Le cadre GeoScience MAchine Learning Resources and Training (GeoSMART) propose un parcours de formation au calcul scientifique open source, à la théorie du machine learning (apprentissage automatique), à ses outils et à son déploiement.
Ce livre accompagne le cours Machine Learning in the Geosciences (ESS 469/569) de l’Université de Washington. Le livre, les tutoriels et les devoirs vivent dans ce dépôt unique ; les étudiants exécutent les carnets (notebooks) localement ou sur le service cloud de leur choix.
Enseignants du cours ESS 469/569 : Marine Denolle (mdenolle@uw.edu) et Akshay Mehra (akmehra@uw.edu).
Le projet est soutenu par l’équipe GeoSMART.
Vue d’ensemble¶
Le cours introduit l’apprentissage automatique en géosciences, les bases du calcul scientifique et la méthodologie du ML appliqué. Il travaille sur des jeux de données canoniques et thématiques en sismologie, océanographie, cryosphère, sciences planétaires, géologie et géodésie. Les méthodes enseignées comprennent le partitionnement (clustering) non supervisé, la régression logistique, la forêt aléatoire (random forest), les machines à vecteurs de support et l’apprentissage profond (deep learning) avec PyTorch.
Le cours repose sur trois piliers, plus un quatrième fil qui traverse toute l’édition 2026 :
- Des données prêtes pour l’IA : transformer des observations géoscientifiques brutes en jeux de données dont un modèle peut apprendre.
- L’apprentissage automatique classique : des méthodes fondées sur les caractéristiques (features), entraînées et évaluées honnêtement.
- L’apprentissage profond : les réseaux de neurones en PyTorch, du perceptron aux architectures modernes.
- Travailler avec l’IA agentique : en 2026, les étudiants écrivent du code aux côtés d’assistants IA qui lisent les dépôts, exécutent du code et proposent des modifications. Le cours en fait une compétence à enseigner, non un raccourci à réprimer. L’évaluation critique des sorties de l’IA, la traduction des résultats pour des publics différents et l’explicitation des conséquences en aval sont des compétences notées, au même titre que l’exactitude d’un modèle.
À qui s’adresse ce livre¶
Aux doctorants et aux étudiants avancés de licence et master, en géosciences et dans les disciplines voisines de l’ingénierie et de l’informatique — ainsi qu’aux enseignants, post-doctorants, ingénieurs de laboratoire et responsables de programmes qui les forment ou les recrutent. À l’issue du livre, l’étudiante ou l’étudiant sait mener un flux de données géoscientifiques brut et désordonné jusqu’à un modèle défendable, reproductible, évalué honnêtement — et sait dire exactement quelles parties un assistant IA a réalisées.
Résultats d’apprentissage¶
Au terme du livre, les étudiants sauront :
| # | Résultat | Niveau de Bloom | Où dans le livre | Production notée |
|---|---|---|---|---|
| 1 | Décrire les usages canoniques du ML en géosciences (découverte, automatisation, traitement du signal, émulation, prévision) et associer familles de méthodes, type de données, taille d’échantillon et question posée | Comprendre | introductions de chapitres, 3.1 | quiz chronométrés sur Canvas |
| 2 | Construire des environnements de calcul reproductibles (Git, pixi, carnets) et exécuter le même flux de travail sur un portable, un calculateur HPC ou une instance cloud | Appliquer | chapitre 1, 5.4 | devoir 1 : poste de travail |
| 3 | Transformer des flux de données brutes variés — séries temporelles de capteurs de l’échantillonnage quotidien à 100 Hz, imagerie géospatiale et champs maillés, observations tabulaires et ponctuelles — en jeux de données prêts pour l’IA, et réparer les pathologies réelles des instruments (lacunes, dérive, erreurs d’horodatage, échantillonnage irrégulier, bruit d’étiquetage) | Analyser / Créer | chapitre 2 | exercices du chapitre 2, volet données du projet final |
