GeoAI expliqué : extraire des empreintes bâties depuis l'imagerie NAIP avec U-Net, Grounding DINO, SAM et Mask R-CNN

Ce tutoriel détaille la construction complète d'un pipeline GeoAI pour extraire automatiquement les contours des bâtiments à partir d'images aériennes haute résolution NAIP (National Agriculture Imagery Program). Le workflow, package dans la bibliothèque open source geoai-py, s'exécute typiquement sur Google Colab avec un GPU T4. Il démarre par le téléchargement d'un raster d'entraînement et de ses étiquettes vectorielles (polygones de bâtiments) depuis un jeu de données hébergé sur Hugging Face, puis génère des tuiles géoréférencées de 512 pixels avec un pas de 256 pixels ainsi que les masques de segmentation correspondants. Un modèle U-Net doté d'un encodeur ResNet-34 pré-entraîné sur ImageNet est ensuite entraîné sur douze époques, avec un taux d'apprentissage de 1e-3, un batch de huit images et 20% des données réservées à la validation. Une fois entraîné, le modèle est appliqué par inférence en fenêtre glissante sur une scène totalement inédite pour tester sa capacité de généralisation. Les masques prédits sont ensuite convertis en polygones nettoyés et régularisés, avant que les métriques classiques de qualité en segmentation, l'IoU et le score F1, ne soient calculées pour évaluer la précision des contours obtenus.

Ce tutoriel illustre concrètement comment l'IA générative et la vision par ordinateur transforment l'analyse des données satellitaires et aériennes, un secteur clé pour l'urbanisme, l'assurance, la gestion des risques ou encore la planification des infrastructures. Au-delà de l'approche classique par segmentation sémantique entraînée sur mesure, les auteurs comparent plusieurs stratégies alternatives: la segmentation en zero-shot combinant Grounding DINO, un modèle de détection guidé par texte, et SAM (Segment Anything Model) de Meta, ainsi qu'un modèle Mask R-CNN pré-entraîné pour la segmentation d'instances. Cette mise en concurrence de méthodes permet aux praticiens de choisir l'approche la plus adaptée selon qu'ils disposent ou non de données annotées spécifiques à leur zone géographique, un enjeu majeur puisque l'annotation manuelle de bâtiments reste coûteuse et chronophage à grande échelle.

Le tutoriel va plus loin en démontrant que le même pipeline s'applique à des zones réelles, en s'appuyant sur des images NAIP fournies par le Microsoft Planetary Computer et des étiquettes de bâtiments issues d'Overture Maps, un projet collaboratif de données cartographiques ouvertes soutenu par des géants comme Meta, Microsoft, Amazon et TomTom. Cette approche reproductible, entièrement scriptée en Python avec des bibliothèques comme geopandas, rasterio et PyTorch, s'inscrit dans une tendance plus large de démocratisation des outils de télédétection par IA, où des modèles de fondation génériques comme SAM permettent désormais de traiter des tâches spécialisées sans nécessiter d'entraînement dédié coûteux en données et en calcul.