Observer une forêt, repérer des bâtiments, suivre l’évolution d’une infrastructure ou identifier des zones exposées à un risque naturel : les images satellites contiennent une quantité considérable d’informations. Encore faut-il savoir les exploiter. C’est précisément le problème auquel s’attaque Picterra, une plateforme suisse qui utilise l’intelligence artificielle pour analyser automatiquement des images de la Terre.
Basée à Genève, l’entreprise s’inscrit dans un secteur en pleine évolution : celui de l’intelligence géospatiale. Son ambition est de rendre l’analyse d’images satellites accessible à des organisations qui ne disposent pas nécessairement d’une équipe de data scientists ou de spécialistes en télédétection.
Le principe est simple à comprendre, mais techniquement exigeant : au lieu de demander à un algorithme de reconnaître uniquement des objets prédéfinis, l’utilisateur peut lui apprendre à détecter ce qui l’intéresse à partir d’exemples. Une approche qui transforme progressivement l’image satellite en outil opérationnel.
De l’image satellite à la décision
Les satellites produisent aujourd’hui des volumes considérables de données. Certaines images permettent d’observer la surface terrestre avec une résolution de quelques dizaines de centimètres, tandis que d’autres fournissent des informations sur la végétation, l’humidité des sols, la température ou les changements survenus au fil du temps.
Le défi n’est donc plus seulement d’obtenir une image. Il consiste à en extraire rapidement une information fiable.
Un opérateur peut, par exemple, vouloir savoir :
- où se trouvent les panneaux solaires installés sur les toits d’une région ;
- quelles zones forestières ont subi des dégâts après une tempête ;
- comment évolue l’occupation du sol autour d’une ville ;
- où apparaissent de nouvelles constructions ;
- quelles parcelles agricoles présentent des signes de stress hydrique ;
- quels tronçons de route ou de voie ferrée nécessitent une inspection complémentaire.
Répondre à ces questions manuellement peut prendre des semaines, voire des mois. L’intelligence artificielle permet de réduire considérablement ce délai en analysant de grandes surfaces et en signalant les éléments recherchés.
Picterra se positionne à cette étape intermédiaire : entre la donnée brute fournie par les satellites et la décision prise par une entreprise, une collectivité publique ou une organisation humanitaire.
Une plateforme pensée pour les utilisateurs de terrain
La particularité de Picterra tient à son approche dite « no-code ». L’utilisateur n’a pas besoin d’écrire lui-même les lignes de code nécessaires pour entraîner un modèle d’intelligence artificielle. Il sélectionne des images, indique à la plateforme ce qu’il souhaite détecter, puis construit un modèle de reconnaissance à partir de ces exemples.
Imaginons une équipe chargée de cartographier les serres agricoles dans une région. Elle peut fournir à l’outil plusieurs exemples de serres visibles sur des images satellites. Le système analyse ces caractéristiques — forme, taille, contraste, environnement — puis recherche des objets comparables sur une zone beaucoup plus vaste.
Le fonctionnement reste itératif. L’utilisateur examine les résultats, corrige les erreurs et enrichit les exemples. Le modèle devient alors plus précis pour le contexte étudié. Cette logique est importante : une serre située dans le canton de Vaud ne ressemble pas forcément à une serre installée dans une région méditerranéenne ou en Afrique de l’Est.
L’intelligence artificielle ne remplace donc pas complètement l’expertise humaine. Elle permet plutôt de la concentrer là où elle apporte le plus de valeur : la définition du problème, la validation des résultats et l’interprétation des données.
Pourquoi la Suisse est un terrain intéressant
La Suisse possède plusieurs atouts dans le domaine de l’intelligence géospatiale. Elle bénéficie d’un écosystème solide dans les technologies de précision, les sciences de la Terre, les systèmes d’information géographique et la recherche appliquée.
Le pays compte également des acteurs publics et privés qui utilisent régulièrement des données cartographiques : communes, bureaux d’ingénieurs, entreprises de construction, exploitants d’infrastructures, compagnies d’assurance ou organisations environnementales.
