L’intelligence géospatiale entre dans une nouvelle ère, portée par l’essor de l’intelligence artificielle et la capacité à modéliser la réalité à un niveau de détail sans précédent. Les États-Unis doivent saisir cette opportunité pour renforcer leur sécurité nationale en créant un modèle national d’intégration de l’intelligence géospatiale (NGEM), capable d’analyser et d’interpréter des données complexes à une échelle inédite.
L’exemple d’AlphaEarth, un modèle développé par Google DeepMind et rendu accessible au public via Source Cooperative en juillet 2025, illustre le potentiel de cette approche. Contrairement aux méthodes traditionnelles qui identifient des zones entières – par exemple, « ce carré de 256 x 256 pixels contient une ville » – AlphaEarth offre une analyse au niveau du pixel, précisant que « ce pixel spécifique fait partie d’un bâtiment et connaît ses voisins ». Cette granularité ouvre des perspectives considérables pour la surveillance et l’analyse.
Cependant, selon les experts, les capacités actuelles ne sont qu’un aperçu de ce qui est possible. Les États-Unis disposent d’un atout majeur : un référentiel de données géospatiales inégalé en termes de diversité, de profondeur temporelle et de richesse physique. Pour exploiter pleinement ce potentiel, il est crucial de développer un modèle national capable d’intégrer toutes les sources d’information disponibles.
Ce modèle, baptisé NGEM, devrait aller au-delà de l’imagerie optique traditionnelle et intégrer des données provenant de diverses sources : imagerie multi-INT (électro-optique, radar à synthèse d’ouverture (SAR), infrarouge/thermique, multispectrale et hyperspectrale), données vectorielles (routes, frontières, modèles d’élévation) et, surtout, des millions de rapports de renseignement, de notes d’analystes et de produits de renseignement finis.
L’objectif est de créer un « espace latent unifié » où différentes modalités de données convergent. Par exemple, une image radar montrant un char T-72, une image optique du même char et un rapport textuel le décrivant devraient tous correspondre à un vecteur mathématique similaire. Ce modèle deviendrait ainsi un « traducteur universel », capable de standardiser la représentation mathématique des objets, quelle que soit la source d’information.
Les bénéfices potentiels sont considérables. Le NGEM pourrait permettre de détecter automatiquement des sites de missiles sol-air (SAM) camouflés, de suivre l’activité logistique maritime ou d’identifier des constructions suspectes en analysant les changements subtils dans l’imagerie. Il ouvrirait également la voie à une recherche multimodale, permettant aux analystes de poser des questions complexes et d’obtenir des réponses précises basées sur l’analyse de l’ensemble des données disponibles.
Par exemple, un analyste pourrait simplement saisir la requête : « Construction suspectée d’abris pour avions renforcés près d’une ligne de crête distincte ». Le modèle, ayant intégré des millions de rapports passés aux côtés des images, comprendrait le vecteur sémantique de cette phrase et analyserait l’ensemble des pixels du globe pour trouver la correspondance mathématique, mettant instantanément en évidence l’emplacement.
En s’inspirant des avancées réalisées par Google avec AlphaEarth, les États-Unis peuvent désormais construire un modèle d’intégration multimodal qui fusionne chaque capteur et chaque secret, transformant ainsi la collecte et l’analyse de l’intelligence géospatiale.
