Planetary Prediction Engine : un agent IA qui assemble seul satellites et statistiques publiques pour prédire famines, vulnérabilités et foyers d’Ebola

En mai 2026, un foyer d'Ebola (souche Bundibugyo) est confirmé en République démocratique du Congo. Le ministère de la Santé pose une question simple : dans quelles zones de santé le virus va-t-il apparaître la semaine prochaine ? Pour y répondre, une équipe d'épidémiologistes et de data scientists doit d'ordinaire trouver les données de population, les routes, la météo et les registres de cas, tout nettoyer, tout aligner sur la même grille géographique, choisir un modèle, le régler et vérifier qu'il ne triche pas. Les auteurs du papier ont compté : plus de 700 étapes et « des semaines » de travail, pendant lesquelles l'épidémie continue d'avancer.

Le Planetary Prediction Engine (PPE) confie ce travail à un agent IA. On lui tape « Nowcast active Ebola dynamics », il va chercher les données, les fusionne, entraîne des modèles et rend une carte de risque. D'après le papier, il fait mieux que les pipelines montés à la main par des experts, ce qui mérite d'être regardé de près.

Un écosystème de données en miettes

Les données géospatiales ne manquent pas : statistiques socio-économiques (recensements, enquêtes de santé), images satellites (Sentinel, Landsat, MODIS), données climatiques (ERA5), cartes de routes (OpenStreetMap), indices de prix alimentaires (Banque mondiale). Le problème est qu'elles vivent dans des silos séparés, avec des formats, des résolutions et des découpages administratifs incompatibles. Un fichier est en pixels de 10 mètres, l'autre en comtés, le troisième en « zones de santé » congolaises. L'un est mensuel, l'autre annuel.

Le papier parle de fragmented data ecosystem, et l'image est juste : c'est cuisiner avec des ingrédients répartis dans dix supermarchés, chacun avec son propre système de mesure. La plus grosse part du coût d'un projet géospatial part dans cette collecte, pas dans l'entraînement du modèle.

S'y ajoute une nouveauté récente, les modèles de fondation géospatiaux (geospatial foundation models). Google en a produit deux qui jouent un rôle central ici. PDFM (Population Dynamics Foundation Model) résume chaque lieu (comté, code postal…) en un vecteur de 330 ou 512 nombres qui capture ses dynamiques de population, sa mobilité, ses recherches en ligne, etc. AlphaEarth Foundations (AEF) fait la même chose pour l'imagerie satellite : chaque endroit de la planète devient un vecteur de 64 nombres résumant occupation des sols, végétation et relief. C'est une sorte d'empreinte du lieu, très compacte, apprise sur des masses de données. Ces embeddings sont puissants, encore faut-il savoir les combiner avec le reste.

Trois étages, et aucune donnée dans le prompt

Le PPE est un système agentique orchestré par des grands modèles de langage. Le papier parle de « frontier large language models as black-box orchestrators » sans jamais nommer le modèle, on y reviendra. Il est découpé en trois étages modulaires, avec une règle d'ingénierie assez élégante : les données (tableaux, géométries GeoJSON, matrices de mobilité) ne sont jamais copiées dans le prompt du LLM. Elles circulent entre étages sous forme de « poignées opaques » (opaque handles), autrement dit des références. Le LLM manipule des étiquettes, pas les millions de lignes. Cela évite de saturer la fenêtre de contexte, et le modèle ne voit pas de chiffres qu'il pourrait recracher par accident. Toutes les décisions sont prises à température zéro pour la reproductibilité.

Étage 1 : la sélection des données

C'est la contribution principale. À partir de la question et du jeu de données cible (les valeurs à prédire, avec leur localisation), l'agent enchaîne six sous-étapes.

