21/07/2026
Les incendies impactent fortement la qualité de l'air :
🛰️ Et si mon ordinateur portable pouvait travailler avec un satellite ?
Tout est parti d’une question assez simple :
Peut-on utiliser les données ouvertes produites par des satellites pour repérer les points chauds détectés en France ?
Sur mon bureau, j’avais justement un nouvel outil de travail : un PC portable suffisamment puissant pour faire fonctionner localement des modèles d’intelligence artificielle open source, notamment avec Ollama et Qwen.
Il ne restait plus qu’à réunir les deux mondes.
D’un côté, des satellites capables de détecter depuis l’espace des anomalies thermiques.
De l’autre, des données publiques françaises permettant de rattacher ces détections à un département et de rechercher un lieu situé à proximité.
Et, entre les deux… quelques lignes de code, plusieurs essais, quelques erreurs, beaucoup de curiosité et un modèle d’IA installé directement sur mon ordinateur.
Le résultat est une carte qui croise :
🛰️ les détections thermiques du système NASA FIRMS et du capteur VIIRS embarqué sur le satellite NOAA-20 ;
🗺️ les contours administratifs des départements diffusés par Etalab ;
📍 les services de géocodage de l’IGN ;
🌍 le fond cartographique OpenStreetMap.
Un point important : la carte affiche des anomalies thermiques détectées depuis l’espace, pas nécessairement des incendies confirmés. Un point chaud peut aussi correspondre à un brûlage, une activité industrielle ou une autre source de chaleur importante.
Ce projet m’a également permis d’explorer une autre manière d’utiliser l’intelligence artificielle.
Faire fonctionner un modèle localement, c’est garder davantage de maîtrise sur ses outils, ses données et ses traitements. C’est aussi réduire sa dépendance vis-à-vis des grandes plateformes d’IA et de leurs conditions d’utilisation.
Une IA locale n’est pas automatiquement une IA sobre.
Pour moi, la frugalité consiste surtout à ne pas utiliser systématiquement le modèle le plus puissant : choisir un modèle adapté à la tâche, limiter les traitements inutiles et utiliser une machine déjà disponible plutôt que solliciter en permanence des infrastructures distantes.
L’IA m’a accompagné comme un copilote pour structurer le projet, développer certaines fonctions, comprendre les erreurs et documenter l’application.
Cette carte est perfectible, mais elle illustre déjà ce que j’aime dans l’open data :
partir de ressources publiques parfois dispersées, les croiser et les transformer en un service concret, compréhensible et accessible.
Finalement, il aura suffi d’un PC portable, d’un modèle open source, de données publiques… et d’un satellite passant à quelques centaines de kilomètres au-dessus de nos têtes.
👉 La carte des points chauds est à découvrir sur le site d’Open Data Services: https://opendataservices.fr/feux-france/
Vos retours et vos idées d’amélioration sont les bienvenus.
