Un nouveau modèle fondation d’intelligence artificielle, baptisé TerraMind, vient d’être publié en open source sur Hugging Face. Il a été conçu pour répondre à une question centrale pour la recherche environnementale : comment permettre à une IA de mieux comprendre notre planète ?
Développé dans le cadre d’une initiative coordonnée par l’Agence spatiale européenne (ESA), TerraMind est le fruit d’une collaboration entre plusieurs partenaires de recherche, dont des scientifiques du Centre de supercalcul de Jülich, de l’agence spatiale allemande DLR, de KP Labs, et de chercheurs en IA. L’objectif affiché : rendre l’observation de la Terre plus accessible, plus performante et surtout plus reproductible, grâce à une base technologique ouverte.
Une approche open source pour une meilleure transparence scientifique
TerraMind est publié en licence libre, accompagné de ses poids et de sa documentation sur la plateforme Hugging Face. Il a été préentraîné sur TerraMesh, un jeu de données massif aligné spatio-temporellement, constitué de 9 millions d’échantillons couvrant toutes les zones géographiques et neuf modalités différentes : données satellites, géomorphologie, végétation, usage des sols, métadonnées textuelles ou encore données de localisation.
L’initiative vise à favoriser une meilleure compréhension des systèmes terrestres, notamment pour des cas d’usage cruciaux : cartographie des ressources, suivi environnemental, détection des risques climatiques, prévision des pénuries d’eau, et analyse multicapteurs.
L’approche multimodale et ouverte de TerraMind offre une base solide à la communauté scientifique, qui jusqu’ici manquait d’un modèle fondation accessible, capable de travailler avec des données géospatiales aussi diverses.
Une IA entraînée pour raisonner, générer et s’adapter
TerraMind se distingue par une architecture transformeur encodeur-décodeur symétrique, pensée pour traiter aussi bien des images que du texte ou des signaux structurés. Grâce à son mécanisme de « Thinking-in-Modalities » (TiM), le modèle peut générer des données artificielles à partir de données existantes, améliorant ainsi sa capacité d’apprentissage en contexte.
Cette méthode de self-tuning permet à TerraMind d’exceller dans des tâches comme la classification de la couverture terrestre, la détection de changements, ou encore la surveillance environnementale à partir de multiples sources. Testé sur des benchmarks standards comme PANGAEA, il surpasse de 8 % les performances des autres modèles d’observation de la Terre, tout en étant plus léger en calcul (10 fois moins coûteux par modalité).
Une étape vers l’IA climatique de demain
La majorité des modèles géospatiaux actuels s’appuient sur des données éparses et non intégrées. Les données satellitaires, par exemple, sont utiles à long terme mais peu adaptées à des événements rapides comme des inondations ou des incendies. TerraMind comble cette lacune, en permettant une vue unifiée et cohérente des conditions de la surface terrestre, y compris dans des contextes où chaque jour ou chaque heure compte.
L’initiative s’inscrit dans une dynamique plus large de science ouverte promue par l’ESA et d’autres agences spatiales comme la NASA. Les modèles comme TerraMind, mais aussi Prithvi ou Granite, font partie d’un effort collectif pour construire des outils d’analyse robustes, éthiques et réutilisables par les gouvernements, les chercheurs et les entreprises.
Le projet TerraMind est un tournant majeur pour l’écosystème IA open source appliqué à la géographie et au climat. Il ouvre la voie à de nouveaux usages, tout en soulignant l’importance croissante de la collaboration interinstitutionnelle dans un domaine aussi critique que l’observation de la Terre.
Si le sujet vous intéresse, vous pouvez lire l’article technique sur arXiv et découvrir le jeu de données TerraMesh.