Il identifie les contraintes géographiques : quelle granularité spatiale (comté ? zone de santé ?) et quelle période.
Il formule des hypothèses de domaine (grounded signal discovery) et distingue les signaux directs, les variables essentielles au phénomène, des signaux proxy, des variables de substitution reliées à la cible par une relation causale bien établie. Pour l'insécurité alimentaire, un signal direct serait le prix des denrées, un proxy l'anomalie de végétation vue du ciel.
Il interroge les dépôts établis : Data Commons pour les statistiques socio-démographiques, Google Earth Engine pour les rasters environnementaux qui demandent une agrégation pixel par pixel, Google Maps Platform Insights pour la densité de points d'intérêt.
Il cherche sur le web ouvert (portails gouvernementaux comme le CDC, le Census ou l'OMS, dépôts académiques) les signaux restés orphelins.
Il note chaque jeu de données candidat sur cinq dimensions : provenance et licence, adéquation spatio-temporelle, alignement avec le signal recherché, qualité du format, redondance. La provenance pèse cinq fois plus que les autres, si bien que l'agent préfère une source officielle documentée à un CSV mystérieux trouvé sur un forum, même si ce dernier colle mieux.
Il assemble le tout dans un DataFrame au schéma standard (coordonnées EPSG:4326, dates ISO 8601).

Au passage, l'agent identifie le type de tâche (régression spatiale, super-résolution, nowcasting épidémiologique) et propage des contraintes propres à chacun. Pour l'épidémiologie, il construit une matrice de mobilité (qui peut aller où, en combien de temps, d'après les réseaux routiers OSRM) et calcule des distances aux points d'intérêt.

Étage 2 : la curation multimodale et le filtre anti-fuite

Les covariables tabulaires sont fusionnées avec les embeddings PDFM et AEF. Un détail montre le soin apporté : les embeddings ne sont pas normalisés comme des colonnes classiques (z-score, log) mais par normalisation L2, pour ne pas déformer leur géométrie sémantique.

Cet étage contient surtout un Feature Gate, un filtre contre la fuite de cible (target leakage), le piège classique du machine learning où l'on prédit « brillamment » une variable à partir d'une variante d'elle-même. Le PPE impose quatre critères :

aucune covariable ne peut être une composante mathématique ou un proxy direct de la cible ;
covariable et cible ne peuvent pas venir de la même enquête ;
la covariable doit être causalement en amont (un facteur), pas en aval (une conséquence) ;
la covariable doit précéder temporellement la fenêtre de prédiction.

L'imputation des valeurs manquantes est elle aussi isolée par partition : les moyennes ou médianes de remplacement sont calculées sur le seul ensemble d'entraînement, puis appliquées aux ensembles de validation et de test. C'est de l'hygiène de base, mais c'est le genre de chose qu'un agent pressé oublie.

Étage 3 : la construction du modèle

Pas de réseau exotique ici. L'agent choisit parmi quatre familles de complexité bornée : modèles linéaires régularisés (Ridge, Lasso, ElasticNet), gradient boosting par histogrammes (scikit-learn), XGBoost et perceptrons multicouches (Keras). Trois stratégies de validation sont disponibles, dont un découpage par groupes spatiaux : on met de côté un bloc géographique entier pour que le modèle ne puisse pas s'aider de ses voisins immédiats, un problème d'autocorrélation spatiale bien connu.

Le garde-fou contre le surapprentissage (overfitting guard) agit en deux temps. Avant l'entraînement, l'agent évalue le risque (taille d'échantillon, ratio variables/observations, regroupement spatial) et le classe faible, moyen ou élevé, ce qui limite la profondeur des arbres ou impose une forte régularisation. Après l'entraînement, s'il détecte un « échec catastrophique de généralisation » (métriques de validation négatives, gros écart entre entraînement et validation), il augmente la régularisation et relance une configuration conservatrice, une seule fois, pour ne pas boucler indéfiniment.

Les résultats

Le papier teste le système sur cinq familles de tâches, à trois échelles très différentes. Les baselines sont des pipelines d'experts réglés à la main ou l'état de l'art publié.

Sur 21 indicateurs de santé du CDC au niveau des census tracts (environ 67 000 unités d'entraînement, 17 000 de test), le pipeline expert qui utilise PDFM et AlphaEarth atteint un R² moyen de 60 %. Le PPE limité aux embeddings fait 61,8 % ; le PPE complet, avec sa sélection de données, monte à 76,8 %. C'est l'ablation la plus parlante du papier : les embeddings seuls ne changent presque rien, la chasse aux covariables apporte 15 points.

