L'analyse d'imagerie satellite a longtemps nécessité des infrastructures lourdes et une expertise pointue pour traiter des volumes de données massifs. OlmoEarth v1.3 tente de lever ce verrou en proposant un modèle d'embeddings globaux à une résolution de 10 mètres source.
Du pixel au vecteur
Le mécanisme repose sur la compression : OlmoEarth v1.3 analyse des séries temporelles annuelles issues de radars (Sentinel-1) et de capteurs multispectraux (Sentinel-2 et Landsat). Le modèle transforme ces données brutes en un vecteur numérique de 128 dimensions pour chaque pixel de 10 mètres sur Terre source. Une version réduite à 64 dimensions est également disponible pour limiter la charge computationnelle source.
Pour l'utilisateur, ce changement est concret. Au lieu d'entraîner un modèle complexe sur des images satellites brutes, il peut désormais utiliser ces embeddings comme base. Il suffit d'ajouter un petit classifieur par-dessus pour identifier des éléments au sol : détection de fours à briques près de Dhaka, suivi de l'orpaillage en Amazonie péruvienne ou cartographie des cultures au Kenya source.
Performance et coût de calcul
L'entreprise affirme que OlmoEarth v1.3 surpasse ses concurrents AlphaEarth Foundations (AEF) et Tessera v2, obtenant le meilleur score sur 20 des 27 évaluations menées source.
L'optimisation ne concerne pas seulement la précision, mais aussi l'empreinte matérielle. Le pré-entraînement de la version Base est estimé à environ 2 720 dollars de location de GPU H100 source. Comparé à la version 1.2, ce nouveau modèle a nécessité 53 % du temps de calcul et généré 50 % des émissions de carbone source.
Un accès ouvert avec des zones d'ombre temporelles
Le projet se veut démocratique : les poids du modèle, les données et le code de pré-entraînement sont diffusés en open source source. L'outil OlmoEarth Embeddings Explorer permet d'accéder directement à ces données sans connaissances techniques avancées source.
Toutefois, la disponibilité des données n'est pas uniforme. Si les embeddings sont globaux pour les années 2023, 2024 et 2025, la période allant de 2017 à 2022 ne couvre que certains pays source. Cette disparité limite l'analyse historique systématique à l'échelle planétaire, rendant le suivi temporel dépendant de la zone géographique étudiée.