À l’échelle de la Suisse romande, la proximité entre les hautes écoles, les centres de recherche et les entreprises technologiques facilite les collaborations. Genève, notamment, accueille un environnement international propice aux projets liés à l’aide humanitaire, au climat et à la gouvernance des territoires. Ces domaines ont tous besoin d’informations précises, actualisées et comparables.
La localisation suisse de Picterra ne constitue donc pas un simple élément de communication. Elle reflète un environnement où la qualité des données, la protection des informations et la rigueur méthodologique sont particulièrement valorisées.
Des applications qui dépassent largement la cartographie
Le potentiel de la plateforme repose sur la diversité des objets et des phénomènes pouvant être détectés. L’analyse d’images satellites ne se limite pas à « regarder la Terre depuis l’espace ». Elle peut soutenir des opérations très concrètes.
Agriculture et gestion des ressources
Dans l’agriculture, les images satellitaires servent déjà à suivre la croissance des cultures, à repérer des variations de végétation ou à estimer les besoins en intervention. Une analyse automatisée peut aider à identifier des parcelles présentant des caractéristiques inhabituelles et à orienter les agronomes vers les zones prioritaires.
L’objectif n’est pas nécessairement de remplacer les observations de terrain. Il s’agit plutôt de mieux cibler les déplacements et d’éviter d’inspecter de manière uniforme des centaines ou des milliers d’hectares.
Forêts et environnement
Le suivi des forêts constitue une autre application importante. Les algorithmes peuvent contribuer à repérer des zones déboisées, des changements de couverture végétale ou des dommages provoqués par des incendies et des événements météorologiques extrêmes.
Pour les collectivités et les associations environnementales, disposer d’une cartographie régulière facilite le suivi des engagements de protection des écosystèmes. Les images satellites offrent aussi un regard indépendant dans les régions difficiles d’accès.
Infrastructures et aménagement du territoire
Les gestionnaires de réseaux doivent surveiller des milliers de kilomètres de routes, de lignes électriques, de voies ferrées ou de pipelines. Une plateforme d’analyse automatique peut signaler des transformations autour d’une infrastructure : apparition de bâtiments, défrichement, mouvements de terrain ou changement dans l’utilisation des sols.
Une alerte ne constitue pas une preuve définitive de problème. Elle indique qu’une vérification mérite d’être effectuée. Cette distinction est essentielle : l’intelligence artificielle sert ici à prioriser les inspections, pas à prendre seule une décision technique ou réglementaire.
Aide humanitaire et gestion des crises
Après une catastrophe naturelle, le temps est un facteur déterminant. Les images satellites peuvent fournir une vision d’ensemble d’une zone touchée par une inondation, un séisme ou un glissement de terrain. L’analyse automatisée aide à repérer les bâtiments endommagés, les routes coupées ou les secteurs isolés.
Dans ce contexte, la valeur de l’outil tient autant à sa rapidité qu’à sa capacité à travailler sur des territoires difficiles à parcourir. Les équipes sur le terrain peuvent alors concentrer leurs efforts sur les zones les plus urgentes.
Apprendre à une machine ce que l’on cherche
L’un des aspects les plus intéressants de Picterra est la possibilité de créer des détecteurs adaptés à un besoin spécifique. Cette logique contraste avec les applications grand public de reconnaissance d’images, qui identifient généralement des catégories très générales comme une voiture, un arbre ou un bâtiment.
Dans un contexte professionnel, la question est souvent beaucoup plus précise : reconnaître un type particulier de toiture, distinguer une culture d’une autre, repérer une installation industrielle ou identifier un modèle de structure dans un environnement donné.
Pour entraîner un modèle, il faut toutefois disposer d’exemples suffisamment représentatifs. Si les images sélectionnées sont trop homogènes, l’algorithme risque de fonctionner correctement dans une situation et de se tromper dans une autre. Un modèle entraîné uniquement sur des images prises en été pourrait, par exemple, être moins performant lorsque la couverture végétale change.
