Des chercheurs ont analysé 7,56 To d’images satellites haute résolution avec l’IA pour identifier environ 319 000 installations solaires et 91 600 éoliennes dans 1 915 comtés chinois. La carte nationale obtenue localise précisément les infrastructures renouvelables, ce qui offre une vision inédite de la répartition...

Create a landscape editorial hero image for this Studio Global article: How have researchers from Peking University and Alibaba’s Damo Academy used AI and satellite imagery to create a nationwide inventory of Chi. Article summary: They used Alibaba DAMO Academy’s in-house AI models on a cloud platform to process 7.56 TB of open satellite imagery at 0.5-metre resolution covering all of China, producing what Chinese media described as the country’s . Topic tags: general, government, academic, general web. Reference image context from search candidates: Reference image 1: visual subject "# Advancing solar and wind penetration in China through energy complementarity. The intrinsic variability of solar and wind energy, compounded by their rapid expansion, has intensi" source context "Advancing solar and wind penetration in China through energy complementarity | Nature" Reference image 2: visu
La Chine possède aujourd’hui l’un des systèmes d’énergie renouvelable les plus vastes et les plus dynamiques au monde. Mais paradoxalement, suivre précisément l’emplacement de toutes ces installations — panneaux solaires et éoliennes — reste difficile à partir des seules données administratives.
Pour combler ce manque, des chercheurs de l’Université de Pékin et du DAMO Academy d’Alibaba ont utilisé l’intelligence artificielle combinée à des images satellites afin de créer le premier inventaire national haute précision des infrastructures solaires et éoliennes du pays.
En analysant 7,56 téraoctets d’images satellites ouvertes avec une résolution de 0,5 mètre, l’équipe a identifié environ 319 000 installations photovoltaïques et 91 600 éoliennes réparties dans 1 915 comtés. Le résultat est une carte détaillée du paysage énergétique renouvelable chinois.
Les travaux ont été publiés dans la revue scientifique Nature en mai 2026 et offrent ce que l’un des chercheurs a décrit comme une “vue à l’échelle du pays”, presque une « vue de dieu » sur l’énergie verte chinoise.
Pour construire cet inventaire, les chercheurs ont utilisé des techniques de vision par ordinateur, capables d’identifier automatiquement des motifs caractéristiques dans les images satellites — par exemple la disposition régulière des panneaux photovoltaïques ou la forme distinctive des éoliennes.
Les modèles d’IA développés par DAMO Academy ont été exécutés sur une infrastructure cloud afin de traiter le gigantesque volume de données couvrant l’ensemble du territoire chinois.
Cette méthode diffère fortement des statistiques énergétiques traditionnelles. Habituellement, les données proviennent de rapports régionaux ou d’estimations basées sur la capacité installée. Ici, l’infrastructure est repérée directement depuis l’espace, ce qui permet de créer une base de données géolocalisée installation par installation.
Le défi technique était considérable. Les installations apparaissent dans des contextes très différents — déserts du nord-ouest, zones agricoles, régions montagneuses ou zones urbaines — ce qui exige des modèles capables de reconnaître les structures malgré les variations de paysage, de météo et d’éclairage.
L’inventaire obtenu offre une photographie très détaillée du déploiement des énergies renouvelables en Chine. Le système d’IA a identifié :
Chaque installation étant géolocalisée, les chercheurs peuvent analyser les schémas régionaux de déploiement et comprendre comment différentes sources d’énergie se répartissent à l’échelle nationale.
Les bases de données précédentes utilisaient souvent des images satellites de résolution plus faible ou des données partielles, ce qui rendait difficile une cartographie précise des installations. Les approches combinant télédétection et apprentissage automatique se développent rapidement, mais des inventaires nationaux complets à très haute résolution restent encore relativement rares.
L’énergie solaire et l’énergie éolienne ont une caractéristique commune : leur production varie selon la météo et l’heure de la journée. Cette variabilité peut provoquer un phénomène appelé “curtailment” (ou « écrêtement ») : une partie de l’électricité produite ne peut pas être utilisée ou transportée sur le réseau et est donc perdue.
Une carte nationale précise permet d’analyser comment différentes sources renouvelables se complètent dans le temps et l’espace.
Les chercheurs ont notamment étudié la complémentarité entre solaire et éolien. Dans de nombreuses régions, les deux sources produisent à des moments différents — par exemple :
Cette complémentarité peut améliorer l’équilibre du système électrique si les ressources sont coordonnées entre régions.
Grâce à ces données, les planificateurs peuvent envisager plusieurs stratégies :
Selon les analyses des chercheurs, une coordination à grande échelle pourrait augmenter significativement la quantité d’électricité renouvelable effectivement utilisée par le réseau.
Cette cartographie intervient au moment où la Chine connaît une explosion de la demande d’électricité liée aux centres de données et au calcul pour l’IA.
Pour concilier cette demande croissante avec les objectifs de décarbonation, certaines initiatives visent déjà à relier directement les infrastructures numériques à des sources d’énergie renouvelable.
Un exemple est un projet dans la région de Ningxia, où une grande centrale photovoltaïque alimente directement des centres de données via des lignes dédiées.
Dans ce contexte, une carte nationale précise des ressources solaires et éoliennes peut aider les décideurs à répondre à plusieurs questions :
Autrement dit, l’inventaire généré par l’IA ne sert pas seulement à compter les installations : il crée une base de données stratégique pour la prochaine phase de la transition énergétique chinoise.
À mesure que les infrastructures d’énergie propre se multiplient dans le monde, leur suivi devient un enjeu majeur pour les politiques énergétiques et climatiques.
L’association de l’imagerie satellite et de l’intelligence artificielle offre une solution évolutive : surveiller de vastes territoires, détecter de nouvelles installations et mettre à jour les inventaires presque en continu.
Pour la Chine — qui possède déjà le plus grand système d’énergie renouvelable au monde — cette carte nationale apporte enfin une vision précise et actualisable de l’emplacement réel des installations solaires et éoliennes sur le terrain.
Studio Global AI
Use this topic as a starting point for a fresh source-backed answer, then compare citations before you share it.
Des chercheurs ont analysé 7,56 To d’images satellites haute résolution avec l’IA pour identifier environ 319 000 installations solaires et 91 600 éoliennes dans 1 915 comtés chinois.
Des chercheurs ont analysé 7,56 To d’images satellites haute résolution avec l’IA pour identifier environ 319 000 installations solaires et 91 600 éoliennes dans 1 915 comtés chinois. La carte nationale obtenue localise précisément les infrastructures renouvelables, ce qui offre une vision inédite de la répartition réelle du solaire et de l’éolien en Chine.
Ces données pourraient aider à optimiser le réseau électrique, réduire le gaspillage d’électricité renouvelable et planifier l’alimentation énergétique des centres de données en pleine expansion.