner financièrement sur les géants du privé. L'IGN attire donc ses talents grâce à sa "proposition de valeur" : le sens du service public, la transition écologique, l'approche Open Source et sa forte crédibilité scientifique (via son école, l'ENSG, et son laboratoire LaSTIG). Aujourd'hui, les équipes sont pluridisciplinaires, mêlant data scientists, développeurs, géomaticiens et photo-interprètes historiques.

Le paradoxe écologique et la sobriété technologique : Le Deep Learning requiert des processeurs spécifiques et des puissances de calcul colossales, dont la consommation énergétique est exponentielle. Face aux tensions économiques et à ses propres missions écologiques, l'IGN travaille sur une "IA by design" (ou IA éthique) visant à sélectionner des modèles plus frugaux pour réduire cette empreinte carbone.

L'Ouverture aux Écosystèmes : "Faire Avec" (CoSIA et FLAIR)

Refusant la posture d'une institution centralisatrice, l'IGN soutient activement les écosystèmes ouverts. L'objectif est double : bénéficier de l'intelligence collective et abaisser les barrières à l'entrée technologiques pour éviter la concentration des pouvoirs dans le seul secteur privé de l'IA.

Le programme CoSIA

Pour les communautés géomatiques ou les collectivités locales ne disposant pas de fortes ressources en IA, l'IGN a développé le prototype CoSIA.

Ce prototype est aujourd'hui réutilisé par des agences d'urbanisme et des associations pour calculer des index de végétation, planifier l'installation de canopées urbaines ou étudier les continuités écologiques.

Le Challenge FLAIR et les "Actifs Géo-IA"

En collaboration avec le CNES (lors de la 2ème année), l'IGN a lancé le challenge scientifique FLAIR (French Land cover from Aerospace ImageRy). L'institut a mis à disposition un jeu de données titanesque : plus de 20 milliards de pixels annotés sur 50 départements et 19 classes d'occupation. Des acteurs très variés, allant des laboratoires du CNRS jusqu'à des industriels comme Airbus ou Alibaba, sont venus "jouer" et entraîner leurs algorithmes sur ces données.

Aujourd'hui, l'IGN publie ses codes, ses jeux de données massifs (LIDAR, forêts, agriculture) et ses modèles sous forme d'actifs "GeoAI" ouverts sur la plateforme Hugging Face. Cette stratégie collaborative permet d'améliorer l'état de l'art tout en influençant positivement l'agenda de la recherche scientifique.

Conclusion : Cartographier pour Anticiper

Interpellé sur l'utilisation du terme "anthropocène" — qui s'étend théoriquement sur 12 000 ans (Holocène) —, l'IGN assume un léger biais de communication. L'Institut n'a pas vocation à faire une modélisation rétrospective sur des millénaires.

Au contraire, face au dérèglement climatique qui s'accélère, la cartographie statique d'hier (mise à jour tous les 3 ou 4 ans) ne suffit plus. En devenant le cartographe du monde actuel, dopé à la donnée spatiale et à l'Intelligence Artificielle, l'IGN se dote d'un véritable outil de vigie. L'objectif est clair : raccourcir les cycles d'observation, modéliser les bouleversements récents de nos paysages, et surtout, simuler les futurs scénarios d'adaptation pour aménager durablement nos territoires.