Cette étape rappelle une réalité souvent oubliée dans les projets d’intelligence artificielle : la qualité du résultat dépend largement de la qualité du problème posé et des données utilisées. La technologie accélère l’analyse, mais elle ne dispense pas de méthode.
Les limites à garder en tête
Les promesses de l’intelligence géospatiale sont importantes, mais elles doivent être examinées avec pragmatisme. Plusieurs facteurs peuvent influencer la précision d’un modèle.
- La résolution des images : un objet de petite taille peut être impossible à distinguer sur une image à faible résolution.
- La couverture nuageuse : les nuages peuvent masquer une partie du territoire et compliquer les comparaisons.
- La saison : la lumière, la végétation et les conditions météorologiques modifient l’apparence des surfaces.
- Le contexte géographique : un modèle performant dans une région peut nécessiter un nouvel entraînement ailleurs.
- Les faux positifs : l’algorithme peut signaler un élément qui ressemble à la cible sans en être un.
- La validation humaine : les résultats doivent être contrôlés avant toute décision ayant des conséquences importantes.
Ces limites ne sont pas propres à Picterra. Elles concernent l’ensemble des solutions d’analyse automatisée d’images. Elles montrent surtout qu’un bon projet repose sur une combinaison entre outil numérique, expertise métier et contrôle de la qualité.
Une technologie qui pose aussi des questions de confiance
Analyser la surface terrestre à grande échelle soulève des enjeux liés à la gouvernance des données. Qui possède les images ? Comment sont-elles stockées ? Quels utilisateurs peuvent accéder aux résultats ? Quelle traçabilité conserver lorsqu’une décision s’appuie sur une détection algorithmique ?
Ces questions prennent une importance particulière dans les domaines de la surveillance des infrastructures, de l’aménagement du territoire ou de la sécurité. Une carte produite automatiquement peut donner une impression de précision absolue, alors qu’elle repose toujours sur des hypothèses, des paramètres et une marge d’erreur.
Pour les organisations qui adoptent ce type de solution, la transparence du processus est donc aussi importante que la performance technique. Il faut savoir quelles données ont été utilisées, comment le modèle a été entraîné et dans quelles conditions ses résultats restent fiables.
Un exemple de digitalisation concrète
Picterra illustre une tendance plus large de la digitalisation : les outils les plus utiles ne sont pas toujours ceux qui font le plus de bruit. Une plateforme spécialisée dans l’analyse d’images satellites peut sembler éloignée du quotidien. Pourtant, ses applications concernent des sujets très concrets : l’entretien des réseaux, la protection des forêts, la planification urbaine ou la réponse aux catastrophes.
La valeur créée ne vient pas uniquement de l’intelligence artificielle. Elle réside dans la capacité à transformer une donnée complexe en information exploitable par une équipe qui doit agir.
C’est peut-être là le principal enseignement du modèle Picterra. Pour démocratiser une technologie avancée, il ne suffit pas de développer un algorithme performant. Il faut aussi réduire la complexité d’utilisation, intégrer les besoins des métiers et permettre aux utilisateurs de comprendre les résultats.
La Suisse romande comme laboratoire d’innovations utiles
Avec Picterra, la Suisse romande dispose d’un exemple révélateur de son potentiel dans les technologies de pointe. L’innovation ne se limite pas aux grands groupes ou aux projets de recherche fondamentale. Elle peut aussi prendre la forme d’une plateforme spécialisée, conçue pour résoudre un problème précis et applicable à plusieurs secteurs.
À mesure que les données satellitaires deviennent plus accessibles et que les coûts d’analyse diminuent, les entreprises, les collectivités et les associations pourront mieux observer les transformations de leur environnement. Reste à savoir comment elles utiliseront ces informations : pour réduire les coûts, améliorer la planification, protéger les ressources ou intervenir plus rapidement en cas de crise.
Une chose est certaine : les satellites ne servent plus seulement à produire de belles images de la planète. Avec des outils comme Picterra, ils deviennent des instruments d’analyse capables d’éclairer des décisions très terrestres.