Revue #3 : L'intelligence artificielle au service des données Copernicus

Le Pôle Aerospace Valley, IdGeo et le CNES ont proposé une matinée pour mieux comprendre en quoi l’intelligence artificielle et les nouveaux développements des data science sont un levier de croissance pour les services s’appuyant sur les données spatiales.

Définir ce qu’est l’intelligence artificielle

Les distinctions entre « intelligence artificielle », « machine learning » (apprentissage automatique ou apprentissage statistique) et « deep learning » (apprentissage profond) sont importantes.

Historiquement apparu en 1950 avec Alan Turing, l’intelligence artificielle (IA) est une branche de l’informatique. Il s’agit de développer des programmes informatiques pour effectuer des tâches initialement confiées à des humains. Son but est donc de permettre à des ordinateurs de penser et d'agir comme des êtres humains. En ce sens, les algorithmes d’intelligence artificielle peuvent aborder l’apprentissage, la perception, la résolution de problèmes, la compréhension du langage et / ou le raisonnement logique. Or, l’IA telle que définie dans l’industrie serait plutôt “des algorithmes plus ou moins évolués qui imitent des actions humaines”.

Comme nous le montre le schéma ci-dessus, le Machine Learning, ou apprentissage automatique, est un sous-ensemble de l’intelligence artificielle. Avant elle, l’humain essayait d’apprendre aux ordinateurs les moindres détails de chaque décision qu’ils devaient prendre. Celle-ci développe une approche radicale : la machine apprend toute seule, en ingérant d’énormes quantités de données et en détectant des schémas récurrents.

Développé dans les années 80 mais réellement apparu en 2012, le deep learning est quant à lui un sous-ensemble du machine learning, développé à partir de la connaissance humaine des réseaux neuronaux.

Le programme Copernicus

Pour rappel, l‘oeuvre de l’astronome polonais Nicolas Copernic a ébranlé la vision médiévale du monde, en démontrant que toutes les planètes tournaient autour du Soleil, et en donnant à la Terre la place d’une planète comme les autres, dont la rotation sur elle-même donne l’alternance du jour et de la nuit.

Le programme de l’Union européenne Copernicus s’appuient sur des données émanant d’une constellation de satellites effectuant des millions d’observations quotidiennes, connus sous le nom de « Sentinels », ainsi que des capteurs terrestres, aériens et marins pour créer des images détaillées de la Terre.

Sur la base d’observations satellitaires et in situ, les services fournissent des données en temps quasi réel au niveau mondial, qui peuvent également être utilisées pour les besoins locaux et régionaux, afin de nous aider à mieux comprendre notre planète et à gérer durablement l’environnement dans lequel nous vivons

Copernicus garantit un accès total et gratuit aux données collectées de notre Terre, qui sont regroupées sous forme de six domaines : les terres, le milieu marin, l’atmosphère, le changement climatique, la gestion des urgences et la sécurité.

Cas d’usages et témoignages

Trois structures spécialisées dans les données satellites sont venues témoigner des nouveaux services de l’IA pour l’observation de la Terre.

Agenium Space tout d’abord, fabrique des drones pour l’agriculture. Cette start-up toulousaine accompagne les entreprises dans la génération de terrains et modèles 3D.

PixStart, qui est également une start-up toulousaine, travaille sur l’observation de la Terre grâce à des services satellites et des algorithmes d’intelligence artificielle.

Lab’OT enfin est l'observatoire du CNES dédié à l’observation de la Terre.

Les trois ont pu témoigner de l’importance des big data et du Deep Learning définis plus haut pour permettre à l’IA de développer de nouveaux services et de nouveaux modèles. Ceux-ci deviennent de plus en plus importants pour travailler sur de nouveaux modèles prédictifs dans le cadre de l’étude du réchauffement climatique.