Le portail francophone de la géomatique

Offre de stage de Master 2

Modélisation de paysages futurs plausibles et génération d’images satellites par IA générative

Contexte

Les changements paysagers figurent parmi les limites planétaires les plus importantes. Ils résultent de l'interaction entre processus biophysiques, réglementations territoriales et décisions humaines, et ont des conséquences importantes sur le cycle de l'eau, les cycles biogéochimiques, la biodiversité et le climat.

Le projet FUTURAIG (Futurs paysagers par IA Générative) explore la question suivante: comment produire des représentations plausibles de paysages futurs à partir de l’état actuel des territoires, de leurs trajectoires passées, des contraintes biophysiques et de scénarios d’évolution ? L'objectif n'est donc pas de prédire un paysage futur unique, mais d'explorer un ensemble de paysages futurs plausibles.

À terme, l'objectif est d’aller vers une chaîne de simulation permettant d'explorer différents scénarios et de fournir des représentations suffisamment réalistes et interprétables pour servir de support à l'analyse et à la décision en matière d’aménagement du territoire.

Le projet, à l'interface de la géographie, des mathématiques et de l'informatique, envisage notamment l'utilisation de modèles génératifs récents, tels que le Flow Matching, pour produire des représentations plausibles de paysages futurs, notamment sous forme d'images satellites.

Le projet FUTURAIG est financé par l'Institut Rhônalpin des Systèmes Complexes (IXXI) et la Maison des Sciences Sociales et des Humanités Lyon Saint-Étienne.

Problématique scientifique du stage

Peut-on apprendre à un modèle à générer des représentations paysagères plausibles et réalistes à partir de données géographiques multi-sources, de trajectoires historiques et d’un scénario donné ?

Répondre à cette question de recherche suppose d'atteindre les objectifs suivants :
* Elaborer un modèle spatial visant à produire des configurations spatiales plausibles à partir de données d’entraînement reliant les occupations du sol à des variables biophysiques et territoriales issues de bases de données spatiales ouvertes, notamment en provenance de l'IGN;
* Développer un modèle génératif d'images satellites de synthèse.

À ce stade, l'objectif du stage est d'explorer plusieurs pistes méthodologiques afin d'en évaluer les performances, les limites et les conditions d’utilisation. Deux familles d'approches, complémentaires et éventuellement combinables, seront considérées pour la modélisation de l'évolution de l'occupation du sol :
* modèles processuels (automate cellulaire, système multi-agents — ex. plateforme GAMA), fondés sur des règles de transformation explicites ;
* modèles génératifs (modèles de diffusion, Flow Matching), capables d'échantillonner plusieurs futurs plausibles conditionnés par le scénario.

Le choix de la méthode ne sera pas fixé a priori : il constituera en partie une question scientifique du stage. Le stage ne vise pas à développer l’ensemble de ces briques de manière exhaustive : un nombre limité de pistes sera privilégié lors de la phase exploratoire, en fonction du profil du/de la stagiaire et des premiers résultats. Lors de la seconde phase, l'objectif sera de construire un prototype intégré en s'appuyant sur les outils les plus prometteurs, sur la base d'un compromis entre performance, interprétabilité et faisabilité.

Les données d'entraînement seront principalement tirées des bases de données d'organismes publics français, notamment l'IGN. Une attention particulière sera portée à la cohérence spatiale des configurations produites, afin d'éviter des configurations aberrantes : p. ex. respect des contraintes biophysiques, cohérence avec les trajectoires historiques.

Le stage pourra ainsi constituer une première brique méthodologique pour le développement ultérieur d'un système capable de générer, à la demande, des occupations du sol correspondant à différents scénarios et contraintes, puis de les représenter sous forme d'images satellites. Cette perspective correspond à l'ambition de développement à plus long terme identifiée dans le projet FUTURAIG.

Parmi les livrables attendus : un état de l’art ciblé et une comparaison des approches retenues, un prototype expérimental, une évaluation des résultats selon des critères de plausibilité spatiale et/ou de réalisme visuel.

Profil recherché

Étudiant(e) en seconde année de Master ou formation équivalente, avec une formation en :
*informatique / intelligence artificielle ;
*data science ;
*géographie quantitative/ géomatique ;
*mathématiques appliquées ;
*ou domaine proche.

Compétences appréciées :
*programmation Python (p. ex., NumPy, Pandas, Scikit-learn, PyTorch, TensorFlow);
*manipulation de données spatiales ou d'images;
*intérêt pour les modèles génératifs ;
*autonomie scientifique et goût pour l'expérimentation.

Une maîtrise de l’ensemble de ces compétences n’est pas attendue mais une expérience dans plusieurs de ces domaines constituera un atout.

Durée et modalités

Durée : 5 à 6 mois
Période de démarrage : février ou mars 2027
Gratification : gratification légale en vigueur au moment du stage (à titre indicatif : 4,50€ nets/heure) + participation à 75% des frais de transport, soit environ 700€ nets/mois
Lieu : Campus Porte des Alpes, Université Lumière Lyon 2 (Bron)
Encadrement : S. Chrétien (ERIC, Univ. Lyon 2), F. Mialhe (EVS, Univ. Lyon 2), S. Miguet (LIRIS, CNRS)

Candidature au fil de l’eau
Contacts pour candidature : francois.mialhe@texte-a-enlever.univ-lyon2.fr; serge.miguet@texte-a-enlever.liris.cnrs.fr; stephane.chretien@texte-a-enlever.univ-lyon2.fr
Documents à fournir : CV, lettre de motivation, relevés de notes de master et coordonnées d’un référent universitaire.