Technologie géospatiale dédiée à la cartographie et à la topographie, s'appuyant sur les systèmes GNSS, LiDAR et drones, qui transforme la collecte de données spatiales en résultats fiables.
En savoir plus Aller à GéospatialAugmentez votre productivité grâce à un contrôle avancé de vos engins avec CHC Navigation.
En savoir plus Aller à Guidage d'enginsTechnologie de navigation développée par CHCNAV pour la navigation autonome, la robotique, l'exploitation minière, le secteur maritime et les systèmes industriels, s'appuyant sur les technologies GNSS et INS.
En savoir plus Aller à NavigationDécouvrez les technologies d'agriculture de précision de CHC Navigation : guidage GNSS, pilotage automatique et systèmes d'agriculture intelligente pour les exploitations agricoles de toutes tailles.
En savoir plus Aller à Agriculture31 août 2026
Au cours de la dernière décennie, les technologies de cartographie ont fait d’énormes progrès en matière de collecte de données. Une seule journée de travail sur le terrain permet désormais d’obtenir un nuage de points comptant des centaines de millions de points, un ensemble d’images orientées couvrant un couloir entier, ainsi qu’un enregistrement de positionnement précis à quelques centimètres près. Le problème de la collecte est en grande partie résolu. Ce qui n’a pas suivi le rythme, c’est tout ce qui se passe ensuite : déterminer quels points correspondent au sol et lesquels à la végétation, repérer la ligne de bordure de trottoir, vérifier si le relevé respecte bien les tolérances, et transformer tout cela en informations exploitables par un concepteur ou un gestionnaire d’actifs. C’est dans cette brèche que s’insère l’IA géospatiale, qui est en train de transformer discrètement ce que signifie concrètement la technologie de cartographie.
L’IA géospatiale est un terme large, et il convient d’être précis à ce sujet. Dans le contexte de la topographie et de la cartographie, elle désigne généralement des modèles d’apprentissage automatique entraînés à reconnaître des motifs dans les données spatiales : classer un nuage de points, extraire des caractéristiques à partir d’images, signaler les mesures qui semblent erronées. Elle ne remplace pas la mesure. Le modèle a toujours besoin de données correctement positionnées, à l’échelle exacte et chronologiquement précises, et il hérite de toutes les erreurs présentes dans ces données. Il est utile de faire la distinction entre ce que l’intelligence artificielle peut apporter et ce pour quoi la précision doit encore provenir du capteur.
Les gains les plus évidents à ce jour concernent la classification et l'extraction, ces étapes du processus qui se mesuraient auparavant en « journées-opérateur ». La classification des nuages de points en est l’exemple le plus évident. Distinguer le sol de la végétation, des bâtiments, des poteaux et des câbles était autrefois une tâche manuelle ou semi-automatique que le géomètre effectuait section par section. Les modèles entraînés sur de grands volumes de données classées prennent désormais en charge automatiquement une grande partie de cette étape, laissant à l’opérateur le soin de vérifier et de corriger plutôt que de partir de zéro.
L’extraction d’éléments suit le même schéma. Le marquage routier, les bordures, les panneaux de signalisation, les regards et les lignes de façade peuvent être identifiés dans les images ou les nuages de points, puis convertis en vecteurs sans que chacun d’entre eux doive être numérisé à la main. Dans la cartographie de corridors, où les mêmes types d’éléments se répètent sur plusieurs kilomètres, c’est là que se consacrait autrefois la majeure partie du temps de travail au bureau.
Le contrôle qualité constitue le troisième domaine, et sans doute le plus intéressant pour les géomètres, car il fonctionne à l’inverse. Au lieu d’accélérer la production de résultats, il examine les données et signale ce qui semble incorrect : une zone de balayage à couverture insuffisante, un tronçon de trajectoire où la solution de positionnement s’est dégradée, des points dont la divergence par rapport à leurs voisins dépasse la tolérance définie pour la mission. Détecter ces anomalies alors que l’équipe est encore sur le terrain a bien plus de valeur que de les repérer une semaine plus tard.
Le calcul de volumes constitue une autre application pratique, notamment dans le domaine de la topographie et des travaux de terrassement. Le traitement assisté par IA permet d’identifier et de modéliser les surfaces des tas à partir de données de nuages de points, ce qui facilite le calcul des volumes avec une intervention manuelle bien moindre.
Il ne s'agit en rien d'un changement soudain. Cela découle d'une évolution dans la manière dont les données topographiques sont collectées. La « capture de réalité », c'est-à-dire la pratique consistant à enregistrer une scène dans son ensemble plutôt qu'un ensemble de points sélectionnés, est désormais devenue une activité courante plutôt qu'un service spécialisé. Un scanner portable parcourant un tunnel, un appareil monté sur un véhicule enregistrant une route à la vitesse de circulation, un drone survolant un couloir : tous produisent des scènes complètes au lieu de mesures ponctuelles.
C’est ce changement qui a fait du bureau le goulot d’étranglement. Lorsqu’un relevé se composait de quelques centaines de points délibérément choisis, le traitement était simple. Lorsqu’il s’agit d’un enregistrement complet de tout ce qui se trouve à portée, quelqu’un doit décider de ce que tout cela représente. L’interprétation automatisée est la réponse naturelle à ce volume, et c’est pourquoi les discussions sur les technologies de cartographie se sont déplacées des capteurs vers les logiciels.