| 4 | Appliquer des transformations statistiques et de traitement du signal (filtrage, transformées de Fourier et en ondelettes, rééchantillonnage, réduction de dimension) et prédire leur effet sur ce qu’un modèle pourra apprendre en aval | Appliquer / Évaluer | 2.6–2.12 | exercices du chapitre 2 |
| 5 | Concevoir l’évaluation avant le modèle : choisir des modèles de référence (baselines) du domaine, construire des découpages conçus contre la fuite de données (temporels, spatiaux, par groupes) et rapporter les métriques avec leur incertitude | Évaluer / Créer | chapitre 3 (validation croisée spatiale et par groupes en 3.8), classement | classement (3.5, 4.10), devoirs |
| 6 | Construire et entraîner des modèles ML classiques et profonds (régression, forêts, gradient boosting ; MLP, CNN, RNN, transformer, auto-encodeur) avec scikit-learn et PyTorch, et diagnostiquer un entraînement sain ou défaillant | Appliquer / Créer / Analyser | chapitres 3–4 | devoirs ML classique et apprentissage profond, TP 4.5 |
| 7 | Exploiter la connaissance physique comme ressource : générer des données synthétiques d’entraînement et des jeux de référence à partir de modèles physiques, inscrire des contraintes physiques dans les fonctions de perte et les architectures, et valider contre une vérité terrain connue | Créer / Évaluer | 2.10, 4.7, mlgeo_synth | TP 4.5, exercice 6.3 (jeu d’évaluation) |
| 8 | Quantifier l’incertitude prédictive (bootstrap et ensembles, MC dropout à l’inférence, sorties par quantiles ou distributionnelles), vérifier la calibration et juger quand un modèle extrapole hors de sa distribution d’entraînement | Évaluer | tissé dans les chapitres 3–4 (3.8–3.9, 4.5, 4.10) | exercices des chapitres 3–4, projet final |
| 9 | Versionner et tracer données, modèles et expériences pour qu’un autre scientifique réexécute la chaîne de calcul et obtienne les mêmes nombres | Appliquer / Évaluer | chapitre 5 | dépôt du projet final (30 %) |
| 10 | Évaluer les agents IA et les sorties de LLM (grands modèles de langage) comme des instruments scientifiques : rédiger un cahier des charges de tâche, construire un jeu d’évaluation avec vérité terrain, noter les sorties et analyser les modes d’échec | Évaluer / Créer | chapitre 6 | exercice 6.3, agent de relecture (projet de synthèse) |
| 11 | Intégrer l’assistance de l’IA à la recherche sans en abandonner la maîtrise intellectuelle : déclarer l’usage, vérifier les sorties et défendre chaque choix méthodologique sans l’assistant | Appliquer / Évaluer | 1.8, 6.4 | déclarations d’usage, présentations |
| 12 | Traduire un même résultat pour des publics distincts et apprécier les usages et conséquences en aval d’un modèle déployé | Créer / Évaluer | chapitre 7 | livrables du projet final (7.1, 7.2) |
Les concepts de visualisation de données sont introduits et mobilisés tout au long du livre.
Prérequis¶
Prérequis : MATH 207 et MATH 208, ou MATH 307 ou 308, ou AMATH 351 ou 352, CS160 ou CS163, ou l’accord de l’enseignant (cursus de l’Université de Washington ; l’équivalent français est une licence scientifique avec algèbre linéaire, équations différentielles et une initiation à la programmation).
Compétences recommandées : connaissance de Python, AMATH301, cours d’introduction aux sciences de la Terre. Des rappels de calcul scientifique font partie du cours.
Programme¶
- Partie I : des géodonnées prêtes pour l’IA : les données géoscientifiques, leurs modalités et dimensions, leurs caractéristiques de base, l’extraction de caractéristiques, la réduction de dimension, et la mise en forme d’un jeu de données prêt pour l’IA.
- Partie II : apprentissage automatique classique : entraînement des modèles, évaluation, mesure de la généralisation, et bonnes pratiques pour un entraînement fiable des algorithmes classiques après ingénierie des caractéristiques (p. ex. K-moyennes, forêt aléatoire, k plus proches voisins).
