Sixième réunion de la CoP DS & AI

CoP Geodata Science & AI: retour sur la réunion

Le groupe de travail Geodata Science de l’organe de coordination de la géoinformation au niveau fédéral (GCS) a organisé cette rencontre dans le cadre de la série CoP Data Science and Artificial Intelligence de l’administration fédérale.

• Christine Choirat (OFS-DSCC) et Tobias Kellenberger (GCS, swisstopo) ont ouvert la rencontre par un discours de bienvenue et une introduction.
• Dans son exposé phare intitulé GeoAI for modeling and predicting human mobility, Martin Raubal (Institut de cartographie et de géoinformation, EPF Zurich) a expliqué comment l’intelligence artificielle géospatiale (GeoAI) et les grands jeux de données spatio-temporelles permettent de mener des études détaillées sur les comportements de la population en matière de mobilité et leurs répercussions sociales. Il a notamment présenté le modèle MobilityGen, qui génère des séquences s’étalant sur plusieurs jours et regroupant le lieu, l’heure, la durée et le moyen de transport, tout en apprenant les schémas liés aux déplacements et aux comportements.
• Lorenz Joss (Topographie, swisstopo) a présenté les étapes de mise en œuvre de l’apprentissage automatique dans la production de géodonnées. À partir du cas d’utilisation Change Detection Relevance Classifier, il a montré comment les modèles d’apprentissage automatique sont intégrés au processus de production – de la mise à disposition des données via l’infrastructure de service de tuiles par apprentissage automatique à la validation technique des résultats. Une conclusion essentielle: la plus grande partie du travail ne concerne pas le modèle lui-même, mais son intégration et son exploitation. La qualité du modèle ne détermine pas à elle seule son utilité en ce qui concerne la production.
• Laszlo Etesi (Ateleris GmbH) a présenté L’IA de pointe de bout en bout sur drone: un précurseur de la reconnaissance d’objets en orbite. Ce projet en trois phases (cas d’utilisation et traitement d’images en 2022, collecte de données et étude de faisabilité en 2023, intégration et démonstration en temps réel au moyen d’un drone en 2024) a mis en évidence les défis liés à des ressources limitées (puissance de calcul, mémoire, énergie, bande passante) et à des conditions environnementales difficiles (rayonnement, dégagement de chaleur). L’adaptation de domaine entre les données de laboratoire et leur utilisation a été identifiée comme un obstacle majeur. Il est essentiel de disposer de données d’entraînement hétérogènes et réalistes.
• Gregory Churko (Agroscope) a présenté la modélisation des probabilités de répartition de onze espèces d’amphibiens en Suisse ainsi que des couloirs de migration entre leurs sites de reproduction. Cette analyse s’est appuyée sur les données d’observation des espèces recueillies au cours des 25 dernières années (info fauna – karch), ainsi que sur vingt couches de données relatives à l’utilisation et la couverture des sols, et sur les cartes d’altitude et des surfaces potentiellement humides de swisstopo. Les modèles d’adéquation des habitats (BioMod2, multi-échelle, approche multimodale: GLM, forêt d’arbres décisionnels, arbres de régression boostés) ont été validés par des études de génétique du paysage. Les résultats sont disponibles sur map.geo.admin.ch et Zenodo.
• Stijn Vermeeren (Service géologique national, swisstopo) a présenté l’extraction automatisée de données géologiques structurées à partir de profils de forage analogiques et numériques (scans, PDF, OCR, traitement intelligent de documents). L’approche par pipeline utilise AWS Textract (ou un outil équivalent) pour la reconnaissance de texte, l’analyse de mise en page de celui-ci (quatre types de mise en page prédéfinis) et pour une extraction basée sur des règles avec des mots-clés configurables. Elle est disponible dans les langues suivantes: français, allemand, italien et anglais. Les unités (profondeur en mètres) et les systèmes de coordonnées (LV03/LV95) sont standardisés. Le code open source est disponible sur GitHub (swisstopo/swissgeol-boreholes-dataextraction).
• Andreas Rupf (SPEKTRUM Partner GmbH) a présenté KI‑gestützte Interessenabwägung – ein produktiver Einsatz von Geodaten in der Raumplanung (la pesée des intérêts assistée par l’IA: une utilisation productive des données géographiques dans l’aménagement du territoire). Un agent LLM doté de quatre outils (swisstopo_search, oereb_get_extract, parzelle_geodaten, rechtsprechung_suchen) interroge des géoservices ouverts et lisibles par machine (api3.geo.admin.ch, cadastre RDPPF, inventaires fédéraux, géoservices cantonaux, OFS/opendata.swiss, arrêts du Tribunal fédéral), structure les zones concernées et établit des liens entre les sources. La répartition des tâches: l’agent recense les géodonnées, les zones concernées, le catalogue des intérêts et établit des liens entre les sources; la personne évalue la situation d’un point de vue technique, pèse le pour et le contre, motive sa décision et en assume la responsabilité sur les plans politique et juridique.

La partie officielle s’est achevée par une séance plénière, suivie d’un buffet, que la communauté de pratique Geodata Science a mis à profit pour discuter des bonnes pratiques, partager des connaissances et réseauter.

Pour plus d’informations, veuillez contacter Tobias Kellenberger, responsable de l’ancien groupe de travail Geodata Science (tobias.kellenberger@swisstopo.ch, +41 58 469 03 09).