Blog – Analysis and expert opinion
5 MIN. READ

Résultats du Projet GEMA – Génération de Cartes à Haute Résolution et Interprétation Avancée de Données Géologiques grâce à l’Intelligence Artificielle

Au cours de ses 18 mois d’exécution (août 2023 – février 2025), le projet GEMA a réalisé des avancées significatives dans l’intégration de l’intelligence artificielle appliquée à la géophysique, atteignant des jalons techniques qui apportent de la valeur à la fois à la recherche et à l’exploration appliquée.

Proyecto GEMA

Développement d’une base de données internationale
Comme point de départ, une base de données géophysique internationale a été construite, intégrant des données radiométriques, magnétiques, hyperspectrales, satellitaires et des modèles numériques de terrain. Cette collecte de données, obtenue dans différentes régions et sous diverses conditions opérationnelles, a permis de disposer d’un référentiel robuste pour l’entraînement et la validation des modèles d’intelligence artificielle, garantissant leur capacité de généralisation.

Méthodologies avancées de traitement

  • Le projet a mis en place un pipeline reproductible de traitement et de normalisation des données, incluant l’homogénéisation des systèmes de référence spatiale (CRS) et la correction des artefacts fréquents dans les données magnétiques. Ces méthodologies ont réduit de manière substantielle les temps de préparation des données, tout en améliorant la qualité et la traçabilité des informations utilisées dans la modélisation.

Modèles d’intelligence artificielle développés

  1. Correction des artefacts magnétiques (Levelling) : Une approche basée sur des modèles bayésiens et l’interpolation spatiale a été mise en œuvre, donnant naissance à un algorithme capable de réduire significativement la nécessité d’ajustements manuels. Cet outil, également déployé sous forme de plugin, a démontré son utilité pour homogénéiser les levés aérogéophysiques de manière plus rapide et cohérente.
  2. Segmentation automatique des linéaments : Des réseaux neuronaux convolutifs (CNN, architecture U-Net) ont été entraînés pour détecter et tracer des structures géologiques sur des cartes magnétiques. Les résultats ont atteint des valeurs de précision élevées (avec un coefficient de Dice proche de 0,8 sur les ensembles d’entraînement), démontrant la capacité de ces techniques à automatiser des tâches qui nécessitaient traditionnellement des mois d’interprétation manuelle.

Prévision géomagnétique pour le forage directionnel (IFR2) : Un modèle spatio-temporel (INLA-SPDE) a été développé pour prédire avec une haute résolution les variations du champ magnétique dans les zones de forage. Cela a permis d’optimiser l’orientation des forages et de réduire les erreurs de trajectoire, avec une validation effectuée même lors d’événements géomagnétiques spécifiques observés durant la campagne de validation.

Validation et résultats quantitatifs
Les progrès ont été vérifiés par des processus de validation rigoureux :

  • Les algorithmes de levelling ont été comparés à des données de vols corrigés manuellement, montrant une forte cohérence spatiale et une amélioration des coefficients de corrélation (R²).
  • Les modèles de linéaments ont été évalués avec des métriques standards (précision, rappel, F1 et Dice), confirmant leur capacité de généralisation dans des régions non incluses dans l’entraînement.
  • Le modèle de prévision géomagnétique a été validé par comparaison minute par minute des composantes Fx, Fy et Fz avec des stations indépendantes, atteignant de faibles erreurs absolues moyennes (MAE) et anticipant avec succès des épisodes de variabilité magnétique.

Portée géographique de validation
Les méthodologies ont été testées dans divers contextes géologiques internationaux, renforçant leur polyvalence.

Les zones pilotes incluent :

  • Afrique : Ouganda, République Démocratique du Congo (Katanga), Nigéria.
  • Europe : France, Finlande et Russie.
  • Asie : Kazakhstan, Mongolie et Turquie.
  • Amérique du Nord : Canada.

Cette portée géographique illustre l’ambition globale du projet et garantit que les outils développés soient applicables dans différents contextes géologiques.

Financement
Le projet GEMA dispose d’un budget total de 1.418.908 €, dont 1.206.071,80 € correspondent au soutien de l’Union européenne (Subvention Brute Équivalente). Ce soutien a été essentiel pour le développement de solutions innovantes en intelligence artificielle et leur application à l’exploration géophysique.

Related news

Contact us.

FILL THE FORM