La géomatique connaît aujourd’hui une transformation majeure avec l’arrivée de la recherche sémantique et des chatbots fondés sur les grands modèles de langage (LLM – Large Language Models). Ces technologies, issues de l’intelligence artificielle, bouleversent la façon dont les données géospatiales sont recherchées, analysées et valorisées. Là où les systèmes traditionnels reposaient principalement sur des mots-clés, des requêtes SQL et des filtres géométriques stricts, les nouveaux outils exploitent désormais le sens des requêtes et le contexte pour proposer des réponses plus intuitives et plus pertinentes.
Faciliter la recherche
La recherche sémantique repose sur des représentations vectorielles du langage, appelées « embeddings », qui permettent de mesurer la similarité de sens entre deux contenus. Appliquée à la géomatique, cette approche permet par exemple de rechercher des données non plus uniquement à partir de mots-clés exacts, mais à partir d’intentions formulées en langage naturel : « zones urbaines à risque d’inondation près des écoles », « secteurs propices à l’implantation de panneaux solaires », ou encore « infrastructures de mobilité douce ». Cette évolution rend les catalogues de données géographiques bien plus accessibles, notamment pour les décideurs, les élus ou les non-spécialistes en système d’information géographique (SIG).
En parallèle, les chatbots basés sur les LLM jouent un rôle d’interface intelligente entre l’utilisateur et les systèmes d’information géographique. Ces modèles, capables de comprendre des requêtes complexes, peuvent guider l’utilisateur dans la recherche de données, expliquer des résultats cartographiques, générer automatiquement des scripts d’analyse ou même documenter des métadonnées. Couplés à des architectures dites RAG (Retrieval-Augmented Generation), ils s’appuient sur des bases de données géospatiales existantes pour produire des réponses fiables et contextualisées, limitant ainsi les erreurs d’invention d’information.
Les applications concrètes se multiplient déjà. Dans les collectivités publiques, ces outils facilitent l’accès aux données d’urbanisme et d’environnement. Dans le domaine de la gestion des risques, ils permettent d’interroger rapidement de vastes bases de données pour identifier des zones sensibles ou simuler des scénarios d’impact. Dans les entreprises, ils accélèrent la production d’analyses spatiales pour l’aménagement, la logistique ou l’énergie. Les éditeurs de solutions SIG intègrent progressivement ces technologies sous forme d’assistants intelligents capables d’accompagner l’utilisateur tout au long de son workflow.
Des expérimentations prometteuses
Au sein de l’Etat de Genève, la direction de l’information du territoire (DIT) est responsable du Système d’information du territoire à Genève (SITG), un SIG qui propose plus de 1300 jeux de géodonnées. Si les professionnels ont su le maitriser pour leurs besoins métier, son utilisation reste complexe pour des non initiés et nécessite souvent une formation pour le maitriser complètement, ne serait-ce que pour naviguer dans l’interface, interroger le bon jeu de données et extraire les données souhaitées.
Avec une approche chatbot/LLM, c’est enfin l’interface qui s’adapte à l’humain et non l’inverse. La recherche devient bien plus intuitive car pour faire afficher une carte, il suffit de poser des questions en langage naturel comme «affiche moi un trajet en vélo pour aller à la gare mais proche d’arrêts de bus si jamais il pleut» ou «montre-moi les zones constructibles proches de la drize(rivière sur le canton de Genève)» .
La DIT et son service en recherche et développement mène des expérimentations prometteuses dans ce domaine. Cependant, ces avancées s’accompagnent de plusieurs défis. Le raisonnement spatial reste une difficulté majeure pour les LLM, qui peuvent parfois mal interpréter des relations de distance, d’inclusion ou d’intersection si les moteurs géométriques classiques ne sont pas correctement intégrés. La qualité des résultats dépend fortement de la qualité des données et des métadonnées disponibles. Par ailleurs, les enjeux de sécurité, de confidentialité et de souveraineté des données sont cruciaux, notamment lorsqu’il s’agit d’infrastructures critiques, de données foncières ou environnementales sensibles.
En résumé
L’intégration de la recherche sémantique et des chatbots basés sur les LLM marque une étape décisive dans l’évolution de la géomatique, surtout pour un public non professionnel et de plus en plus habitué à utiliser des chats AI. Elle ouvre la voie à des systèmes plus intelligents, nettement plus accessibles et plus interactifs. Si les défis techniques et éthiques restent importants, les perspectives offertes par cette convergence entre intelligence artificielle et information géographique sont considérables, tant pour la recherche que pour les applications opérationnelles.
Patrick Montier – Chef de projet innovation au sein du service Recherche & Développement de la direction de l’information du territoire à l’Etat de Genève.