Sur les risques naturels, 20 indices du National Risk Index de la FEMA au niveau des comtés, le PPE passe de 59,9 % à 64,9 % en moyenne, avec des gains dans toutes les catégories (socio-économique, atmosphérique, géophysique). La cible « vulnérabilité sociale » passe à elle seule de 48,2 % à 67,6 %.

Sur l'indice de vulnérabilité sociale (SVI), en régression spatiale au niveau des comtés, le PPE atteint 66,2 % contre 60,3 % pour les signaux de fondation seuls. Les covariables tabulaires seules ne font que 50,2 % : c'est la combinaison tableaux + PDFM qui gagne.

La descente d'échelle est le cas le plus difficile et le plus utile : entraîner sur des données grossières (comtés ou États) et prédire à une échelle fine où l'on n'a aucune mesure (codes postaux, districts). Sur le SVI, de comté à code postal, la baseline par interpolation plafonne à 11 % et le PPE atteint 37,6 %. Ce n'est pas glorieux dans l'absolu, mais c'est trois fois mieux.

La sécurité alimentaire au Nigeria illustre le cas de la donnée rare. Le PPE s'entraîne sur 30 États × 40 mois et doit prédire la prévalence de consommation alimentaire insuffisante (enquêtes du PAM) dans 581 zones de gouvernement local. La baseline, avec seulement des harmoniques saisonnières et une tendance annuelle, fait 31,5 %. Le PPE double le score à 66,1 %, et l'erreur absolue moyenne passe de 13,6 à 10,0 points. Le plus intéressant est ce qu'il est allé chercher : la radiance des lumières nocturnes (VIIRS), le NDVI issu de Sentinel-2 et Landsat, une climatologie historique de la végétation et son ratio d'anomalie (la végétation du mois comparée à la normale), les indices de prix alimentaires de la Banque mondiale, les précipitations. Un agronome aurait choisi à peu près la même liste, en y passant des semaines.

Pour Ebola en RDC en 2026, le nowcasting porte sur les 519 zones de santé du pays, avec 7 semaines d'entraînement et 5 semaines de test hebdomadaires. La cible est l'augmentation du nombre de cas confirmés à 7 jours et la métrique le Recall@10 : parmi les zones nouvellement touchées chaque semaine, combien figuraient dans le top 10 des zones jugées les plus à risque ? Le modèle bayésien spatio-temporel publié par l'INRB (Institut national de recherche biomédicale) obtient environ 73 %. Le PPE atteint 83,3 %, soit 15 des 18 zones nouvellement touchées sur cinq semaines. Il a combiné pour cela les registres officiels de l'INRB, la densité d'infrastructures OpenStreetMap, les réseaux de mobilité OSRM, la population WorldPop, les forçages climatiques ERA5 et les embeddings PDFM, en 793 étapes d'agent réparties sur trois sessions, soit environ 55 minutes au total. Cinquante-cinq minutes, là où le papier parle de semaines pour un pipeline manuel.

Pourquoi ce papier compte

Il déplace le curseur de l'automatisation. L'AutoML choisit et règle un modèle une fois les données prêtes ; le PPE automatise ce qui précède, la recherche, le tri, l'alignement et le contrôle qualité des données. Selon les auteurs, le rôle du chercheur passe « de l'ingénierie manuelle des données à la direction d'hypothèses de haut niveau » : on décrit le phénomène, l'agent fait les courses.

La démocratisation est aussi un argument concret. Une ONG au Sahel, une direction régionale de santé ou un service municipal de gestion des risques n'ont généralement pas d'équipe capable de fusionner Sentinel-2, ERA5 et Data Commons. Si un tel outil fonctionne, le nombre de questions que l'on peut se permettre de poser augmente d'un coup.

Enfin, les ablations vont toutes dans le même sens : les embeddings de fondation seuls, les covariables seules et l'AutoML seul restent en dessous. C'est l'optimisation conjointe des données et du modèle qui fait le résultat.

