Dr. Tristan MONTAGNON
Introduction
Le 6 février 2023, deux séismes majeurs (magnitude 7,8 et 7,5) frappaient la Turquie et la Syrie, causant plus de 50 000 morts [1]. Dans les jours qui suivirent, des satellites capturaient des images optiques du sol, comparées ensuite à des clichés pris quelques semaines plus tôt. Cette corrélation sous-pixellique révèle la géométrie exacte de la rupture sismique sur plus de 300 km, avec une précision de l’ordre du décimètre [2].
Cette capacité à détecter des déplacements depuis l’espace relève d’une discipline appelée géodésie optique satellite. Elle joue un rôle critique pour comprendre les mécanismes des séismes, cartographier les zones de déformation après une catastrophe, surveiller les infrastructures critiques, ou encore monitorer l’activité volcanique et les glissements de terrain. Chaque millimètre de précision gagné dans ces mesures améliore notre capacité à modéliser les failles, anticiper les répliques, et in fine, sauver des vies.
Mesurer des déplacements invisibles à l’œil nu
La géodésie optique satellite consiste à mesurer les déplacements du sol terrestre en comparant des images prises avant et après un événement (séisme, glissement de terrain, éruption volcanique). Ces mesures répondent à des besoins critiques, comme la cartographie post-séisme dans les 72 heures, la surveillance de barrages et d’infrastructures, le monitoring volcanique, et une compréhension fondamentale de la mécanique des failles.
Le défi central est celui du sous-pixel. Les satellites optiques modernes offrent des résolutions allant de 0,3 m/pixel (WorldView) à 15 m/pixel (Landsat-8), mais les déplacements co-sismiques en champ lointain sont souvent de l’ordre de quelques centimètres, soit une fraction de pixel (1/10ème à 1/20ème). Il faut donc détecter un signal noyé dans de multiples sources de bruit : variations d’illumination, changements saisonniers de végétation, artefacts capteurs, erreurs de correction géométrique des images. Une erreur de quelques centimètres se propage en cascade : biais de localisation de faille, sous-estimation du moment sismique, surestimation de la largeur de zone de déformation.
Les limites des corrélateurs classiques
Les techniques de référence de corrélation spatiale (MicMac [3]) et corrélation fréquentielle (COSI-Corr [4]) reposent sur la comparaison de fenêtres (appelées fenêtres de corrélation carrées, généralement de quelques pixels) entre paires d’images acquises avant et après un séisme d’une zone donnée. Ces méthodes supposent une translation homogène de tous les pixels dans une fenêtre de corrélation donnée, estimant une seule valeur de déplacement par paire. Elles se heurtent à quatre verrous que les approches classiques peinent à résoudre simultanément.
Le premier est la précision sous-pixel dans les zones peu texturées, où le signal est faible et le bruit domine. Le deuxième concerne les discontinuités. En effet, aux abords des failles, on observe un lissage artificiel du déplacement mesuré, conséquence de l’hypothèse de translation homogène, qui s’effondre auprès des forts gradients de déplacement. Le troisième est le temps de calcul (plusieurs heures à jours pour traiter une seule paire d’images), incompatible avec la réponse post-catastrophe. Le quatrième, et le plus structurant pour l’IA, est l’absence de vérité terrain. On ne dispose jamais du « vrai » champ de déplacement au sol pour évaluer quantitativement les résultats.
Ces verrous ne sont pas spécifiques à la géodésie. De nombreux domaines partagent cette combinaison de signal faible, bruit fort, et données d’entraînement absentes, comme pour l’estimation de flux optique en vision par ordinateur, l’imagerie médicale sans annotation ou l’inspection industrielle de défauts rares. C’est précisément le type de problème où le deep learning peut apporter une rupture, à condition d’adopter la bonne stratégie.