- Partie III : apprentissage profond : les concepts fondamentaux — perceptrons et réseaux entièrement connectés, réseaux convolutifs et récurrents, un petit transformer pour la prévision de séquences, auto-encodeurs et réseaux de neurones informés par la physique — plus la pratique de l’entraînement : optimisation, régularisation, diagnostic des entraînements défaillants et incertitude des sorties.
Les chapitres suivants prolongent les piliers : flux de travail reproductibles à l’ère des agents (chapitre 5), construction et évaluation d’agents IA (chapitre 6), cas d’usage, traduction pour les publics et conséquences en aval (chapitre 7).
Construction des compétences techniques¶
Tout au long du cours, les étudiants développent des compétences en shell, en contrôle de version avec git et GitHub, en programmation Python, en calcul haute performance et en visualisation de données en Python.
- Shell : introduit tôt dans le cours, utilisé au besoin.
- Contrôle de version : introduit tôt et utilisé à chaque séance.
- Programmation Python : introduite progressivement. Nous détaillons l’usage de numpy, (geo)pandas et scikit-learn, avec PyTorch comme cadre d’apprentissage profond.
- Visualisation en Python : introduite tôt avec Matplotlib et Plotly, utilisée dans chaque séance Python.
- Calcul haute performance : utilisé dans la seconde moitié du cours et pendant le projet final.
- Assistants IA agentiques : introduits au chapitre 1 (voir la politique d’usage de l’IA du cours) et utilisés, avec déclaration, tout au long du cours.
Lectures : de l’article au relecteur-agent¶
Les lectures suivent un arc en quatre étapes sur le trimestre :
- Revue de littérature assistée par IA : les étudiants pilotent un assistant IA dans une revue de littérature sur un sujet imposé et vérifient eux-mêmes chaque référence.
- Anatomie des bons articles scientifiques : disséquer des articles exemplaires — ce qui rend des méthodes défendables, des figures honnêtes et des affirmations étayées.
- Construire ses propres critères de qualité : par la discussion en classe, chaque étudiant rédige une grille de qualité explicite dans son genre déclaré — article de revue ou livrable pour parties prenantes, en miroir des deux parcours du projet final.
- Construire un agent de relecture pré-soumission : les étudiants transforment leur grille en agent de relecture et le testent avec la machinerie d’évaluation du chapitre 6 (cahier des charges, jeu d’évaluation, analyse des échecs) sur des articles aux forces et faiblesses connues.
Le calendrier hebdomadaire de cet arc figure dans le syllabus du cours.
Infrastructure du cours¶
Ce livre contient tous les tutoriels et devoirs. Les étudiants travaillent dans VS Code ou JupyterLab avec un assistant IA agentique, conservent leur travail sur GitHub et gèrent leurs environnements logiciels avec pixi. Pour construire le livre localement :
pixi install
pixi run buildChaque étudiant crée un dépôt de cours personnel nommé MLGEO2026_UWNETID, y copie les fichiers d’environnement de ce livre, et y conserve devoirs et travaux de projet sous contrôle de version.
Licences¶
Le texte et les figures de ce livre sont sous licence Creative Commons Attribution 4.0 (CC-BY-4.0). Le code, y compris le code source des carnets, est sous licence MIT. Vous pouvez réutiliser et adapter les deux, avec attribution.
Autrices et auteurs¶
Marine Denolle, Nicoleta Cristea, Akshay Mehra, Ariane Ducellier, Ziheng Sun, Stefan Todoran, Scott Henderson et Claire Jensen.
Toutes les autres personnes ayant contribué — l’équipe GeoSMART, les contributrices et contributeurs du dépôt, l’équipe enseignante et les étudiants, les relectrices et relecteurs des traductions — sont créditées dans les Remerciements, où les autrices et auteurs figurent aussi avec leurs ORCID et affiliations. Les métadonnées de citation se trouvent dans CITATION.cff ; comment citer ce livre explique où en est le DOI.