Le 26 novembre 2025 - IBM et l'ESA¹ ont affiné leurs modèles multimodaux TerraMind à partir d’une base de données unique en son genre, conçue pour améliorer notre préparation et notre réponse aux catastrophes naturelles.

Les incendies de forêt qui ont battu tous les records l'année dernière en Bolivie ont ravagé une superficie équivalente à celle de la Grèce, provoquant le déplacement de milliers de personnes et entraînant des pertes considérables en termes de récoltes et de bétail. La cause de ces incendies a été attribuée au défrichage, au brûlage des pâturages et à une grave sécheresse survenue au cours de l'année la plus chaude jamais enregistrée sur Terre.

Les incendies de forêt en Bolivie ne sont qu'un exemple parmi des centaines d'autres événements extrêmes liés aux inondations et aux feux de forêt recensés dans une nouvelle base de données mondiale multimodale appelée ImpactMesh, mise à disposition en open source cette semaine par IBM Research en Europe et l'Agence spatiale européenne (ESA). Cette base de données est également multi temporelle, ce qui signifie qu'elle contient des clichés avant et après des zones inondées ou ravagées par les incendies. Les images ont été capturées au cours de la dernière décennie par les satellites en orbite autour de la Terre Copernicus Sentinel-1 et Sentinel-2.

Afin de fournir une image plus claire des changements à l'échelle du paysage, chacun des événements extrêmes de la base de données est représenté par trois types d'observations : des images optiques, des images radar et une carte d'altitude de la zone touchée. Lorsque les nuages d'orage et la fumée des incendies empêchent les capteurs optiques de voir l'étendue des inondations et des feux de forêt depuis l'espace, les images radar et l'altitude du terrain peuvent aider à révéler la gravité de ce qui vient de se passer.

Cette analyse par intelligence artificielle d'images capturées en 2018 par Sentinel-1 met en évidence une zone inondée du nord-est de la France en violet. Grâce à la comparaison d'images avant et après l'inondation, le modèle peut distinguer les zones inondées des zones humides et des cours d'eau existants.

Les modèles de fondation géospatiaux actuels sont pré-entraînés à partir d'images satellites brutes pour un lieu et un moment donnés, comme une abstraction du monde physique. Ils sont soit entraînés à partir d'images multi temporelles avant/après, comme les modèles Prithvi d'IBM et de la NASA, soit à partir de données de différentes modalités, comme le modèle TerraMind d'IBM et de l'ESA publié plus tôt cette année dans le cadre du programme FutureEO de l'ESA. La base de données ImpactMesh a été conçue pour fusionner ces deux approches afin de mieux mettre en évidence l'impact des inondations et des incendies.

Pour démontrer son potentiel, les chercheurs d'IBM et de l'ESA ont utilisé la base de données pour adapter leur modèle TerraMind précèdent à la cartographie des catastrophes naturelles. Lors des premières expériences, ils ont découvert qu'en ajustant le modèle à partir des données d'altitude, ainsi que des images optiques et radar d'une zone avant et après un incendie de forêt, TerraMind pouvait surpasser d'au moins 5 % les modèles entraînés uniquement à partir d'images Sentinel-2.

La base de données ImpactMesh d'IBM et de l'ESA est la première collection mondiale multimodale et multi temporelle d'images couvrant les crues extrêmes et les incendies de forêt de la dernière décennie.

Les inondations et les incendies de forêt représentent à eux deux près de la moitié des catastrophes naturelles enregistrées au cours de la dernière décennie, et les données suggèrent que ces événements s’aggravent à mesure que le climat de la Terre se réchauffe. Les modèles d'IA entraînés sur ImpactMesh pourraient être utilisés pour toute une série d'applications, depuis la planification de la réponse immédiate après une catastrophe jusqu'à l'évaluation des dégâts et la détermination des endroits où reconstruire (et ceux où ne pas reconstruire). La couverture unique de la base de données avant et après la catastrophe pourrait également être utile pour établir des cartes des risques plus précises.

« Notre objectif est de donner aux chercheurs et aux intervenants les moyens d'exploiter les données d'observation de la Terre pour cartographier les catastrophes plus rapidement et avec plus de précision », a déclaré Giuseppe Borghi, Responsable de la division Φ-lab de l’ESA. « C'est un pas en avant vers le renforcement de la résilience face à une planète en mutation. »

Sur cette carte des crues extrêmes en Australie en 2022, le modèle TerraMind d'IBM et de l'ESA, affiné à partir de la base de données ImpactMesh, a permis de repérer les zones inondées malgré une épaisse couverture nuageuse, à l'aide des images radar présentées à gauche.

La base de données ImpactMesh et les modèles TerraMind personnalisés s'inscrivent dans le cadre d'une collaboration continue entre IBM et l'ESA. En avril, les chercheurs ont publié leur modèle multimodal TerraMind, qui surpassait alors une douzaine d'autres modèles géospatiaux dans des tâches cartographiques courantes sur le benchmark communautaire PANGAEA.

Ce travail s'inscrit dans le cadre des efforts continus mené par IBM Research pour développer des modèles, des outils et des benchmarks open source de pointe en matière d'IA afin d’étudier notre planète.

« ImpactMesh pourrait établir une nouvelle norme en matière d'application de l'IA géospatiale aux catastrophes naturelles », a déclaré Juan Bernabe-Moreno, director of IBM Research Europe, Irlande et Royaume-Uni. « Grâce à des architectures de modèles avancées, à des données riches issues de l'observation de la Terre et à une collaboration ouverte, nous pouvons améliorer notre préparation et notre réponse aux événements extrêmes. »

En plus d'ImpactMesh, IBM et l'ESA lancent TerraKit, un logiciel open source qui facilite la création de bases de données géospatiales et l'optimisation des modèles d'IA à partir des informations les plus récentes. TerraKit peut être utilisé pour enrichir la collection de données d’ImpactMesh sur les inondations et les incendies de forêt, ou pour créer une nouvelle base de de données à partir de zéro.

Les modèles TerraMind récemment optimisés, ainsi qu'ImpactMesh, sont disponibles sur Hugging Face sous une licence Apache 2.0 permissive. « Nous espérons que les chercheurs pourront approfondir ces travaux et améliorer la manière dont nous suivons les catastrophes naturelles et y réagissons. », a déclaré Benedikt Blumenstiel, ingénieur logiciel chez IBM, qui a contribué à la création de la base de données et à l'ajustement des modèles.

À propos d’IBM

IBM est l'un des principaux fournisseurs mondiaux de Cloud hybride et d'IA, ainsi que d'expertise en matière de conseil. Nous aidons nos clients dans plus de 175 pays à capitaliser sur les connaissances issues de leurs données, à rationaliser leurs processus métier, à réduire leurs coûts et à acquérir un avantage concurrentiel dans leurs secteurs d'activité. Des milliers d’entités gouvernementales et entreprises dans des domaines d'infrastructures critiques tels que les services financiers, les télécommunications et les soins de santé font confiance à la plateforme Cloud hybride d'IBM et à Red Hat OpenShift pour impacter leurs transformations numériques rapidement, efficacement et en toute sécurité. Les innovations révolutionnaires d'IBM en matière d'IA, d'informatique quantique, de solutions Cloud spécifiques à certains secteurs et de conseil offrent des options ouvertes et flexibles à nos clients. Tout cela est soutenu par l'engagement de longue date d'IBM en matière de confiance, de transparence, de responsabilité, d'inclusivité et de service.

Pour en savoir plus : www.ibm.com/fr-fr 

Contacts Presse :