Par Raphaële Héno, Présidente de la SFPT

L’actualité de la Société Française de Photogrammétrie et de Télédétection illustre une fois encore la vitalité de notre communauté, entre reconnaissance scientifique, innovations technologiques et événements fédérateurs. Les brèves de la première newsletter de l’année témoignent de cette dynamique, qu’il s’agisse de la distinction internationale de Josiane Zerubia, des évolutions de l’accès aux données avec DINAMIS, des avancées de l’IA opérationnelle en télédétection dans ENVI, des premières réalisations prometteuses de la mission CO3D, ou encore du rôle central de la recherche académique et partenariale, avec l’annonce de la 35ᵉ Journée de la Recherche de l’Université Gustave Eiffel, de l’IGN et de Géodata Paris le 10 mars sur le campus Descartes à Marne-la-Vallée.

Elles s’inscrivent dans la continuité d’une année 2025 particulièrement riche pour la SFPT et la RFPT, marquée par l’arrivée d’un nouveau rédacteur en chef, la numérisation complète du patrimoine des revues (on vous en reparle bientôt), ainsi que par des temps forts scientifiques comme le séminaire « Données, algorithmes et applications 3D » des 17 et 18 mars et le colloque hyperspectral à Grasse du 5 au 7 mai.

Ces réalisations nourrissent les ambitions à venir de la SFPT, au premier rang desquelles figure la mobilisation de la communauté française en vue du congrès ISPRS de juillet prochain à Toronto, vitrine internationale de nos savoir-faire et de nos collaborations.

L’IEEE a récemment nommé Josiane Zerubia, DRCE Inria et membre de la SFPT, au rang de Life Fellow. Cette reconnaissance vient saluer plus de trente ans d’implication continue dans la communauté internationale du traitement du signal et de l’image, appliqué à la télédétection. Voir l’article Inria détaillé sur https://inria.fr/fr/chercheuse-inria-nommee-ieee-life-fellow

Mi-janvier, DINAMIS – le Dispositif Institutionnel National d’Accès Mutualisé en Imagerie Satellitaire (Dinamis) – va se doter de nouvelles interfaces utilisateurs. Une série de webinaires de formation d’une heure est organisée de février à juillet :

• Jeudi 5 février – 09h : Demandes de programmations ou d’archives Pléiades et Spot 6/7
• Mars : Recherche, sélection et téléchargement des imageries DINAMIS
• Avril : Changements d’adhésion & comptes DINAMIS
• Mai : Manipulation des flux et APIs depuis le catalogue DINAMIS
• Juin : Les nouvelles données complémentaires de DINAMIS
• Juillet : Pléiades World Heritage, CO3D et calcul MNS

Lien d’inscription : https://lnkd.in/d-5GX2Za

Par NV5 Geospatial

L’Intelligence Artificielle (IA), et plus particulièrement les techniques d’apprentissage automatique et profond, a profondément transformé le domaine du traitement d’images de télédétection.  

Le format ONNX (Open Neural Network Exchange) joue un roue clé dans ce contexte pour faciliter le déploiement et l’interopérabilité des modèles IA.

Le support de ce format dans la nouvelle version ENVI® Deep Learning 4.0, module d’IA du logiciel de traitement d’images de NV5 Geospatial, ENVI, simplifie ainsi l’import, le déploiement et le partage de modèles IA grâce à son référentiel analytique intégré. Que vos modèles soient créés avec PyTorch, TensorFlow ou les outils natifs d’ENVI, passez facilement de l’entraînement au déploiement opérationnel.

ONNX rencontre ENVI

L’intégration des modèles ONNX dans ENVI est simple grâce à son interface et ses outils de configuration.

La puissance d’ONNX réside dans sa flexibilité : entraînez votre modèle dans n’importe quel framework (comme PyTorch ou TensorFlow) et intégrez-le dans ENVI.

Mais cette flexibilité entraîne des variations. Par exemple, votre modèle peut :

• Accepter des entrées au format « channels-first » au lieu de « channels-last »
• Utiliser une normalisation par z-score au lieu de diviser les valeurs par 255 et de normaliser de 0 à 1

Pour garantir que votre modèle se comporte comme prévu, ENVI permet de personnaliser la gestion des entrées et des sorties. Seul deux scripts Python légers sont nécessaires : l’un pour préparer les données d’entrée et l’autre pour mapper les sorties du modèle aux attentes d’ENVI.  D’autres détails comme la taille des entrées, le nombre de bandes, les classes et les noms/couleurs des classes sont simples à inclure dans la configuration.

Ne laissez pas de mauvaises données ruiner un bon modèle

Importer un modèle ONNX dans ENVI est une étape importante vers l’IA opérationnelle, mais vos résultats ne seront aussi bons que les données que vous fournissez.

De nombreux modèles d’apprentissage profond sont entraînés sur des formats de données très spécifiques. Cela peut signifier des images codées en octets (valeurs de 0 à 255) ou des données de réflectance de surface (valeurs de 0 à 10 000 ou de 0,0 à 1,0). Certains modèles attendent une normalisation par z-score ; d’autres supposent certaines bandes ou un ordre particulier des bandes. Les choses se compliquent lorsque nous associons cela à des images satellites réelles, qui peuvent beaucoup varier.

