Le 8 octobre 2026, l'ESA a présenté Earth Virtual Expert, ou EVE, un assistant d'intelligence artificielle destiné à rendre les connaissances d'observation de la Terre plus faciles à interroger. La promesse peut intéresser une équipe sans bibliothèque spécialisée : poser une question en langage courant et recevoir un premier parcours parmi des articles, de la documentation et des études. Mais il faut être précis sur le verbe « observer ». Dans sa version annoncée à cette date, EVE travaille d'abord sur des sources textuelles. Il ne regarde pas encore automatiquement une image satellite de Douala pour confirmer une inondation.
Un problème réel d'accès à l'information
Les données d'observation de la Terre sont accompagnées de rapports de mission, de fiches d'instrument, de publications, de logiciels et de descriptions de produits. Identifier le bon document et son niveau de validité prend du temps. Une question simple, par exemple « quelles mesures distinguent la température de surface de la température de l'air ? », peut demander de comparer plusieurs sources. Un assistant qui signale les références pertinentes peut faire gagner ce temps, surtout à un lecteur qui découvre la discipline. Le gain de vitesse n'est cependant utile que si la réponse permet de revenir aux documents originaux.
L'ESA explique qu'EVE a été développé avec Pi School, Mistral et Imperative Space. Son corpus comprend notamment des sources ESA, NASA et Copernicus, ainsi que des manuscrits et des recherches diffusées avec Wiley. Dire qu'une réponse provient de « sources fiables » ne prouve pas que chaque phrase produite soit correcte. Une documentation peut être ancienne, une méthode pertinente pour l'Europe mais inadaptée à une étude africaine, ou un chiffre repris sans ses unités. Le lecteur doit pouvoir contrôler la date, la portée et le sens de chaque référence.
Recherche augmentée, mais pas garantie de vérité
EVE emploie une recherche augmentée par récupération : avant de rédiger une réponse, le système cherche des passages susceptibles de l'étayer. Cela peut limiter les inventions dues à une simple génération à partir des connaissances mémorisées par le modèle. L'ESA décrit aussi un contrôle « LLM-as-a-judge », où un autre passage automatisé examine la réponse et repère ce qui devrait être corrigé ou filtré. C'est un garde-fou, pas une relecture scientifique indépendante. Deux systèmes de langage peuvent partager la même erreur ou mal interpréter la même source.
Un test raisonnable consisterait à poser une question dont on connaît la réponse, puis à ouvrir chaque référence proposée. Les nombres sont-ils identiques à ceux de la source ? Les unités et les dates sont-elles correctes ? Le texte sépare-t-il observation, interprétation et projection ? Répond-il explicitement « je ne sais pas » lorsque la documentation ne permet pas de conclure ? Une réponse séduisante qui échoue à l'un de ces contrôles ne doit pas devenir un fait publié.
L'imagerie viendra plus tard, selon la feuille de route
L'ESA indique que la deuxième phase de développement doit permettre à EVE de rechercher et d'analyser des données d'observation de la Terre et d'exécuter des tâches à plusieurs étapes. La recherche et la présentation d'images satellitaires sont annoncées pour 2027. Ce calendrier est une intention de développement, non une fonctionnalité disponible le 8 octobre 2026. En attendant, demander à EVE de « voir » une érosion côtière à partir d'une scène précise revient à dépasser les capacités décrites officiellement.
Les dépôts du modèle, du code, de jeux de données sélectionnés et d'évaluations sont annoncés publiquement sur GitHub et Hugging Face. Cette transparence peut aider des chercheurs à reproduire des tests ; elle n'efface pas les biais du corpus ni les contraintes de calcul ou de langue. Pour un usage francophone, il faudrait examiner non seulement la fluidité du français mais aussi la fidélité des références et la traduction des termes techniques.
