La grosse machinerie en coulisse de Google Maps

N’allez pas imaginer que proposer un service de cartographie du niveau de Google Maps est chose aisée. La Pomme, d’ailleurs, peut en témoigner, elle qui peine, plusieurs années après le lancement de services Plans, à maintenir ses cartes précises et à jour, suscitant, à l’occasion, la moquerie du web.

Google dispose, en la matière d’une solide expérience, 10 années après le lancement de Google Local, le premier nom de Maps, aux USA, Canada et Grande-Bretagne. Devenu Google Maps en 2007, en même temps qu’il s’étendait à de nouveaux pays (la France, l’Allemagne, l’Italie et l’Espagne), le service de Google lançait également StreetView, pour réaliser des prises de vues à 360 ° sur toutes les routes possibles et offrir aux utilisateurs la possibilité de voir leur destination.

Des algorithmes pour décrypter StreetView

Aujourd’hui, les voitures StreetView ont parcouru plus de 11 millions de km, et couvrent 99 % du réseau routier américain. Et les programmeurs chez Mountain View se sont vite rendus compte qu’ils pouvaient tirer d’autres avantages de Street View que les simples photographies proposées. Avec le recours à l’analyse d’image, il est en effet possible d’extraire de multiples informations utiles des prises de vues : les panneaux routiers, la signalisation, les numéros de rue, les noms des commerces peuvent être lus, algorithmiquement, en ayant recours à l’analyse d’image et à des éléments d’intelligence artificielle, depuis les fichiers Street View.

L’affaire n’est évidemment pas si simple que l’énoncé pourrait le laisser entendre. «Il est assez compliqué d’extraire les éléments de direction automatiquement», estime Brian McClendon, VP Google Maps. Parfois ces éléments sont des panneaux, mais qui sont plus ou moins visibles, de couleurs, de formes et de tailles différentes. Pour les fléchages de direction, c’est pire encore, quelques fois il n’y a qu’un marquage, plus ou moins effacé, sur le sol de la chaussée. Mais nous améliorons de manière continue notre qualité de reconnaissance, témoigne Brian.

Un autre défi posé à la reconnaissance automatique concerne plutôt la restitution des informations : lors des phases de guidage, les utilisateurs, et c’est bien normal, aimeraient pouvoir voir exactement les panneaux qu’ils doivent suivre. Mais les désignations des routes, les noms de rues, changent selon la localisation, utilisent des abréviations. «Être capable de reproduire fidèlement ce que voit l’utilisateur est très complexe, mais également excessivement important pour la qualité de notre guidage», estime McClendon. Un joli casse-tête.

Vu du ciel

Google s’est également attaqué aux élévations, sans pour l’heure atteindre le niveau de modélisation 3D qu’Apple propose, pour quelques destinations, dans plans. En achetant SkyBox pour 500 millions de dollars, Google a musclé ses possibilités de modélisation 3D. Et Mountain View dispose désormais de cartes en évaluation de la majorité des immeubles aux USA, et dans d’autres destinations en Europe. Là aussi, ces données sont extraites automatiquement des photographies aériennes, et satellites, des algorithmes se chargeant d’extraire les modèles 3D en observant des clichés croisés des zones concernées (technique proche de la photogrammétrie)

Les petites mains

Évidemment, les ordinateurs ne font pas tout, et Google emploie une armée de petites mains à corriger et éditer les données de Maps. Greg Miller, pour Wired, a pu voir, et c’est quasiment une première, les équipes du géant de la recherche à l’œuvre. Google reste cependant muet sur le nombre d’employés mobilisés par celles-ci.

Le programme de corrections manuelles s’appelle Atlas ; il s’appuie sur le fond cartographique de Maps mais avec des couleurs différentes, qui symbolisent les sens de circulation des voies concernées. Des flèches rouges ou vertes indiquent quand il est possible de prendre une intersection, et dans quel sens.

Les informations de trafic et de signalisation extraites de Street View s’affichent sur l’écran de l’opérateur, qui peut les consulter et les éditer à la volée. Corriger un alignement de route décalé est simple comme changer des points d’ancrage, et se réalise en deux clics. Les problèmes à corriger sont, pour un grand nombre d’entre eux, rapportés par les utilisateurs, un système qu’Apple a également déployé dans Plans. Google y ajoute un outil accessible au grand public – le MapMaker – pour leur permettre de soumettre leurs propres plans de zones non ou mal cartographiées.

Les smartphones à la rescousse

La nouvelle frontière, c’est le big data, et l’apport des millions de données de localisation collectées depuis nos smartphones. Le sujet est sensible et Google n’aime pas s’y étendre.« Oui, nous utilisons les données de localisation depuis plusieurs années mais je ne peux pas vous en dire plus sur le sujet», tranche ainsi Manik Gupta, gestionnaire produit Google Maps.

Ces informations de localisation, agrégées, permettent par exemple d’obtenir une photographie très précise du trafic en temps réel. Il est trivial, à partir des données GPS de déterminer si le possesseur d’un smartphone roule en voiture, ou en train. Dans le premier cas, si la vitesse de déplacement ralenti, croisée avec celles des autres utilisateurs sur la zone, on obtient très rapidement l’information d’un bouchon qui se forme.