Atlas AI est une entreprise qui applique l'intelligence artificielle aux défis du développement économique. Elle construit et déploie des modèles d'apprentissage automatique pour générer des informations sur l'activité économique, la productivité agricole et les besoins en infrastructures, principalement dans les régions où la collecte de données traditionnelle est difficile ou rare. Le travail de l'entreprise se concentre sur l'utilisation de l'imagerie satellite et d'autres données géospatiales pour éclairer les décisions des gouvernements, des organisations de développement et des acteurs du secteur privé.
Fondée en 2018, Atlas AI est issue de recherches menées à l'Université Stanford, où ses fondateurs ont combiné leur expertise en vision par ordinateur, en économie du développement et en télédétection. La mission principale de l'entreprise est de rendre accessible des données économiques de haute qualité et à granularité fine pour les régions qui manquent d'infrastructures statistiques conventionnelles. En analysant les motifs dans les images satellites, Atlas AI vise à fournir une vue quasi en temps réel des conditions économiques locales, ce qui peut soutenir des interventions de développement plus ciblées et plus efficaces.
Fondation et Direction
Atlas AI a été cofondée par David Lobell, professeur en sciences du système terrestre à l'Université Stanford, et Marshall Burke, professeur associé en sciences du système terrestre et chercheur senior à l'Institut Stanford pour la recherche en politique économique. Tous deux avaient auparavant mené des recherches sur l'utilisation de données satellites pour mesurer les rendements agricoles et le bien-être économique dans les pays en développement. L'entreprise a été incubée dans l'environnement de Stanford, s'appuyant sur la recherche académique en apprentissage profond et en télédétection.
L'équipe initiale comprenait des ingénieurs et des data scientists issus du secteur technologique, dont beaucoup avaient une expérience en apprentissage profond et en analyse géospatiale. L'entreprise a reçu un financement précoce de la part de fonds de capital-risque et d'institutions de financement du développement, notamment le réseau Omidyar et la Fondation Bill & Melinda Gates, reflétant sa double vocation d'impact social et de viabilité commerciale. Au début des années 2020, Atlas AI a maintenu une équipe relativement restreinte et spécialisée, privilégiant la rigueur de la recherche à une expansion rapide.
Technologie et Méthodes
L'approche technique d'Atlas AI repose sur des modèles de réseaux de neurones, en particulier des réseaux résiduels et d'autres architectures convolutionnelles, pour interpréter l'imagerie satellite à haute résolution. Les modèles sont entraînés sur une combinaison de données satellites publiquement disponibles, provenant de sources comme le programme Sentinel de l'Agence spatiale européenne et les missions Landsat de la NASA, ainsi que sur des données d'enquête de terrain provenant des instituts nationaux de statistique et d'enquêtes auprès des ménages.
L'innovation clé réside dans l'apprentissage par transfert : l'entreprise entraîne ses modèles sur des régions riches en données, comme les États-Unis ou l'Europe, puis les adapte aux régions pauvres en données, comme l'Afrique et l'Asie. Cette approche permet à Atlas AI d'estimer des variables telles que les rendements agricoles, l'empreinte des bâtiments et l'intensité lumineuse nocturne - un indicateur courant de l'activité économique - à une résolution de quelques centaines de mètres. Les ensembles de données résultants sont mis à jour régulièrement, permettant une analyse des tendances dans le temps.
Applications dans l'Agriculture
L'un des principaux domaines d'application d'Atlas AI est l'agriculture, en particulier en Afrique subsaharienne. L'entreprise fournit des estimations des rendements agricoles pour des cultures de base telles que le maïs, le blé et le sorgho, qui sont essentielles pour la planification de la sécurité alimentaire. Ces estimations sont dérivées de l'analyse spectrale de la santé de la végétation, combinée à des données météorologiques et des caractéristiques des sols.
Par exemple, Atlas AI a collaboré avec la Banque africaine de développement et des ministères de l'agriculture nationaux pour surveiller les conditions de sécheresse et prédire les mauvaises récoltes. Au Kenya et en Éthiopie, les modèles de l'entreprise ont été utilisés pour identifier les zones à risque de défaillance des cultures, permettant aux agences d'aide de prépositionner les vivres. La granularité des données - souvent au niveau du village - constitue une amélioration significative par rapport aux moyennes nationales, qui peuvent masquer des variations locales importantes.
Cartographie Économique et Estimation de la Pauvreté
Au-delà de l'agriculture, Atlas AI produit des cartes à haute résolution de l'activité économique et de la pauvreté. En combinant l'imagerie satellite, les données de détail des appels téléphoniques mobiles et les données d'enquête, l'entreprise estime la richesse des ménages et la consommation à une résolution d'un kilomètre. Ces cartes sont utilisées par des organisations comme la Banque mondiale et les Nations Unies pour cibler les programmes sociaux et évaluer leur impact.
Un projet notable a consisté à cartographier la pauvreté au Nigéria, où l'entreprise a combiné des données satellites avec l'étude sur les niveaux de vie du pays. Le modèle résultant a identifié des poches de pauvreté qui n'apparaissaient pas dans les statistiques officielles, ce qui a conduit à des révisions dans l'allocation des ressources. Des efforts similaires ont été menés en Ouganda, en Tanzanie et au Bangladesh, avec des résultats publiés dans des revues à comité de lecture et présentés lors de conférences sur l'économie du développement.
