{"id":735,"date":"2025-01-28T08:50:53","date_gmt":"2025-01-28T07:50:53","guid":{"rendered":"https:\/\/wp.unil.ch\/iaunil2\/?p=735"},"modified":"2025-07-28T18:22:03","modified_gmt":"2025-07-28T16:22:03","slug":"modelisation-geostatistique-du-sous-sol","status":"publish","type":"post","link":"https:\/\/wp.unil.ch\/iaunil\/modelisation-geostatistique-du-sous-sol\/","title":{"rendered":"Sous nos pieds, l\u2019IA cartographie le sous-sol et ouvre de nouvelles voies en g\u00e9osciences"},"content":{"rendered":"\n

Texte original publi\u00e9 sur https:\/\/wp.unil.ch\/geoblog\/2024\/03\/modelisation-geostatistique-du-sous-sol\/<\/a><\/em><\/p>\n\n\n\n

\n
\n

Face \u00e0 la complexit\u00e9 du sous-sol et \u00e0 la raret\u00e9 des donn\u00e9es disponibles, Niklas Linde, g\u00e9ophysicien \u00e0 l\u2019UNIL, s\u2019est tourn\u00e9 vers l\u2019intelligence artificielle pour am\u00e9liorer la mod\u00e9lisation g\u00e9ostatistique. En utilisant des mod\u00e8les g\u00e9n\u00e9ratifs profonds inspir\u00e9s de ceux capables de cr\u00e9er des visages ou des paysages r\u00e9alistes, son \u00e9quipe parvient \u00e0 reproduire la structure des aquif\u00e8res avec une pr\u00e9cision in\u00e9dite. Longtemps sceptique, Linde est aujourd\u2019hui l\u2019un des pionniers du machine learning dans les g\u00e9osciences. Leur approche, longtemps incomprise, est d\u00e9sormais largement reconnue, illustrant le potentiel transformateur de l\u2019IA pour mieux comprendre notre plan\u00e8te\u2026 en profondeur.<\/p>\n<\/div>\n\n\n\n

\n

Apprendre \u00e0 l\u2019IA \u00e0 reconna\u00eetre et g\u00e9n\u00e9rer des structures g\u00e9ologiques<\/h3>\n\n\n\n

Les applications de cette m\u00e9thode sur des mod\u00e9lisations d\u2019aquif\u00e8res (structures g\u00e9ologiques contenant de l\u2019eau de mani\u00e8re permanente ou temporaire) ont montr\u00e9 des r\u00e9sultats sup\u00e9rieurs \u00e0 ceux obtenus avec des m\u00e9thodes plus classiques. Niklas Linde ajoute : \u00ab Les valeurs probabilistes obtenues via ces mod\u00e9lisations rendent les r\u00e9sultats potentiellement plus exploitables pour les utilisateurs sur le terrain (on peut pr\u00e9dire avec quelle probabilit\u00e9 le sous-sol d\u2019une zone donn\u00e9e renferme telle ou telle propri\u00e9t\u00e9 g\u00e9ophysique)<\/em> \u00bb. L\u2019objectif pour la suite est d\u2019am\u00e9liorer les algorithmes afin de diminuer le temps n\u00e9cessaire \u00e0 leur entra\u00eenement, et de rendre les mod\u00e8les encore plus pr\u00e9cis.<\/p>\n\n\n\n

L\u2019id\u00e9e originale de son coll\u00e8gue Eric Laloy a \u00e9t\u00e9 d\u2019utiliser les algorithmes de mod\u00e8les g\u00e9n\u00e9ratifs profonds,<\/em> (comme par exemple, les applications qui cr\u00e9ent des nouveaux visages \u00e0 partir d\u2019images de millions de visages),pour g\u00e9n\u00e9rer des nouvelles images g\u00e9ologiques avec des caract\u00e9ristiques similaires \u00e0 celles d\u2019images existantes (images d\u2019entra\u00eenement). Dans le cadre des recherches de Niklas Linde et ses collaborateurs, les images d\u2019entra\u00eenement, sont constitu\u00e9es par exemple d\u2019affleurements rocheux, qui repr\u00e9sentent une bonne indication de la nature du sous-sol environnant. Les algorithmes ont \u00e9t\u00e9 entra\u00een\u00e9s gr\u00e2ce \u00e0 une multitude de telles images pour qu\u2019ils apprennent \u00e0 repr\u00e9senter ces structures et leurs propri\u00e9t\u00e9s. <\/p>\n\n\n\n

