Google lance PPE et transforme des semaines en minutes

Google introduit PPE dans le cadre de Google Earth AI, avec un moteur de prédiction planétaire capable d’automatiser un flux géospatial complet. Le système exécute les étapes allant de la découverte des données jusqu’à l’entraînement des modèles. Il peut aussi récupérer des données, créer des variables, entraîner les modèles et produire des rapports à partir de requêtes formulées en langage naturel. Google Research présente PPE comme une capacité expérimentale destinée à transformer l’information planétaire en connaissances exploitables. Le moteur couvre des tâches de prédiction liées à la santé publique, à la sécurité alimentaire, aux risques environnementaux et aux données socioéconomiques. Google Research décrit PPE dans sa présentation dédiée.

Le flux devient autonome grâce à l’enchaînement de plusieurs opérations de modélisation. PPE recherche les données pertinentes, prépare les variables nécessaires, entraîne les modèles, puis génère un rapport. Cette séquence part d’une requête en langage naturel, sans imposer une exécution manuelle de chaque étape. Google Research indique que le système réduit le temps nécessaire pour produire des connaissances de plusieurs semaines à quelques minutes. Cette réduction concerne la construction de modèles planétaires complexes. Google Earth AI regroupe également des ressources consacrées aux données et aux applications géospatiales. La présentation produit de Google détaille ce positionnement dans Google Earth AI.

PPE améliore plusieurs prédictions

Les résultats américains concernent les indicateurs de santé publique. PPE obtient un R² moyen de 76,8 % avec ces indicateurs aux États-Unis. Les chaînes de travail manuelles réalisées par des experts atteignent 60,0 % sur la même mesure. La comparaison associe donc 76,8 % pour PPE à 60,0 % pour les processus manuels experts. Ces chiffres portent sur une tâche de prédiction déterminée et ne décrivent pas toutes les utilisations du moteur. PPE améliore aussi des tâches liées aux risques environnementaux et aux données socioéconomiques. Google présente ces résultats dans le cadre de sa capacité expérimentale de modélisation planétaire automatisée.

Le cas nigérian porte sur la prévision de la sécurité alimentaire. PPE atteint un R² de 66,1 % pour ces prédictions en Nigeria. Le résultat manuel indiqué s’élève à 31,5 %. Le moteur double ainsi la précision mesurée pour cette tâche, selon les valeurs communiquées. Cette comparaison fournit deux repères précis entre le pipeline automatisé et le pipeline manuel. Les domaines évalués incluent également la santé publique, les risques environnementaux et les données socioéconomiques. Les travaux associés sont présentés dans l’article de recherche sur arXiv, qui accompagne la description du moteur planétaire de Google.

Google relie données et rapports

Les prochaines utilisations reposent sur les capacités déjà décrites pour PPE. Une requête en langage naturel peut déclencher la récupération de données, la création de variables, l’entraînement d’un modèle et la génération d’un rapport. Google Research qualifie le système de capacité expérimentale. L’organisation affirme également que PPE réduit le temps nécessaire pour générer des connaissances, en passant de plusieurs semaines à quelques minutes. Les résultats rapportés couvrent les États-Unis pour les indicateurs de santé publique et le Nigeria pour la sécurité alimentaire. Les mesures communiquées sont respectivement un R² moyen de 76,8 % et un R² de 66,1 %.