Google DeepMind annonce la création d'une carte mondiale qui classe chaque parcelle de 10 mètres de la surface terrestre selon son type de forêt, plutôt que de se limiter à détecter la simple présence de couvert arboré. Cette distinction compte : deux zones affichant le même pourcentage de verdure peuvent correspondre à des réalités écologiques très différentes, qu'il s'agisse d'une forêt primaire tropicale, d'une plantation de production, d'une mangrove côtière ou d'un boisement urbain.
Les efforts historiques de suivi forestier, popularisés notamment par des outils comme Global Forest Watch, se sont longtemps concentrés sur des métriques binaires ou de densité : présence ou absence d'arbres, pourcentage de couvert. Cette approche a permis des avancées importantes dans la détection de la déforestation, mais elle masque des différences écologiques essentielles pour évaluer la biodiversité, les stocks de carbone ou la résilience climatique d'un territoire.
En affinant la granularité de classification jusqu'au niveau du type forestier, Google DeepMind cherche à fournir un outil plus utile pour les scientifiques, les gestionnaires de terres et les décideurs publics. Une carte distinguant forêts naturelles et plantations industrielles, par exemple, permettrait de mieux cibler les politiques de conservation ou de restauration, et d'affiner les calculs d'émissions et de séquestration de carbone utilisés dans les négociations climatiques internationales.
Ce projet s'inscrit dans une série d'initiatives de Google et DeepMind appliquant l'apprentissage automatique à l'observation de la Terre, aux côtés d'outils comme Google Earth Engine. Si les détails techniques du modèle de classification ne sont pas encore pleinement détaillés dans l'annonce, l'intérêt de ce type de ressource dépendra largement de son ouverture aux chercheurs tiers et de sa capacité à être mise à jour régulièrement, condition nécessaire pour qu'elle serve réellement de référence dans le suivi environnemental mondial.