30 avril 2021 – Que vous soyez en train d'effectuer une inspection à l'aide d'images satellites ou simplement de regarder des vidéos sur YouTube depuis votre canapé, l'apprentissage automatique est partout. Prenez par exemple Google, Facebook ou LinkedIn, dont les fonctions de recherche s'appuient sur divers algorithmes d'apprentissage automatique. Il en va de même pour Netflix ou Spotify, qui vous recommandent des séries, des films et de la musique en fonction de vos choix antérieurs. Même sur votre téléphone, lorsque vous utilisez par exemple Siri, Google Assistant ou Alexa, le Machine Learning est utilisé pour la reconnaissance vocale ou les recherches.
Bon nombre de ces fonctionnalités ont été conçues pour améliorer l'expérience utilisateur, mais elles peuvent aussi avoir l'effet inverse. Facebook a mis fin à un programme d'intelligence artificielle après que les développeurs ont découvert que celui-ci avait créé son propre langage, qu'ils ne parvenaient pas à comprendre. Des chercheurs du « Facebook AI Research Lab » (FAIR) ont découvert que les chatbots s'écartaient du script et communiquaient dans une nouvelle langue, sans intervention humaine.
Pourquoi le Machine Learning est-il nécessaire ?
Malgré le caractère imprévisible de cet exemple, le potentiel de l'apprentissage automatique est très clairement visible et a déjà fait ses preuves. L'« apprentissage automatique » est aujourd'hui un phénomène bien établi et son utilisation ne cesse de se développer dans le domaine géographique depuis quelques années. En 2018, Hexagon a lancé de nouvelles versions permettant d'effectuer des analyses par apprentissage automatique et apprentissage profond sur des données géographiques. Pourtant, les tout premiers algorithmes d'apprentissage automatique datent déjà de plus de soixante ans. On peut se demander ce qui rend l'apprentissage automatique si important et pertinent aujourd'hui. La réponse est tout simplement « les données ».
Dans ce monde en constante évolution, les volumes de données ne cessent d'augmenter. Toutes ces données nécessitent de plus en plus d'espace de stockage, de puissance de calcul et d'expertise pour pouvoir être structurées. Le recours à l'apprentissage automatique est donc inévitable. Le concept d'apprentissage automatique repose sur l'utilisation de statistiques et de techniques mathématiques qui permettent aux ordinateurs d'apprendre sans que chaque étape doive être explicitement programmée.
De nos jours, le Machine Learning offre de nombreuses possibilités dans le domaine géospatial. Ces fonctionnalités sont mises à disposition grâce au « Spatial Modeler » intégré à ERDAS ou GeoMedia® de la division GéospatialeHexagon, et cela se reflète dans les applications mises en œuvre par divers utilisateurs.
De nos jours, presque tout le monde utilise inconsciemment une forme ou une autre d'apprentissage automatique. C'est également le cas dans le domaine géospatial.
Les tâches quotidiennes simplifiées
Le travail mené au sein des agences de l'eau constitue un bel exemple d'application du Machine Learning dans nos solutions d'intelligence géographique. À l'instar de nombreuses autres administrations publiques, les agences de l'eau s'emploient activement à numériser des processus chronophages. L'inspection des voies navigables, également appelée « inspection », en est un exemple. Celle-ci peut être partiellement automatisée en intégrant l'intelligence artificielle dans le traitement des données, grâce à l'utilisation d'images satellites.
Les techniques d'apprentissage automatique sont utilisées pour classer les cours d'eau sur des images satellites en vue d'une évaluation automatisée. L'intégration d'algorithmes dans des modèles d'analyse permet de détecter automatiquement les anomalies dans les cours d'eau, sans qu'il soit nécessaire de procéder à une inspection sur le terrain. Et ce n'est là qu'un exemple parmi la multitude de possibilités offertes par l'apprentissage automatique.
Cette technique a donné naissance à la solution Schouw M.App, un système de gestion utilisé par plusieurs agences de l'eau dans le cadre de leurs processus d'inspection. L'agence de l'eau Drents Overijsselse Delta, entre autres, utilise cette solution pour effectuer ses inspections depuis ses bureaux. Les inspections sont menées de manière beaucoup plus ciblée, ce qui permet une utilisation plus efficace des ressources humaines, du temps et des fonds.
L'importance des données
Les données sont la clé d'une mise en œuvre efficace et précise. Pour cela, il est essentiel que les données saisies soient correctes. Si les données de base utilisées dans les analyses sont erronées, les résultats obtenus ne seront pas fiables. Il est donc plus crucial que jamais que les données sources soient « ABC » : actuelles, fiables et complètes. Si, au sein d'une zone de gestion donnée (comme l'emplacement des cours d'eau dans une agence de l'eau), les données sont erronées, cela peut entraîner un taux d'erreur considérable.
C'est pourquoi il faut d'abord corriger ces erreurs. Grâce à plusieurs modèles spécifiques intégrés à notre solution de détection des anomalies DELTA, il est possible de détecter automatiquement les écarts et de les soumettre à un gestionnaire. En effectuant ces analyses de manière automatisée sur l'ensemble d'une superficie, un gestionnaire sait exactement où se trouvent les anomalies et peut ainsi travailler de manière ciblée à leur correction et à leur mise à jour. Cette technique peut également être appliquée pour détecter des changements dans différents registres de base et registres principaux.
La prochaine étape
Bien que ces exemples soient déjà mis en œuvre au sein de diverses organisations, nous n'en sommes encore qu'aux prémices de ces possibilités prometteuses. Dans le domaine géospatial, cette technologie en est encore à ses balbutiements, mais elle continuera à se développer et à s'améliorer, car les possibilités sont infinies. Chez IMAGEM également, les développements IMAGEM leur plein et des technologies intéressantes sont disponibles.
Plus d'informations
Harald est consultant en affaires chez IMAGEM. Il fait le lien entre les aspects commerciaux, opérationnels et techniques, et s'occupe des besoins concrets des clients. Il collabore avec les développeurs pour mettre au point des solutions destinées au secteur de l'ordre public et de la sécurité, aux établissements d'enseignement ou digital twins.
Vous souhaitez en savoir plus à ce sujet ? Envoyez un e-mail à Harald ou laissez-nous un message via notre formulaire de contact.
Harald Görtz
Consultant en gestion
