Google et la NASA automatisent la chasse au méthane

Google Research présente MAPL-EMIT, un modèle d’apprentissage profond destiné à détecter les panaches de méthane depuis l’espace. L’annonce a été publiée le 1er septembre 2026 par Vishal Batchu et Michelangelo Conserva. Le modèle automatise la détection, la quantification des concentrations et l’estimation des sources. Il exploite les données hyperspectrales de l’instrument EMIT, installé sur la Station spatiale internationale. Google Research a développé cette approche avec des collaborateurs du Jet Propulsion Laboratory de la NASA. Les auteurs décrivent leurs résultats dans un article publié aux Proceedings of the National Academy of Sciences. MAPL-EMIT vise les émissions localisées dans les secteurs des déchets, de l’agriculture et de l’énergie.

Le méthane réchauffe davantage que le dioxyde de carbone sur un siècle. Son potentiel de réchauffement est présenté comme 30 fois supérieur à celui du CO₂. Le méthane aurait contribué à environ 25 % du réchauffement d’origine humaine depuis le début de l’ère industrielle. Sa durée de vie atmosphérique relativement courte rend les réductions rapides particulièrement importantes, selon Google Research. Le Global Methane Pledge rassemble plus de 125 pays autour d’un objectif de baisse de 30 % d’ici 2030. Le suivi des sources ponctuelles devient donc nécessaire pour localiser des émissions concentrées sur quelques dizaines de mètres. Les infrastructures pétrolières et gazières, les installations agricoles et les décharges figurent parmi les cibles d’atténuation citées.

EMIT observe les sources ponctuelles

Les satellites combinent couverture, résolution spatiale et résolution spectrale pour mesurer le méthane. TROPOMI couvre environ 2 600 kilomètres de largeur, avec une résolution d’environ 5,5 kilomètres sur 3,5 kilomètres. EMIT adopte une approche différente, avec un champ de vision de 80 kilomètres et une résolution spatiale de 60 mètres. Son échantillonnage spectral atteint 7,4 nanomètres. L’instrument enregistre des centaines de bandes lumineuses pour chaque pixel. Ces signatures chimiques permettent d’identifier un gaz invisible dans les images classiques. Les paysages complexes peuvent toutefois produire des signaux ressemblant au méthane. MAPL-EMIT analyse donc le contexte spatial complet plutôt que chaque pixel isolément.

Le modèle Swin-S repose sur une architecture de transformateur visuel entraînée pour traiter simultanément le spectre et l’espace. MAPL-EMIT réalise trois tâches. Il mesure la quantité de méthane présente dans chaque pixel. Il délimite ensuite la forme exacte du panache, y compris lorsque plusieurs émissions se chevauchent. Enfin, il remonte le panache dispersé par le vent pour estimer l’emplacement de la source. Pour l’entraînement, Google Research a créé 3,6 millions de panaches synthétiques. Ces panaches reposent sur des simulations physiques de type bouffées lagrangiennes. Ils ont été injectés dans de vraies scènes hyperspectrales d’EMIT, avec des débits, des terrains et des conditions atmosphériques variés.

MAPL-EMIT atteint 84 % de rappel

Les tests indiquent un rappel de 84 % sur les panaches annotés par des experts. Le modèle a aussi identifié environ 50 % de panaches plausibles supplémentaires sur près de 1 100 scènes EMIT. Google Research le compare au jeu de données L2B de la NASA, présenté comme la référence principale pour ces panaches. MAPL-EMIT détecte également des émissions plus faibles que certaines méthodes actuelles fondées sur des filtres adaptés. Le modèle a cartographié des panaches dans 24 des 25 décharges terrestres les plus émettrices. Des faux positifs subsistent cependant dans les terrains complexes. Les résultats incluent donc des scores de confiance fondés sur des critères physiques et spectraux.

Google publie plusieurs ressources pour permettre l’exploration et la réutilisation du système. La base mondiale des panaches est disponible sur Earth Engine. Une application Earth Engine permet de visualiser les détections. Google met également le modèle entraîné et les panaches synthétiques à disposition sur Kaggle. Une bibliothèque d’inférence accompagne ces ressources sur Github. Google Research indique que la prochaine génération de spectromètres imageurs de la NASA doit multiplier la couverture par 30 à 50. Des techniques automatisées pourront alors traiter un volume supérieur de données EMIT.