Google distingue les types de forêts avec l’IA. Le vert ne dit pas tout
ForTy distingue six types de terrains à partir de données satellites. Google publie une carte de 2020 et une série préliminaire, avec des limites documentées.
Une forêt ancienne et une plantation peuvent présenter la même couleur depuis l’espace. Leur histoire et leur usage diffèrent pourtant. Le 22 octobre 2026, Google DeepMind et Google Research présentent ForTy avec le World Resources Institute et l’IIASA. Cette cartographie utilise l’IA pour distinguer les types de forêts. Une série temporelle encore préliminaire accompagne la carte de référence de 2020.
La nature du terrain compte autant que les arbres
L’annonce de Google DeepMind décrit une carte à dix mètres par pixel. Elle sépare les forêts primaires des forêts qui se régénèrent naturellement. Elle distingue aussi les forêts plantées et les plantations forestières intensives. Les cultures arborées et l’agroforesterie forment une autre catégorie. Une dernière classe regroupe les autres terrains.
L’enjeu dépasse donc le repérage d’une coupe. Une forêt naturelle remplacée par une plantation peut redevenir verte sur les images suivantes. Une carte de présence des arbres risque de masquer cette transformation. ForTy cherche à préciser ce qui a remplacé la forêt. La série annoncée couvre chaque année de 2017 à 2025. Google la présente comme une première version appelée à évoluer.
Des observations satellites transformées en indices
Le papier scientifique publié le 21 octobre dans Scientific Data détaille l’apprentissage. Le modèle exploite les représentations AlphaEarth Foundations. Elles condensent plusieurs sources d’observation de la Terre. Les chercheurs combinent des références documentées avec des annotations et des corrections ciblées. Le système apprend sur environ 1,7 million d’exemples de localisation. Il produit des scores pour les différentes classes.
Le résultat global ne résume pas chaque catégorie
Les auteurs rapportent une exactitude globale de 90,2 % pour les six classes. Ils l’évaluent sur 8 190 sites résolus par consensus d’experts parmi 9 100 sites échantillonnés. Les cas non résolus ne participent pas au calcul. Les auteurs reconnaissent que leur exclusion peut biaiser légèrement l’estimation. Cette validation utilise des références distinctes de l’entraînement. Elle appartient à l’étude des équipes qui ont construit la carte.
Le même papier indique un score F1 de 58,2 % pour les forêts plantées. Cette mesure combine précision et rappel. Ce n’est pas le pourcentage global de bonnes réponses. Le contraste rappelle qu’un résultat moyen peut cacher une classe difficile. Les auteurs signalent aussi que la catégorie des autres terrains pèse fortement dans le bon score d’ensemble.
Une ressource ouverte avec des frontières floues
Le catalogue Earth Engine donne accès au jeu de référence sous licence CC BY 4.0. Il précise une couverture comprise entre 65 degrés sud et 84 degrés nord. La carte décrit l’année 2020. Elle ne montre donc pas à elle seule l’état actuel d’une parcelle. L’accès à la plateforme Earth Engine suit aussi ses propres conditions.
Ce catalogue documente des confusions possibles entre une forêt secondaire mature et une forêt primaire. Le cacao ou le café sous couvert arboré peuvent aussi compliquer la classification. Les scores fournis ne sont pas des probabilités recalibrées après entraînement. Une valeur élevée ne devient donc pas automatiquement une garantie locale. Le catalogue conseille une validation régionale pour certains usages de risque.
Les chercheurs relient ce travail au suivi de la déforestation et aux chaînes d’approvisionnement. L’alignement avec des catégories réglementaires ne transforme pas une prédiction en certification. L’histoire de gestion d’un terrain reste en partie invisible depuis le ciel. C’est précisément la difficulté que l’IA tente ici de réduire.
Une autre recherche de Google, présentée dans mon article sur Antigravity et les peptides antimicrobiens, pose aussi la question du passage entre une estimation et sa validation.
Je retiens surtout cette évolution du regard. Compter les arbres et comprendre le type de forêt répondent à deux questions différentes. L’intérêt de ForTy tient à cette distinction. Ses limites doivent rester visibles avec ses résultats.