C’est pourquoi il est essentiel d’aligner les données d’entrée avec les données d’entraînement. ENVI vous fournit les outils pour simplifier cette tâche. Avec ENVI Modeler, vous pouvez :

• Normaliser ou mettre à l’échelle les données pour correspondre aux entrées d’entraînement
  • Exemple : appliquer un stretch, effectuer une correction atmosphérique
• Sélectionner et réorganiser les bandes selon les besoins
• Redimensionner ou rééchantillonner les images pour obtenir les dimensions attendues
  • Exemple : adapter la résolution aux données d’entraînement
• Gérer les valeurs « no data » ou appliquer des seuils

Par exemple, voici comment préparer une image SkySat en réflectance de surface avec 4 bandes pour un modèle ONNX de détection d’avions :

1. Extraire les bandes RVB de l’image d’entrée à 4 bandes
2. Passer en valeurs codées sur un octet
3. Exécuter l’image prétraitée dans le modèle IA et récupérer les résultats.

Ces étapes de prétraitement comblent le fossé entre les images brutes et les données prêtes pour l’IA, préparant votre modèle ONNX au succès. Associez-les à des guides simples, à la documentation ou à d’autres informations sur les types de données pris en charge, et vous permettrez à toute personne de votre organisation d’obtenir des résultats fiables.

Publier et partager avec le référentiel analytique

Une fois votre modèle et votre workflow de prétraitement prêts, leur publication dans le référentiel analytique ne prend que quelques clics. À partir de là, vos modèles et workflows sont :

• Accessibles par vos collègues et équipes
• Réutilisables dans différents projets sans duplication
• Répétables pour des résultats cohérents basés sur l’IA

Voici un aperçu de la boîte de dialogue de publication dans ENVI Modeler, où le workflow de traitement et le modèle ONNX sont prêts à être partagés.

En résumé, avec ENVI Deep Learning 4.0, vous pouvez :

• Importer des modèles ONNX facilement
• Personnaliser la gestion des données pour correspondre aux attentes du modèle
• Prétraiter les entrées avec les puissants outils d’imagerie d’ENVI
• Publier et partager des workflows IA dans le référentiel analytique

Il n’a jamais été aussi simple de passer d’un modèle entraîné à un actif IA déployé et partageable.

Des questions ou envie d’en savoir plus ? N’hésitez pas à nous contacter infofrance@NV5.com

Par David Youssefi (CNES)

Dans le cadre des 3^e Rencontres Techniques et Numériques (RTN) organisées par le CNES (https://cnes.fr/entreprises/rencontres-techniques-numeriques), Laurent LEBEGUE (CNES / Responsable performance système), David YOUSSEFI (CNES / Responsable chaîne 3D), Fabrice BUFFE (CNES, Responsable qualité image) et Colin THOMAS (Airbus Defence and Space) / Responsable qualité image) ont présenté la mission CO3D (Constellation Optique 3D, https://cnes.fr/projets/co3d) :

• Mise en avant des travaux d’étalonnage de la Qualité Image en cours de réalisation, et les principes de génération des Modèles Numériques de Surface.
• Présentation des premières données obtenues par la mission, à savoir, des images acquises de jour ou de nuit, des vidéos et des Modèles Numériques de Surface pour la première fois devant un public élargi

Par ailleurs, un stand dédié à CO3D doté d’un écran 3D fonctionnant sans lunette permettait aux participants d’admirer des illustrations innovantes telle que la première vidéo stéréoscopique synchrone réalisée par satellite. Cet espace a aussi permis d’avoir des échanges passionnants avec la communauté de la 3D depuis l’espace.

La vidéo suivante est une compilation d’extraits des premières données. Celles-ci sont encore perfectibles car les étalonnages sont en cours mais elles démontrent l’immense potentiel de la mission.

Par l’équipe IGN organisatrice

Mesdames, Messieurs,
Nous avons le plaisir de vous convier à la 35^e Journée de la Recherche de l’Université Gustave Eiffel, IGN, Géodata Paris (ex ENSG-Géomatique), le mardi 10 mars 2026.
Cette édition, qui se déroulera de 9h à 17h15 dans le campus Descartes à Marne-la-Vallée, proposera un panorama des recherches que mènent les trois laboratoires de l’IGN / Géodata Paris : le laboratoire en sciences et technologies de l’information géographique pour la ville intelligente et les territoires durables (LASTIG), le laboratoire d’inventaire forestier (LIF) et l’équipe IPGP/Géodésie.
La matinée sera consacrée à l’observation de la Terre et aux dynamiques territoriales avec un focus sur les milieux forestiers. L’après-midi abordera les techniques d’analyse et de visualisation des données géospatiales puis les mesures géodésiques. La journée se déroulera en session plénière, ponctuée de deux sessions de posters.
Pour consulter le programme de la journée et vous inscrire : https://geodata-paris.fr/fr/agenda/journee-de-la-recherche-2026

Au plaisir de vous y accueillir.
L’équipe organisatrice.