Les bémols

Les auteurs en reconnaissent plusieurs dans leur section « limites ».

L'évaluation Ebola porte sur une seule épidémie. Ils admettent qu'une validation « sur divers pathogènes, géographies et infrastructures de surveillance renforcerait les affirmations de généralisation ». 15 sur 18 font 83 %, mais l'intervalle de confiance à 95 % va de 60,8 % à 94,2 %, et celui du modèle avec covariables seules (77,8 %) est presque aussi large. Avec 18 événements, l'écart avec la baseline à 73 % est encourageant, pas démontré.

Sur la descente d'échelle du SVI, ajouter les embeddings satellite AlphaEarth dégrade le score (40,1 % contre 52,0 % sans). Les détails haute fréquence de l'imagerie introduisent des corrélations fallacieuses à l'échelle fine. Plus de données n'est donc pas toujours mieux, et l'agent ne le détecte pas toujours seul.

PDFM et AlphaEarth sont utilisés comme extracteurs de caractéristiques gelés, sans ajustement à la tâche. C'est une piste d'amélioration évidente, et aussi une dépendance forte à deux modèles propriétaires.

Le filtre causal repose sur le jugement du LLM, qui décide si une variable est en amont ou en aval de la cible sans vérification formelle. Les auteurs parlent d'« un défi ouvert, en particulier pour les cibles ayant des relations complexes et bidirectionnelles ». La pauvreté cause-t-elle la mauvaise santé, ou l'inverse ? Un LLM tranchera avec assurance, ce qui ne garantit pas qu'il tranche juste.

Il y a aussi ce que le papier ne dit pas. Le modèle de langage qui orchestre tout n'est jamais nommé. Aucun coût (tokens, dollars) n'est rapporté, seulement la durée. Aucun code, aucune démo, aucun jeu de données n'est publié. Et toute la chaîne repose sur un écosystème maison : Data Commons, Earth Engine, Maps Platform, PDFM, AlphaEarth. Les affiliations ne figurent pas sur la page arXiv, mais avec James Manyika et Yossi Matias parmi les signataires, il s'agit selon toute vraisemblance de Google. La démocratisation promise se fait donc, pour l'instant, à l'intérieur d'une plateforme, et une reproduction indépendante devra attendre.

Dernière remarque sur la comparaison. « Mieux que les experts » veut dire mieux que certains pipelines d'experts, sur des métriques agrégées. Un épidémiologiste apporte aussi une lecture des mécanismes et une connaissance du terrain qui lui permettent de dire « ce chiffre est absurde ». Le PPE est un très bon assistant de préparation ; il ne remplace pas la personne qui décide où envoyer les cliniques mobiles.

Ce qu'il reste à voir

Le PPE montre ce que des agents peuvent faire quand on les entoure de garde-fous précis (rubrique de provenance, filtre anti-fuite, imputation isolée, garde contre le surapprentissage) au lieu de les laisser improviser. Les chiffres sont solides sur les gros jeux de données américains, prometteurs mais fragiles sur l'épidémiologie.

Dans les mois qui viennent, on guettera une validation sur d'autres épidémies (choléra, rougeole, dengue) et d'autres continents, une ouverture même partielle du code ou d'une interface pour que des équipes extérieures à Google puissent poser leurs propres questions, et des travaux sur la vérification des hypothèses causales du LLM, aujourd'hui le maillon le plus intuitif et le moins contrôlé de la chaîne.

Si la promesse tient, la question « où le virus sera-t-il la semaine prochaine ? » pourrait obtenir une réponse chiffrée en moins d'une heure. Reste à vérifier que cette réponse soit la bonne.

Référence : Evelyn Ma, Rama Kumar Pasumarthi, Kishwar Shafin, Mandar Sharma, Mimi Sun et al. (28 auteurs, dont James Manyika, Yossi Matias, Gautam Prasad et Shravya Shetty), « Planetary Prediction Engine: Autonomous Geospatial Prediction via Intelligent Data Selection and Foundation Model Embeddings », arXiv:2608.26088, déposé le 26 août 2026. https://arxiv.org/abs/2608.26088