Des chercheurs allemands entraînent une IA à suivre les glaciers à quelques mètres près

Des chercheurs de l'université allemande FAU ont mis au point un moyen d'automatiser, grâce aux réseaux de neurones, le suivi des glaciers à partir d'images satellites. La nouvelle méthode exige un minimum de données annotées et atteint une précision comparable à celle d'une analyse manuelle.

Pourquoi les glaciers comptent

Les glaciers qui se jettent dans l'océan jouent un rôle critique dans le climat terrestre. Lorsqu'ils fondent et que des icebergs se détachent aux «calving fronts» (les bords du glacier où la glace se rompt et tombe dans l'eau), ils déversent d'énormes volumes d'eau douce dans l'océan. Cela modifie les courants marins, fait monter le niveau de la mer et dérègle les systèmes climatiques locaux.

Les glaciers blancs, couverts de glace, renvoient vers l'espace une grande partie du rayonnement solaire. Mais lorsqu'ils disparaissent, l'eau sombre de la mer mise à nu se met à absorber ce rayonnement, ce qui accentue le réchauffement de la planète. C'est un cercle vicieux : réchauffement → fonte des glaciers → surface plus sombre → réchauffement encore plus fort.

Surveiller manuellement des 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 avec lesquelles ils avaient été entraînés. Appliquer un modèle entraîné à un nouveau glacier dans une autre région revenait à accepter une erreur d'un kilomètre.

Comment atteindre une précision de 70 mètres

Les chercheurs ont conçu une approche adaptative. Plutôt que de réentraîner entièrement le modèle pour chaque glacier, ils ont repris un réseau de neurones déjà entraîné et l'ont affiné en y ajoutant un minimum d'informations nouvelles :

• Une image annotée à la main pour chaque glacier
• Plusieurs images satellites d'été non annotées (la glace y est plus propre)
• Une carte du socle rocheux issue de données ouvertes

Au départ, le modèle, entraîné sur 681 images de 7 glaciers d'Antarctique, du Groenland et d'Alaska, se trompait de 1131 mètres lorsqu'on l'appliquait aux glaciers du Svalbard. Après l'ajout d'une image annotée pour chacun des 145 glaciers, l'erreur est tombée à 445 mètres. Les images de référence d'été, où les limites entre glace et eau sont plus nettes, l'ont ramenée à 205 mètres. La carte du substrat (elle aide à distinguer un glacier d'un enchevêtrement de glace flottante) a fait descendre l'erreur à 103 mètres. Un ensemble de cinq versions du modèle, dont les résultats sont moyennés, a donné la précision finale : 68.7 mètres.

«

Les humains ne sont eux-mêmes pas très cohérents lorsqu'ils annotent les limites, surtout quand la glace forme un fouillis ou que la qualité de l'image satellite est faible », explique Nora Gourmelon, doctorante à la FAU.

Application : 145 glaciers sur neuf ans

Les chercheurs ont déjà appliqué la méthode à 145 glaciers de l'archipel norvégien du Svalbard, en analysant des images satellites de 2015 à 2024. La plupart des études sur les glaciers se font à l'échelle annuelle ou décennale. Grâce à l'automatisation, l'équipe a pu calculer la position du front glaciaire pour chaque mois, soit plus de 203 000 annotations au total. Les climatologues disposent ainsi d'une image bien plus détaillée, presque semblable à une vidéo, du mouvement et de la fonte des glaciers.

L'équipe prévoit maintenant d'étendre l'approche à 1500 glaciers de l'Arctique. Si le satellite et la région restent les mêmes, il n'est pas nécessaire de réentraîner le modèle : il continue de fonctionner.

Ce que cela change

La surveillance des glaciers passe du statut de projet de recherche laborieux à celui d'outil pratique. Si l'approche est développée, elle pourrait permettre de suivre en temps réel le changement climatique sur des milliers de glaciers et de fournir aux climatologues des cartes de fonte plus précises et des prévisions de montée du niveau de la mer plus fiables.