Signalé par le blog Maps Mania (article du 22 février 2019)
Les techniques d’apprentissage automatique sont de plus en plus efficaces pour détecter des zones spécifiques sur des images satellitaires ou aériennes. L'intelligence artificielle (IA) et l'apprentissage automatique fournissent des algorithmes qui permettent de rechercher des traces reconnaissables à partir de vues aériennes.
Le projet OneSoil (présenté en détail dans ce billet) est un exemple d'utilisation de l'IA et de l'apprentissage automatique pour détecter la répartition des types de cultures dans le monde. Земляна проказа est un autre exemple d'application fondée sur le machine learning, utilisé dans ce cas pour identifier les mines d'ambre illégales en Ukraine. Curio Canopy mobilise, quant à elle, des techniques d'apprentissage automatique pour identifier le couvert forestier dans les villes européennes.
Un exemple intéressant est celui du Dymaxion Labs qui vise à cartographier les bidonvilles et constructions informelles. Dymaxion est une start-up argentine qui a recours à l'apprentissage automatique pour explorer les images satellitaires d'un certain nombre de villes d'Amérique latine dans le but d'identifier les zones de taudis et les quartiers informels. Les cartes qui en résultent sont utilisées pour aider les urbanistes et les autorités locales à déterminer les endroits où il faut développer en priorité les services publics.
Les zones d'habitat informel se développent à un rythme alarmant dans les villes d'Amérique latine, transformant les espaces en habitats périurbains en quelques mois. Les gouvernements et les ONG ont du mal à suivre l'évolution de ces changements en raison des coûts et des obstacles logistiques liés à la couverture des territoires concernés, ce qui signifie que les données sur les établissements informels sont souvent dépassées. Dymaxion Labs offre d'ailleurs la possibilité de s'inscrire sur le site pour ajouter des informations et compléter les zones de bidonvilles identifiées par les images aériennes.
Les zones d'habitat informel se développent à un rythme alarmant dans les villes d'Amérique latine, transformant les espaces en habitats périurbains en quelques mois. Les gouvernements et les ONG ont du mal à suivre l'évolution de ces changements en raison des coûts et des obstacles logistiques liés à la couverture des territoires concernés, ce qui signifie que les données sur les établissements informels sont souvent dépassées. Dymaxion Labs offre d'ailleurs la possibilité de s'inscrire sur le site pour ajouter des informations et compléter les zones de bidonvilles identifiées par les images aériennes.
Pour explorer la carte les bidonvilles et habitats informels :
- Buenos Aires, Argentine
- Asunción, Paraguay
- Guatemala, Guatemala
- Tegucigalpa, Honduras
- Montevideo, Uruguay
- Lima, Pérou
Les couches vectorielles sont téléchargeables pour chacune de ces villes au format geojson :
http://ap-latam.dymaxionlabs.com/en/data
Lien ajouté le 11 août 2021
The UN estimates that more than 1 billion people live in slums around the world. Yet the geography of slum living has long been poorly defined.
— Bloomberg CityLab (@CityLab) August 11, 2021
Researchers and residents in dozens of countries are seeking to address this.
Read and subscribe to #MapLab: https://t.co/az1oyHZlG3
Lien ajouté le 22 août 2026
Lebovits, N. (2026). Barrios Visibles : Building Footprint Evidence of Systematic Population Undercount in Argentina's Informal Settlements [Barrios Visibles : Empreintes architecturales témoignant d'un sous-dénombrement systématique de la population dans les quartiers informels argentins]. SSRN Working Paper. URL : https://ssrn.com/abstract=6588819
Une analyse d'images satellites des quartiers défavorisés en Argentine a révélé une sous-représentation des ménages (3 millions de personnes) par rapport au registre officiel Renabap. « Le » Registro Nacional de Barrios Populares (RENABAP) argentin constitue le principal registre administratif du pays concernant la population des quartiers informels. Il recense environ 1,24 million de familles réparties dans 6 467 quartiers enregistrés. L'auteur compare ce recensement à 1,97 million d'emprises de bâtiments issues de la base de données combinée Google-Microsoft-OpenStreetMap, spatialement reliées aux polygones du RENABAP. À l'intérieur des limites des quartiers enregistrés, le nombre d'emprises détectées dépasse de 59 % le nombre de familles recensées (en valeur brute). Le nombre minimal de ménages par quartier – soit le maximum entre (a) le nombre de familles recensées et (b) le nombre d'emprises détectées, pondéré par le ratio de 1,1 famille par logement propre au RENABAP – dépasse de 83 % le total national du RENABAP. En appliquant des coefficients multiplicateurs de population prudents, cela implique une population totale vivant dans des établissements informels de 6,3 à 7,6 millions d'habitants, soit 2,9 à 3,4 millions de plus que le chiffre officiel (environ 6 à 7 % de la population totale argentine). La répartition géographique est bimodale : dans les villas verticales consolidées de la CABA, le RENABAP recense des résidents que les empreintes au sol ne permettent pas de dénombrer (médiane de 1,9 famille par empreinte au sol) ; partout ailleurs, le nombre de bâtiments dépasse largement les estimations familiales, ce qui concorde avec les sous-dénombrements systématiques des établissements informels documentés dans la littérature internationale. La densité verticale diminue fortement avec la distance au centre-ville, passant d'environ 50 % des établissements dans les partidos de la couronne intérieure à moins de 10 % dans la couronne extérieure. Étant donné que les moyennes nationales agrégées couvrent ces différents régimes, le sous-dénombrement en périphérie est plus important que ne le suggère le chiffre de 83 % annoncé. L'analyse est entièrement reproductible à l'aide de données ouvertes et d'outils open source, et la qualité de la détection est directement vérifiable via une carte web interactive associée.
Articles connexes
