Des scientifiques allemands ont entraîné une IA à suivre les glaciers avec une précision métrique

Des chercheurs de l'université allemande FAU ont développé une méthode permettant aux réseaux de neurones d'automatiser le suivi des glaciers à partir d'images satellitaires. La nouvelle méthode nécessite un minimum de données annotées et atteint une précision comparable à l'analyse manuelle.

Pourquoi les glaciers sont essentiels

Les glaciers qui se jettent dans l'océan sont une partie essentielle du climat terrestre. Lorsqu'ils fondent et que des icebergs se détachent des « fronts de vêlage » (où la glace se rompt dans l'eau), ils libèrent d'énormes volumes d'eau douce dans l'océan. Cela modifie les courants marins, élève le niveau des mers et perturbe les systèmes climatiques locaux.

Les glaciers blancs et couverts de glace réfléchissent la majeure partie du rayonnement solaire vers l'espace. Mais lorsqu'ils disparaissent, l'eau de mer foncée exposée commence à absorber ce rayonnement, intensifiant le réchauffement de la planète. C'est un cercle vicieux : réchauffement → fonte des glaciers → assombrissement de la surface → réchauffement encore plus intense.

Surveiller manuellement l'état de milliers de glaciers est une tâche impossible pour les analystes. La vision par ordinateur pourrait aider, mais les modèles existants ne fonctionnaient bien que sur les données sur lesquelles ils avaient été entraînés. Appliquer un modèle entraîné à un nouveau glacier dans une nouvelle région signifiait obtenir une erreur d'un kilomètre.

Comment atteindre une précision de 70 mètres

Les chercheurs ont développé une approche adaptative. Au lieu de réentraîner complètement le modèle pour chaque glacier, ils ont utilisé un réseau de neurones déjà entraîné et l'ont affiné en ajoutant un minimum d'informations nouvelles :

• Une seule image annotée manuellement par glacier
• Plusieurs images satellitaires estivales sans annotation (l'été la glace est plus propre)
• Carte du substratum rocheux provenant de données ouvertes

Au départ, le modèle entraîné sur 681 images de 7 glaciers en Antarctique, au Groenland et en Alaska avait une erreur de 1131 mètres lorsqu'il était appliqué aux glaciers du Spitzberg. Après l'ajout d'une image annotée pour chacun des 145 glaciers, l'erreur est tombée à 445 mètres. Les images de référence estivales, où les limites entre la glace et l'eau sont plus claires, l'ont réduite à 205 mètres. La carte du substratum (qui aide à distinguer un glacier d'une accumulation de glace flottante) a réduit l'erreur à 103 mètres. Un ensemble de cinq versions du modèle, moyennées ensemble, a donné la précision finale : 68,7 mètres.

«

Les humains eux-mêmes ne sont pas très cohérents dans l'annotation des limites, surtout lorsque la glace est mélangée ou que la qualité de l'image satellitaire est faible », explique Nora Gourmelon, doctorante à la FAU.

Application : 145 glaciers en neuf ans

Les chercheurs ont déjà appliqué la méthode à 145 glaciers de l'archipel norvégien du Spitzberg, en analysant les images satellitaires de 2015 à 2024. La plupart des études glaciaires sont menées à l'échelle annuelle ou décennale. Mais grâce à l'automatisation, il a été possible de calculer la position du bord du glacier pour chaque mois — plus de 203 000 annotations au total. Cela donne aux climatologues une représentation beaucoup plus détaillée, presque de type vidéo, de la façon dont les glaciers se déplacent et fondent.

L'équipe prévoit désormais d'étendre l'approche à 1500 glaciers en Arctique. Si le satellite et la région restent les mêmes, le modèle n'a pas besoin d'être réentraîné — il continue à fonctionner.

Ce que cela signifie

La surveillance des glaciers passe du rang de projet de recherche laborieux à celui d'outil pratique. Si l'approche est développée davantage, il sera possible de suivre en temps réel les changements climatiques sur des milliers de glaciers, donnant aux climatologues des cartes de fonte plus précises et des prévisions plus fiables de la montée des mers.