Présentation du modèle
OlmoEarth v1.3 est le dernier modèle d’embedding satellite publié par Allen Institute for AI. Il produit un vecteur de 128 dimensions pour chaque pixel de 10 m sur la surface terrestre, avec une version allégée de 64 dimensions utilisable séparément. Les embeddings sont pré‑calculés annuellement pour l’ensemble du globe et mis à disposition via Source Cooperative, ce qui permet de créer des cartes de couverture, de suivi du changement ou de classification locale sans entraînement lourd.
Architecture et processus de génération
Le pipeline repose sur un vision transformer qui ingère les séries temporelles radar (Sentinel‑1) et multispectrales (Sentinel‑2, Landsat). Un Attention Pooler agrège les informations de chaque patch terrestre en un unique vecteur, puis une couche linéaire réduit ce vecteur à 128 valeurs numériques. Cette chaîne de traitement est entièrement décrite dans le rapport technique fourni avec la version Base du modèle.
Évaluation et performances
Sur 27 évaluations couvrant six continents, les embeddings 128‑dimentionnels d’OlmoEarth v1.3 obtiennent la meilleure note dans 20 cas, tandis que la version 64‑dimentionnelle mène dans 18 cas. Les comparaisons incluent les modèles AlphaEarth Foundations (AEF) et Tessera v2, ainsi que le nouveau benchmark PLANTEUR dédié aux cultures tropicales. Les résultats montrent que les vecteurs d’OlmoEarth se généralisent le mieux sur des zones jamais vues par le classifieur.
En termes d’efficacité, la formation du modèle v1.3 a nécessité 53 % du temps de calcul de la version v1.2 et 18 % de celui de la version v1, avec des réductions d’émissions carbone de 50 % et 22 %** respectivement. Le coût estimé pour reproduire le pré‑entraînement complet sur des GPU H100 est d’environ 2 720 $ de location.
Utilisation pratique et limites
L’OlmoEarth Embeddings Explorer, outil web sans inscription, permet de visualiser les embeddings sous forme de cartes en fausses couleurs, de comparer deux années (ex. 2017‑2020 vs 2020‑2025) et d’exporter les résultats au format GeoTIFF. Un petit classifieur entraîné sur quelques points d’étiquette peut, en quelques secondes, identifier des cultures au Kenya, des fours à briques près de Dhaka ou des zones de déforestation en Amazonie, le tout sans GPU.
Le jeu de données sous‑jacent représente environ 150 TB par an, stocké à 10 m de résolution. Les années 2023‑2025 sont disponibles globalement, tandis que 2017‑2022 couvrent un sous‑ensemble de pays, avec une extension prévue. Chaque tuile de 20 km possède une table de provenance listant les scènes Sentinel‑1, Sentinel‑2 et Landsat utilisées, garantissant la traçabilité des pixels.
Malgré ces atouts, la dépendance aux images satellites publiques impose une couverture inégale dans les zones où les acquisitions sont rares, et la résolution de 10 m limite la détection de phénomènes très localisés. De plus, l’exploitation des embeddings nécessite une connaissance de base en géospatial pour interpréter les cartes exportées.