CHC Navigation s’est orientée vers cette voie en partant des données. Les flux de travail intégrés, alliant matériel et logiciels, couvrant les technologies GNSS, IMU, de vision et LiDAR, sont conçus pour que le positionnement, l’imagerie et les nuages de points soient déjà alignés et horodatés à leur arrivée, condition indispensable à toute interprétation automatisée. Pour en savoir plus sur la manière dont ces éléments s’articulent, consultez l’article consacré à CHC Navigation et à la prochaine étape de la technologie géospatiale.
On pourrait facilement interpréter les progrès de l'IA comme un signe que la mesure sous-jacente a moins d'importance. Dans le domaine géospatial, c’est plutôt le contraire qui est vrai. Un modèle de classification peut vous indiquer qu’un ensemble de points correspond à un bord de trottoir. Il ne peut pas vous dire où se trouve ce bord de trottoir. La position est déterminée par le GNSS, par la mesure inertielle et par la manière dont ces données sont fusionnées pour former une trajectoire ; toute erreur à ce niveau se répercute sur l’ensemble des résultats produits par le modèle par la suite.
C’est pourquoi les questions de précision restent d’actualité. Les trajets multiples dans un canyon urbain, une brève interruption du GNSS sous un pont, un service de correction qui se coupe pendant trente secondes : chacun de ces éléments introduit une légère distorsion dans la trajectoire, et une trajectoire déformée produit un nuage de points erronément étiqueté mais présenté avec assurance, plutôt qu’un nuage manifestement incohérent. L'interprétation automatisée peut rendre un problème de positionnement plus difficile à détecter, car le résultat semble toujours correct. Un GNSS fiable, une fusion inertielle solide et des rapports de qualité honnêtes sont d’autant plus importants dans un flux de travail automatisé, et non l’inverse.
Pour le géomètre, cela se traduit concrètement par une évolution des tâches. Le travail sur le terrain est de plus en plus axé sur l’exhaustivité et la fiabilité : il s’agit de saisir la scène dans son intégralité et de savoir, dès le terrain, si les données seront valables. Le travail au bureau passe de la production des livrables à leur vérification et à leur correction. La compétence qui prend de la valeur est celle du jugement sur la qualité des données, car quelqu’un doit toujours décider si un résultat automatisé est correct.
Cela modifie également les exigences imposées au matériel. Si l’interprétation doit être automatisée, les données qui lui sont fournies doivent être bien préparées : densité de points homogène, synchronisation temporelle fiable entre les capteurs, trajectoire accompagnée d’un historique de précision documenté, et formats compatibles avec les logiciels standard sans perte lors de la conversion. Un système qui produit un magnifique nuage de points mais ne fournit aucun enregistrement fiable de son positionnement est plus difficile à automatiser, et non l’inverse.
Deux aspects méritent une attention particulière. Le premier est la transparence. Un classement automatisé accompagné d’un indicateur de confiance et permettant d’identifier clairement les zones pour lesquelles le modèle a émis des doutes s’avère bien plus utile dans le cadre d’un travail professionnel qu’un classement qui se contente de fournir une réponse. La topographie comporte des risques en matière de responsabilité, et il est difficile de valider un résultat qui ne peut être vérifié.
Le deuxième point concerne le lieu où s’effectue le traitement. Certaines tâches se prêtent au travail sur le terrain, permettant à l’équipe de vérifier immédiatement la couverture et la qualité avant de partir. D’autres se prêtent mieux au bureau ou au cloud, où la pleine puissance de calcul est disponible. Les flux de travail qui font leurs preuves ont tendance à séparer délibérément ces deux aspects plutôt que de tout regrouper à un seul endroit.
L’IA géospatiale ne remplace pas la technologie de levé topographique. Elle supprime une catégorie de tâches d’interprétation répétitives qui n’ont jamais constitué la partie la plus utile, et ce faisant, elle renforce la valeur des deux aspects qui restent difficiles : la capture d’une scène complète et l’évaluation de sa précision. Pour un secteur qui a passé des années à développer de meilleurs capteurs, c’est un point de départ raisonnable pour la prochaine étape.
Pour découvrir comment CHC Navigation aborde les workflows de positionnement, de capture de la réalité et de cartographie dans les domaines de la topographie, de la construction, de l’agriculture et de l’autonomie, consultez nos pages consacrées aux technologies géospatiales.
CHC Navigation (CHCNAV) développe des solutions avancées de cartographie, de navigation et de positionnement destinées à améliorer la productivité et l'efficacité. Au service de secteurs tels que le géospatial, l'agriculture, le contrôle des machines et l'autonomie, CHCNAV propose des technologies innovantes qui donnent les moyens d'agir aux professionnels et favorisent le progrès de ces secteurs. Avec une présence mondiale couvrant plus de 140 pays et une équipe de plus de 2 200 professionnels, CHC Navigation est reconnue comme un leader dans le secteur géospatial et au-delà. Pour plus d'informations sur CHC Navigation [300627.SZ], rendez-vous sur : https://www.chcnav.com/about/overview
Vous avez une question concernant nos solutions ou nos opportunités de partenariat ?
