Tomasz Zajda - stock.adobe.com

EarthCube en tête de pont pour concevoir un outil de surveillance et de reconnaissance européen

La startup française EarthCube, spécialisée dans la vision par ordinateur, a annoncé avoir été sélectionnée dans le cadre d’un appel d’offres mené par la Commission européenne pour mettre en commun une plateforme de surveillance et de renseignement entre les vingt-sept.

Earthcube. Ce nom n’évoque pas encore grand-chose, hormis à ceux qui ont suivi le plan de relance de la French Tech annoncé par le gouvernement. En Effet, c’est au cours de la visite des locaux de la startup que Bruno Le Maire et Cédric O avaient présenté les mesures financières pour rétablir la filière.

Suite de l'article ci-dessous

Earthcube n’intéresse pas que le gouvernement français. Le spécialiste du développement « de solutions de surveillance basée sur l’analyse automatique d’informations géospatiales » fait partie des entreprises sélectionnées par l’Union européenne dans le cadre du projet PEONEER (Persistant Earth Observation for actioNable intElligence and Reconnaissance). Ce projet s’inscrit dans le programme européen de développement industriel de la défense EDIDP, mené par la Commission européenne. Au total, l’UE a prévu 20 appels d’offres entre 2019 et 2020 (un portefeuille de 500 millions d’euros) pour soutenir l’innovation dans neuf domaines d’expertise liée à la défense.

 PEONEER vise à doter la communauté européenne d’un moyen d’observation permanente de la Terre depuis l’espace doté de capacités « d’interprétation automatisée des données et des informations, dont l’intelligence artificielle, les solutions cloud et les capteurs de traitement en temps réel embarqués dans des capteurs », selon l’appel émis par la Commission européenne.

« Cet appel d’offres est une opportunité exceptionnelle de poser les bases de l’IA et du GEOINT [Geospatial Intelligence, N.D.L.R.] pour proposer une solution européenne de renseignement à la pointe mondialement, » déclare Arnaud Guérin, CEO et co-fondateur d’Earthcube, dans un communiqué de presse.

Il se trouve qu’EarthCube s’est spécialisée dans la reconnaissance d’objets par ordinateur en s’appuyant sur l’imagerie satellite, les flux aériens ou maritimes. Dans une vidéo de démonstration, la startup montre comment son logiciel détecte le survol d’un aéroport en Libye par un drone militaire. La solution peut également détecter des sous-marins qui remontent à la surface. En toute logique, la startup développera les solutions d’intelligence artificielle dans une plateforme logicielle qui sera mise au point par un consortium d’entreprises.

Un projet mené par e-GEOS, mais propulsé par la solution d’EarthCube

« Nous allons jouer un rôle majeur dans ce projet aux côtés des leaders européens, comme Airbus, et e-GEOS […] et d’un ensemble de PME, d’ETI et de startups à fort potentiel. », assure Arnaud Guérin. En France, EarthCube travaille entre autres pour la direction générale des armées (DGA) et la direction du renseignement militaire (DRM).

« Nous allons jouer un rôle majeur dans ce projet aux côtés des leaders européens […]. »
Arnaud GuérinCEO et cofondateur, Earthcube

C’est justement e-GEOS qui mènera le projet PEONEER avec neuf autres entreprises dont EarthCube et Airbus Defense & Space. Pour rappel, e-GEOS est la société conjointe entre l’agence spatiale italienne et Telespazio, elle-même joint-venture créée par Thales et Leonardo. Le consortium bénéficiera de 8,4 millions d’euros, dont 7,2 millions d’euros de la part de l’UE, pour conceptualiser, tester et essayer la plateforme.

L’outil devra aider les ministères de la défense européens à extraire des informations de renseignement en utilisant de l’intelligence artificielle appliquée à des zones terrestres ou maritimes.

Pour cela, EarthCube veut s’appuyer sur le concept Activity-based Intelligence en sus de l’analyse de l’activité géospatiale. Cette méthodologie d’analyse géotemporelle vise à corréler de grands volumes de données en provenance de sources de renseignement multiples (Multi-INT) afin de détecter des signaux faibles dans des environnements bruyants. Dans ce paradigme, l’analyste doit pouvoir repérer des relations entre des objets connus (par exemple des véhicules au sol), leur comportement et la survenue d’objets et d’activités inconnues (le survol d’un aéroport par un UAV).

L’automatisation apportée par le machine learning et le deep learning doit grandement aider à la mise en place de cette approche imaginée par la division intelligence du département de la défense américain entre 2010 et 2011.

Pour approfondir sur Intelligence Artificielle et Data Science

Close