Un essai public utile avant d'en faire un outil éditorial
RECA pourrait préparer un petit jeu de questions dont les réponses sont vérifiées à l'avance dans la documentation des agences. Certaines porteraient sur une capacité bien décrite, d'autres sur une limite, par exemple la différence entre température de surface et température de l'air. D'autres encore demanderaient un résultat local que les sources accessibles ne donnent pas. Après chaque réponse d'EVE, deux lecteurs ouvriraient les liens, contrôleraient les unités et indiqueraient si la conclusion dépasse les documents. Les erreurs seraient publiées avec les réussites. C'est le moyen le plus honnête d'évaluer un outil annoncé comme accessible à tous.
Il faudrait aussi tester le même sujet en français et en anglais. Une traduction fluide peut ajouter une nuance qui n'existait pas ou supprimer une condition de validité. Si le système ne cite qu'une page générale alors qu'il avance un chiffre local, la rédaction doit rechercher la source primaire. Un assistant qui aide à trouver des lectures peut être utile même s'il n'est pas fiable comme auteur autonome. Inversement, une réponse brillante en apparence mais sans piste vérifiable n'a pas sa place dans un article scientifique.
Une réponse traçable vaut mieux qu'une réponse spectaculaire
Pour juger EVE, il faut demander davantage qu'une phrase plausible. Une réponse utile indique les sources qu'elle a consultées, la date de ces sources et les points où les documents ne concordent pas. Si elle cite une étude sur l'Europe pour répondre à une question sur le Cameroun, elle devrait expliquer la limite de transfert. Si elle transforme une estimation issue d'un modèle en mesure directe, l'utilisateur doit pouvoir le repérer en ouvrant la référence. La rapidité de génération n'est un avantage que si elle ne rend pas cette vérification plus difficile.
Les questions formulées en français constituent un test particulier. Un terme technique peut avoir plusieurs traductions ; un système qui choisit le mot le plus courant peut rendre une réponse fluide mais scientifiquement ambiguë. Une rédaction pourrait garder les noms de variables et de produits en langue originale, puis les expliquer, plutôt que de les remplacer entièrement. Elle peut également noter lorsque le service ne trouve aucune source africaine. Cette absence est une information sur le corpus de l'outil, pas une preuve que le phénomène n'existe pas sur le terrain.
EVE annonce que son code, ses modèles et des jeux d'évaluation sont publiés. Des équipes indépendantes peuvent s'en servir pour construire des tests mieux adaptés à leurs langues et à leurs sujets. Cela n'autorise pas à copier automatiquement une réponse dans un bulletin scientifique : le protocole de relecture doit rester attaché à chaque usage concret. Une version ultérieure de l'outil pourra gagner des capacités, mais ses réponses d'octobre 2026 doivent être jugées selon les fonctions réellement disponibles alors.
Ce que cela change — ou non — pour l'Afrique centrale
Une rédaction, une classe ou un laboratoire camerounais pourrait utiliser EVE comme point de départ pour trouver des documents sur l'imagerie optique, la pluviométrie ou la qualité des données. Le meilleur exercice serait de noter la question posée, la réponse, les liens fournis et les corrections humaines nécessaires. Ce journal d'erreurs apprend davantage que quelques démonstrations réussies. Il faut aussi vérifier l'accessibilité du service avec une connexion limitée et savoir si les documents utiles à l'Afrique centrale figurent réellement dans son corpus.
Un premier retour d'expérience pourrait être publié avec les questions exactes et la liste des références contrôlées. Si une réponse change après une mise à jour du service, conserver les deux versions et expliquer pourquoi. Cette traçabilité ferait d'EVE un objet d'étude ouvert, plutôt qu'une boîte noire dont on ne montrerait que les démonstrations les plus réussies.
EVE ne remplace pas une acquisition de données, un traitement géospatial, une observation de terrain ou l'expertise d'un service météorologique. Pour publier une carte de risque, la chaîne reste entière : choix de données datées, méthode explicite, contrôle de qualité, incertitude et responsabilité éditoriale. L'IA peut éclairer l'accès aux connaissances ; elle ne signe pas le résultat à la place du chercheur.