Apprendre sans vérité terrain grâce aux données synthétiques
En l’absence de vérité terrain, la stratégie dominante consiste à générer des données synthétiques réalistes, et donc de partir d’images satellites réelles, leur appliquer des déformations contrôlées (donc connues avec une précision absolue), et entraîner des modèles à retrouver ces déformations. On retrouve cette approche récurrente notamment dans les domaines du flux optique (FlyingChairs, FlyingThings3D pour FlowNet [5]), de l’imagerie médicale (organes synthétiques déformés pour la segmentation), ou en robotique (sim-to-real transfer).
La difficulté spécifique à la géodésie réside dans le réalisme requis. Un dataset synthétique utile doit capturer fidèlement les variations d’illumination entre acquisitions, les changements de réflectance saisonniers, les artefacts capteurs (vibrations, désalignement CCD), et la géométrie complexe des failles (sauts de déplacement, déformation distribuée). Sous-estimer l’un de ces facteurs produit un modèle performant sur données synthétiques mais fragile sur cas réels, ce qu’on appelle le domain gap de l’IA.
Deux datasets ont été développés pour adresser progressivement ces exigences. Montagnon et al. (2022) [6] exploite de vraies paires Sentinel-2 déformées artificiellement pour capturer le bruit réaliste à l’échelle de fenêtres de corrélation. Montagnon et al. (2024) [7] introduit des discontinuités, des sauts de déplacement traversant les fenêtres, pour forcer le modèle à traiter explicitement les failles, là où les corrélateurs classiques échouent systématiquement. La progression entre ces deux datasets reflète une leçon IA générale, où la qualité et la diversité des données d’entraînement importent souvent plus que la sophistication de l’architecture.
Ces datasets servent à entraîner des CNN (réseaux de neurones convolutifs) à estimer le déplacement à partir d’une paire d’images, la déformation synthétique connue faisant office de vérité terrain. Un CNN apprend automatiquement les filtres pertinents pour repérer un motif visuel, ici les micro-déplacements entre deux acquisitions, là où un corrélateur classique applique une formule figée. Cette approche a d’abord été validée localement, en utilisant une approche de fenêtre glissante, comme les méthodes traditionnelles, avant de monter en échelle vers des architectures traitant l’image dans son ensemble.
Du local au global
Le passage des CNN locaux aux architectures encoder-decoder illustre un pattern classique en vision par ordinateur, visant à commencer par valider l’approche sur un problème local bien contrôlé, puis à monter en échelle.
CNN locaux (fenêtre glissante). Les datasets DATe [6] et DIS [7] ont été conçus pour ce cadre : des fenêtres de 16×16 pixels sur lesquelles un réseau convolutif remplace le corrélateur classique, patch par patch. Cette formulation locale permet un contrôle fin des conditions d’entraînement : on sait exactement quel signal et quel bruit chaque fenêtre contient. L’approche a démontré que l’apprentissage pouvait rivaliser avec les corrélateurs classiques en précision sous-pixellique, et surtout les surpasser au niveau des discontinuités. En entraînant explicitement sur des fenêtres contenant des discontinuités de translation (avec DIS), le modèle apprend à ne pas lisser là où les méthodes classiques échouent. Les résultats sur le séisme de Ridgecrest 2019 montrent une réduction mesurable du biais en champ proche [7]. Mais l’architecture conserve la fenêtre glissante, donc les mêmes limitations en temps de calcul.
Encoder-decoder (estimation dense). Pour lever ce verrou, il faut changer de formulation. Les architectures type U-Net [8] ou FlowNet [5] estiment directement des champs de déplacement complets (256×256 pixels) en une seule passe, éliminant le sliding window. Ce changement d’échelle exige un nouveau type de données d’entraînement, non plus des patches isolés mais des scènes complètes contenant des failles synthétiques géophysiquement réalistes (GeoFlowNet [9] et son dataset FaultDeform). Figure 1 illustre ce pipeline appliqué au séisme de Ridgecrest.