Infrastructure et Planification Urbaine
Atlas AI soutient également la planification des infrastructures en cartographiant l'emplacement des bâtiments, les réseaux routiers et la densité de population. Les ensembles de données sur l'empreinte des bâtiments, dérivés des images satellites, sont utilisés pour planifier des projets d'électrification, l'expansion des réseaux mobiles et les itinéraires de réponse aux urgences. En partenariat avec Nokia Bell Labs et d'autres entreprises de télécommunications, Atlas AI a aidé à identifier les sites optimaux pour les tours de téléphonie cellulaire dans les zones rurales, réduisant ainsi le coût de l'expansion de la connectivité.
Dans les environnements urbains, les modèles de l'entreprise suivent les établissements informels et les schémas de croissance urbaine. Ces informations aident les urbanistes, y compris ceux de l'Université Carnegie Mellon, dans la recherche sur le développement urbain durable, ainsi que les gouvernements locaux dans des villes comme Nairobi et Lagos. Les données sont également utilisées par les compagnies d'assurance pour évaluer les risques d'inondation et par les entreprises de logistique pour optimiser les itinéraires de livraison.
Partenariats et Financement
Atlas AI a établi des partenariats avec une gamme d'organisations, notamment des institutions académiques, des organisations à but non lucratif et des entreprises privées. En plus de son travail avec la Banque mondiale et la Fondation Gates, l'entreprise a collaboré avec la plateforme Google Cloud pour faire évoluer ses capacités de traitement de données. Elle a également travaillé avec Amazon Web Services sur l'infrastructure cloud pour la formation des modèles, bien que les détails spécifiques des contrats ne soient pas publics.
L'entreprise a levé un total d'environ 20 millions de dollars lors de ses premiers tours de financement. Parmi les investisseurs figurent le réseau Omidyar, la Fondation Patrick J. McGovern et le Fonds mondial d'innovation. En 2021, Atlas AI a reçu une subvention de l'Agence des États-Unis pour le développement international (USAID) pour étendre sa cartographie de la pauvreté à des pays supplémentaires en Afrique de l'Ouest.
Impact et Évaluation
Des évaluations indépendantes des modèles d'Atlas AI ont généralement montré de bonnes performances. Une étude de 2020 publiée dans la revue Nature a comparé les estimations de pauvreté d'Atlas AI avec des données d'enquête de terrain dans 12 pays africains, trouvant un coefficient de corrélation de 0,85 avec les mesures réelles de consommation. Cependant, les modèles sont moins précis dans les régions touchées par des conflits, où l'imagerie satellite peut être obsolète ou obscurcie.
L'entreprise publie des fiches techniques et une documentation détaillée pour ses ensembles de données, adhérant aux principes de transparence en apprentissage automatique. Elle s'engage également dans le renforcement des capacités, formant des statisticiens locaux à l'utilisation de ses outils. En 2024, les produits de données d'Atlas AI étaient utilisés par plus de 50 organisations, notamment l'Organisation des Nations Unies pour l'alimentation et l'agriculture et le Comité international de la Croix-Rouge.
Défis et Limites
Malgré ses succès, Atlas AI est confrontée à plusieurs défis. La dépendance à l'imagerie satellite signifie que la couverture nuageuse et les changements saisonniers peuvent affecter la qualité des données. De plus, les modèles ne sont aussi bons que les données de terrain utilisées pour l'entraînement, qui peuvent être rares dans les régions mêmes où l'entreprise opère. Il existe également des préoccupations éthiques concernant l'utilisation de modèles prédictifs dans les décisions politiques, en particulier si des erreurs conduisent à une mauvaise allocation des ressources.
L'entreprise a abordé certains de ces problèmes en intégrant des techniques d'augmentation de données et d'élagage de modèles pour améliorer la robustesse. Elle maintient également un comité consultatif comprenant des économistes du développement et des éthiciens pour examiner les biais potentiels. Cependant, comme pour toute approche basée sur l'IA, le risque d'une dépendance excessive aux résultats algorithmiques reste un sujet de débat permanent.
Orientations Futures
À l'avenir, Atlas AI prévoit d'étendre sa couverture à l'Asie du Sud et à l'Amérique latine, où des lacunes de données similaires existent. L'entreprise explore également l'utilisation de grands modèles de langage pour synthétiser ses données géospatiales avec des rapports textuels des gouvernements locaux, offrant potentiellement des informations plus exploitables. En 2023, Atlas AI a lancé un projet pilote avec Alibaba Cloud pour tester l'intégration de ses données avec des outils d'analyse basés sur le cloud pour les coopératives agricoles en Inde.
L'entreprise continue d'affiner ses méthodes, en mettant l'accent sur l'amélioration de la résolution temporelle - la capacité à détecter les changements sur des périodes plus courtes. Cela permettrait des interventions plus réactives lors de catastrophes naturelles ou de chocs de marché. En 2025, Atlas AI reste une entreprise privée, sans projets publics d'introduction en bourse, mais son travail l'a établie comme un exemple de premier plan de l'application de l'IA générative au bien social.
Voir Aussi
- Intelligence artificielle
- Apprentissage automatique
- Télédétection
- Économie du développement
Références
- Burke, M., & Lobell, D. (2018). Évaluation par satellite de la variation des rendements et de ses déterminants dans les systèmes agricoles africains à petite échelle. Proceedings of the National Academy of Sciences.
- Atlas AI. (2020). Cartographie de la pauvreté en Afrique subsaharienne : rapport technique.
- Banque mondiale. (2021). Utilisation des données géospatiales pour le développement : études de cas.
- Réseau Omidyar. (2019). Annonce d'investissement pour Atlas AI.
Liens Externes
- Site officiel : atlasai.co (non vérifié en 2025)