\"\"<\/figure>\n<\/div>\n\n\n\n
\n

Sceptique au d\u00e9part<\/h3>\n\n\n\n

Niklas Linde d\u00e9clare : \u00ab Avant cette recherche, je ne pensais pas que le machine learning puisse \u00eatre tr\u00e8s utile dans le domaine de la g\u00e9ophysique<\/em> \u00bb. Les mod\u00e8les r\u00e9alis\u00e9s \u00e0 partir des donn\u00e9es et des mod\u00e8les physiques lui semblaient en effet suffisamment pr\u00e9cis et pr\u00e9f\u00e9rables, par rapport \u00e0 une approche bas\u00e9e sur les donn\u00e9es. Confront\u00e9 \u00e0 des mod\u00e8les de la subsurface de plus en plus complexes, il a fait partie des pr\u00e9curseurs de l\u2019utilisation de l\u2019apprentissage profond dans le domaine (cf encadr\u00e9). Le d\u00e9veloppement de l\u2019utilisation de l\u2019IA dans les g\u00e9osciences et les progr\u00e8s r\u00e9alis\u00e9s par la suite montrent que le co\u00fbt d\u2019int\u00e9gration du machine learning dans un mod\u00e8le complexe, est largement compens\u00e9 par les avantages en termes de capacit\u00e9 \u00e0 repr\u00e9senter des relations complexes et des tester une grande quantit\u00e9 des mod\u00e8les diff\u00e9rents. <\/p>\n<\/div>\n\n\n\n

\n

Un r\u00f4le de pr\u00e9curseur <\/h3>\n\n\n\n

Niklas Linde et ses coll\u00e8gues ont fait partie des pr\u00e9curseurs de l\u2019utilisation de l\u2019apprentissage profond dans les g\u00e9osciences pour g\u00e9n\u00e9rer, avec des mod\u00e9lisations inverses, des mod\u00e8les g\u00e9ologiquement r\u00e9alistes de la subsurface qui sont en accord avec les donn\u00e9es g\u00e9ophysiques. Lors de la soumission de leur premier article d\u00e9crivant cette approche en 2017, l\u2019\u00e9diteur a refus\u00e9 de le publier, car cette approche ne leur est pas apparue pertinente. L\u2019article a finalement \u00e9t\u00e9 accept\u00e9 par un autre \u00e9diteur. Le deuxi\u00e8me article sur ce sujet a aussi \u00e9t\u00e9 refus\u00e9 avant d\u2019\u00eatre accept\u00e9 en 2018 apr\u00e8s une re-soumission. Actuellement les publications sur l\u2019utilisation de l\u2019apprentissage profond dans les g\u00e9osciences sont nombreuses.<\/p>\n\n\n\n

\n
Pour en savoir plus<\/a><\/div>\n<\/div>\n<\/div>\n\n\n\n
\n
\n\n\n\n
\n
\n
\n

Le Professeur et g\u00e9ophysicien Niklas Linde porte un int\u00e9r\u00eat particulier aux processus environnementaux en lien avec l\u2019hydrog\u00e9ologie.<\/strong><\/strong><\/strong><\/p>\n\n\n\n

Facult\u00e9 des g\u00e9osciences et de l’environnement<\/strong><\/p>\n\n\n\n

Apprentissage automatique, G\u00e9ostatistiques, Aquif\u00e8res<\/p>\n\n\n\n

\n
Profil<\/a><\/div>\n\n\n\n
Publications<\/a><\/div>\n<\/div>\n<\/div>\n\n\n\n
\n
\"linde<\/figure>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n","protected":false},"excerpt":{"rendered":"

Gr\u00e2ce \u00e0 l\u2019IA, Niklas Linde et son \u00e9quipe cr\u00e9ent des mod\u00e8les g\u00e9ologiques r\u00e9alistes du sous-sol, ouvrant de nouvelles perspectives pour l\u2019hydrog\u00e9ologie et la protection de l\u2019environnement.<\/p>\n","protected":false},"author":108,"featured_media":919,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"_seopress_robots_primary_cat":"","_seopress_titles_title":"","_seopress_titles_desc":"","_seopress_robots_index":"","footnotes":""},"categories":[7],"tags":[],"class_list":{"0":"post-735","1":"post","2":"type-post","3":"status-publish","4":"format-standard","5":"has-post-thumbnail","7":"category-recherche"},"_links":{"self":[{"href":"https:\/\/wp.unil.ch\/iaunil\/wp-json\/wp\/v2\/posts\/735","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/wp.unil.ch\/iaunil\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/wp.unil.ch\/iaunil\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/wp.unil.ch\/iaunil\/wp-json\/wp\/v2\/users\/108"}],"replies":[{"embeddable":true,"href":"https:\/\/wp.unil.ch\/iaunil\/wp-json\/wp\/v2\/comments?post=735"}],"version-history":[{"count":5,"href":"https:\/\/wp.unil.ch\/iaunil\/wp-json\/wp\/v2\/posts\/735\/revisions"}],"predecessor-version":[{"id":2572,"href":"https:\/\/wp.unil.ch\/iaunil\/wp-json\/wp\/v2\/posts\/735\/revisions\/2572"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/wp.unil.ch\/iaunil\/wp-json\/wp\/v2\/media\/919"}],"wp:attachment":[{"href":"https:\/\/wp.unil.ch\/iaunil\/wp-json\/wp\/v2\/media?parent=735"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/wp.unil.ch\/iaunil\/wp-json\/wp\/v2\/categories?post=735"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/wp.unil.ch\/iaunil\/wp-json\/wp\/v2\/tags?post=735"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}