Figure 1 : Pipeline de GeoFlowNet. Les paires d’images pré- et post-séisme sont découpées en larges patches de 256×256 pixels, traitées par une architecture U-Net qui estime les champs de déplacement Est-Ouest (EW) et Nord-Sud (NS), puis réassemblées pour produire la carte de corrélation complète. Adapté de [7].
Les temps de calcul sont réduits d’un facteur 10 à 100, de plusieurs heures à quelques minutes, tout en maintenant des performances comparables voire en améliorant le rapport signal/bruit sur des cas réels comme Ridgecrest et Balochistan. Au-delà de la vitesse, c’est l’intégration dans des pipelines de réponse post-catastrophe quasi temps réel qui devient envisageable.
Perspectives
L’état actuel reste émergent, avec notamment quelques publications pionnières, des premiers datasets publics et premiers codes open-source (cnn4l-discontinuities [10], GeoFlowNet [11]), mais pas encore d’adoption opérationnelle. Plusieurs directions pourraient accélérer cette maturation : la réduction du domain gap entre données synthétiques et images réelles via des techniques d’adaptation de domaine ou de fine-tuning, l’apprentissage auto-supervisé sur les séries temporelles denses fournies par les constellations modernes (Sentinel-2, PlanetScope), l’exploitation des modèles de fondation pour la télédétection (Prithvi, Clay) comme socle pré-entraîné, et la fusion multimodale combinant optique, InSAR et GNSS pour tirer parti de la complémentarité de ces capteurs. Les architectures à base d’attention (transformers) restent aussi une piste à réévaluer : ils ont montré leur pertinence sur des problèmes similaires comme le flux optique [12], et mériteraient une étude sur leur transférabilité.
Conclusion
En conclusion, le deep learning n’est pas une solution miracle, mais un outil complémentaire capable d’adresser certains verrous comme la vitesse, les biais aux discontinuités, et la robustesse au bruit, si et seulement si on dispose de données d’entraînement adaptées et qu’on valide rigoureusement sur cas réels.
Plus largement, la géodésie optique satellite illustre une leçon transférable à tout domaine d’application de l’IA : la rigueur de la démarche, se traduisant par des benchmarks sur cas réels, des ablation studies, des datasets publics, et du code open-source. C’est ce qui distingue une contribution durable d’une preuve de concept sans lendemain.
Références
[1] Dal Zilio, L. & Ampuero, J.-P. « Earthquake doublet in Turkey and Syria. » Communications Earth & Environment, 2023.
[2] Provost, F. et al. « High-resolution co-seismic fault offsets of the 2023 Türkiye earthquake ruptures using satellite imagery. » Scientific Reports, 2024.
[3] Rosu et al. « Measurement of ground displacement from optical satellite image correlation using the free open-source software MicMac. » ISPRS J. Photogramm. Remote Sens., 2015.
[4] Leprince et al. « Automatic and Precise Orthorectification, Coregistration, and Subpixel Correlation of Satellite Images, Application to Ground Deformation Measurements. » IEEE TGRS, 2007.
[5] Dosovitskiy et al. « FlowNet: Learning Optical Flow with Convolutional Networks. » ICCV, 2015.
[6] Montagnon et al. « Sub-pixel optical satellite image registration for ground deformation using deep learning. » ICIP, 2022.
[7] Montagnon et al. « Sub-pixel displacement estimation with deep learning: Application to optical satellite images containing sharp displacements. » JGR-ML, 2024.
[8] Ronneberger et al. « U-Net: Convolutional Networks for Biomedical Image Segmentation. » MICCAI, 2015.
[9] Montagnon et al. « GeoFlowNet: Fast and Accurate Subpixel Displacement Estimation from Optical Satellite Images Based on Deep Learning. » IEEE TGRS, 2025.
[10] Montagnon, T. « cnn4l-discontinuities » GitLab, 2025. Disponible ici.
[11] Montagnon, T. « GeoFlowNet » GitLab, 2025. Disponible ici.
[12] Huang et al. « FlowFormer: A Transformer Architecture for Optical Flow. » ECCV, 2022.