Auteur(s) : Meyer, Sven
Directeur(s) : Wenger, Romain
Autre(s) membre(s) du jury : Salze, Paul
Composante : Faculté de géographie et d'aménagement
Établissement : Université de Strasbourg
Laboratoire(s) : Laboratoire image, ville et environnement
Date de création : 30-06-2026

Résumé(s) : Ce travail évalue l’apport des embeddings, des modèles de fondation TESSERA et AlphaEarth Foundations (AEF) pour cartographier automatiquement l’habitat informel à Mayotte à l’aide d’un algorithme de forêts aléatoires (Random Forest). Les résultats confirment la forte transférabilité spatiale de ces modèles entraînés sur des sites distants, TESSERA se distinguant par sa grande sensibilité de détection et par sa corrélation positive nette avec les zones exposées aux risques naturels majeurs. Malgré des verrous morphologiques, la rareté des données de vérité-terrain et des lacunes géographiques locales, cette étude démontre l’efficacité de ces technologies et pose les bases d’un suivi automatisé annuel au service de la planification urbaine et de la justice sociale., This work evaluates the contribution of embeddings from the TESSERA and AlphaEarth Foundations (AEF) foundation models to automatically map informal settlements in Mayotte using a Random Forest algorithm. The results confirm the strong spatial transferability of these models trained on distant sites, with TESSERA standing out for its high detection sensitivity and its clear positive correlation with areas exposed to major natural hazards. Despite morphological constraints, the scarcity of ground-truth data, and local geographical gaps, this study demonstrates the effectiveness of these technologies and lays the foundation for automated annual monitoring in the service of urban planning and social justice.
Discipline : Observation de la Terre et Géomatique
Couverture : FR