ForTy : la carte mondiale des forêts créée par Google DeepMind et le WRI

Google DeepMind et le World Resources Institute (WRI) ont publié ForTy, une carte globale qui utilise des images satellite et l’intelligence artificielle pour classer le couvert terrestre en six catégories distinctes. L’initiative vise à fournir un instrument de suivi à l’échelle planétaire capable d’identifier, entre autres, les forêts primaires, les plantations et les cultures arboricoles.

The Decoder rapporte que, malgré son ambition, ForTy présente des lacunes notables dans la détection des zones plantées : elle identifie environ la moitié des forêts plantées et des zones de cultures arboricoles, ainsi que 60 % des plantations. Ces limites soulèvent des questions pratiques pour son usage dans la surveillance réglementaire et la lutte contre la déforestation.

Ce que propose ForTy

ForTy est présenté comme une carte mondiale qui segmente le territoire en six classes. Parmi elles figurent la forêt primaire — zones à haute valeur écologique et souvent anciennes —, les plantations et les cultures arboricoles. La cartographie repose sur l’analyse d’images satellites combinée à des modèles d’apprentissage automatique.

L’objectif affiché est double : améliorer la transparence sur l’état des forêts au niveau global, et fournir un outil opérationnel pour des usages comme le suivi de la conformité aux règles anti-déforestation émises par des juridictions telles que l’Union européenne.

Performances et limites connues

Les chiffres partagés indiquent des capacités inégales de détection. ForTy reconnaît environ la moitié des zones de forêts plantées et des parcs de cultures arboricoles, tandis que seulement 60 % des plantations sont repérées. Ces taux traduisent des omissions substantielles.

Il reste incertain où se concentrent ces lacunes : régions tropicales ou tempérées, petites parcelles agricoles ou vastes monocultures, données du passé ou zones nouvellement converties. The Decoder précise ces proportions mais ne détaille pas la répartition géographique des erreurs ni leurs causes techniques précises.

Pourquoi ces limites importent

• Pour la conformité réglementaire : si une carte manque une part importante des plantations ou des cultures arboricoles, elle peut sous-estimer la conversion de forêts naturelles en usages agricoles ou industriels.
• Pour l’action sur le terrain : des omissions peuvent fausser les priorités de conservation et détourner des ressources des zones réellement menacées.
• Pour la transparence des chaînes d’approvisionnement : les entreprises et les régulateurs qui veulent s’appuyer sur des outils automatisés ont besoin de certitudes sur la couverture et la robustesse des classifications.

Potentiel opérationnel et incertitudes

Malgré ses limites, ForTy reste potentiellement utile comme première couche de surveillance globale. Une cartographie automatique peut aider à détecter des tendances, repérer des changements significatifs et orienter les campagnes de vérification au sol.

Cependant, plusieurs incertitudes subsistent : la nature exacte des erreurs (confusions entre classes, mauvais découpages spatiaux, limitations liées à la résolution satellite), l’évolution des performances selon les régions et les saisons, et la dépendance éventuelle à des données d’entraînement qui peuvent ne pas représenter tous les paysages.

Quelles améliorations sont nécessaires ?

Pour augmenter la fiabilité de ForTy, plusieurs axes sont plausibles sans être garantis par les informations disponibles :

• Validation terrain accrue et partenariats locaux pour corriger les erreurs et renforcer les jeux de données d’entraînement.
• Affinement des modèles pour mieux distinguer plantations récentes, cultures arboricoles et régénération naturelle.
• Transparence sur les métriques de performance par région et mise à disposition d’outils permettant aux utilisateurs de comprendre les zones à forte incertitude.

Ces recommandations découlent de bonnes pratiques générales en télédétection et en apprentissage automatique ; The Decoder n’indique toutefois pas quelles mesures précises DeepMind ou le WRI prévoient de prendre.

Conséquences pour la gouvernance de la forêt

Au plan réglementaire, une carte comme ForTy peut alimenter les rapports et les contrôles, à condition que ses limites soient prises en compte dans les processus de décision. Pour l’instant, son utilité immédiate tiendra autant à la capacité d’alerter sur des changements majeurs qu’à la possibilité d’intégrer des validations humaines complémentaires.

En l’état, ForTy apparaît comme un outil prométeur mais incomplet : il offre une vision globale inédite, tout en nécessitant un travail supplémentaire pour atteindre la fiabilité requise par des usages contraignants comme la certification ou la conformité réglementaire.

La carte illustre le potentiel et les défis de l’IA appliquée à la conservation : l’automatisation permet un déploiement à grande échelle, mais la complexité des écosystèmes et la diversité des pratiques d’usage des terres imposent une approche hybride mêlant technologie, expertise locale et vérification terrain.