Une entreprise privée qui pense que la géographie reste importante…

L’histoire plus intéressante n’est pas le livre.

Esri Press a publié“GeoAI : L’intelligence artificielle dans les SIG” en janvier 2026Cet document est rédigé par des employés d’Esri et destiné à la base d’utilisateurs actuels d’Esri. Il montre aux utilisateurs comment utiliser l’IA au sein de l’outil pour lequel ils paient déjà. C’est donc un manuel de formation, et non un signal sur le marché.

Mais le moment est important et il vaut la peine d’y prêter attention.

Esri est uneEntreprise de logiciels âgée de 57 ans qui a créé une catégorie que personne ne savait avoir besoin : les systèmes d’informations géographiques. Elle a ainsi transformé cette idée en une entreprise valant 1,3 milliard de dollars, avec plus de 350 000 clients et une part de marché de 40 %.. Il n’a jamais levé de capitaux de risque ou d’endettement.Les fondateurs, Jack et Laura Dangermond, détiennent encore 100 % des parts de cette entreprise. C’est presque inimaginable dans le domaine du logiciel moderne. Microsoft et Apple ont été fondées à peu près au même moment. Esri, quant à elle, fait partie de la même structure depuis ses débuts.

Aujourd’hui, l’IA menace de faire de chaque entreprise une entreprise de cartographie. Un modèle de base de données polyvalent peut extraire des bâtiments à partir des images satellites, déterminer les itinéraires des camions de livraison, et répondre aux questions concernant la démographie d’une région. Le marché de l’intelligence géospatiale est…Il est prévu que la valeur augmentera de 37,13 milliards de dollars US en 2025 à 62,88 milliards de dollars US d’ici 2030.Et les nouveaux entrants n’ont pas besoin d’une plateforme GIS dédiée pour y parvenir.

Ainsi, Esri publie un livre dans lequel il indique à ses utilisateurs que la géographie est ce qui rend l’IA utile. La vraie question est de savoir si c’est vrai, ou si c’est simplement ce que une entreprise qui définit une catégorie doit croire.

La plupart des avantages concurrentiels des logiciels se maintiennent en grandissant et en s’complexifiant. L’avantage de Esri réside toujours dans la profondeur des données, et non seulement dans les fonctionnalités logicielles. ArcGIS ne se contente pas de dessiner des cartes : il intègre des bases de données à ces cartes, des couches de données démographiques et environnementales, et connecte des processus qui permettent aux urbanistes, aux opérateurs d’entreprises publiques ou aux épidémiologistes de résoudre des problèmes efficacement. L’écosystème autour de la plateforme Esri génère 28 milliards de dollars de revenus pour les partenaires, en plus des 1,3 milliard de dollars que Esri perçoit lui-même. Une telle intégration est difficile à imiter.

Mais l’IA change la nature du problème. Les outils GeoAI d’Esri se sont développés pour…Plus de 100 modèles d’IA pré-entraînésDes modèles capables de détecter des objets, de classer les couvertures du sol et d’extraire des caractéristiques des images, sans avoir besoin de grands ensembles de données d’entraînement. Ils ont développé des modèles de base entraînés sur des données satellites mondiales – y compris un “modèle linguistique de vision géospatiale” qui permet aux utilisateurs de saisir des instructions comme “segmentser les routes” ou “décrire la région” pour obtenir des résultats. Ils développent ce qu’ils appellent…IA agentiqueOù les agents automatisés peuvent se connecter aux outils de ArcGIS et exécuter des tâches de manière autonome.

Si une ville peut formuler une question et obtenir une réponse géospatiale, sans jamais avoir appris rien sur ArcGIS, alors cette plateforme devient invisible. Ce n’est pas un problème de la part d’Esri. C’est une menace. Plus l’interaction est transparente, moins il est évident pourquoi la plateforme sous-jacente coûte autant.

Le livre est une façon de dire : voici comment rester dans notre monde, tout en constatant le reste de la révolution de l’IA. Mais le cœur du problème réside dans ces modèles de base. Esri développe ses propres modèles : un Global Location Encoder entraîné sur des images satellites Sentinel-2, ainsi qu’un modèle de langage visuel entraîné sur des millions de paires d’images géospatiales accompagnées de descriptions linguistiques. Ces modèles sont conçus pour comprendre la relation entre les données satellites, les coordonnées géographiques et le langage naturel.

Cela fonctionnera si la géographie représente vraiment un problème différent que l’intelligence artificielle générale ne peut pas résoudre. Un modèle entraîné sur toute la Wikipedia et tout le réseau Internet est bon pour comprendre les langues. Mais il est moins capable de comprendre pourquoi un certain endroit est inondé chaque année, ou comment un groupe de maladies est lié aux infrastructures hydrauliques, ou quels quartiers une ville devrait prioriser pour l’extension d’une ligne de bus. Ce sont des questions spatiales, où la localisation est la variable importante, et non seulement le contexte.

Je pense que la géographie est l’une des dernières catégories que les modèles de base n’ont pas encore réussi à résoudre complètement. C’est justement parce que les données d’entraînement sont complexes, visuelles et étroitement liées à la réalité physique. La carte du monde n’est pas un document : c’est une surface en constante évolution, qu’il faut comprendre grâce à des capteurs et des modèles. Cela donne à une entreprise qui a passé la moitié de son siècle à accumuler ces données un avantage réel.

Mais cette limite est réelle également. Les entreprises de l’IA générale – celles qui développent les modèles de base qui menacent de rendre tout le reste commercialisable – entraînent aussi des modèles spatiaux. Microsoft, l’un des partenaires stratégiques d’Esri, pousse l’IA dans tous les aspects du logiciel d’entreprise. Si l’une de ces entreprises décide que l’intelligence spatiale constitue une infrastructure essentielle qu’il vaut de posséder de manière complète, l’avantage de l’écosystème d’Esri ne la protège pas contre une substitution au niveau de la plateforme.

Il y a autre chose chez Esri qui fait que le cadre habituel pour penser à ce type de menace ne s’applique pas vraiment. Les Dangermonds ne sont pas soumis aux exigences des investisseurs. Ils n’ont pas besoin de montrer une croissance qui justifierait un multiple de revenus de 20 fois. Ils n’ont pas besoin d’émettre des actions en bourse. Ils peuvent avancer lentement, investir dans des projets qui ne rapporteront rien pendant des années, et faire des pariements qui sembleraient irrationnels sous la pression des trimestres. Ce n’est pas une force concurrentielle au sens traditionnel du terme. C’est plutôt la liberté de penser sur des décennies, plutôt que sur des trimestres.

Le livre n’est pas le point clé. Le point important, c’est que l’IA capable de comprendre la localisation nécessite une compréhension géographique qui n’est pas disponible chez les entreprises de IA généraliste, qui manquent à l’incitation ou aux données nécessaires pour le développer. Esri cherche à devenir cette entité capable de fournir cette compétence.

Voici une manière de vérifier si cela fonctionnera. Considérez quelques problèmes géospatials : identifier des caractéristiques similaires dans les déserts, prédire le risque de glissements de terrain dans une région nouvelle, déterminer où se propageent les espèces envahissantes. Posez des questions aux modèles de base génériques concernant chacun de ces problèmes. Ensuite, interrogez les modèles géospatials de Esri. Si les réponses des modèles de Esri sont significativement meilleures, car ils prennent en compte la géographie plutôt que simplement des correspondances entre pixels, alors cette catégorie est valide. Si les modèles généraux sont déjà suffisamment précis, Esri devient alors un plugin spécialisé, et non une plateforme complète.

Quoi qu’il en soit, une entreprise privée créée avec 1 100 dollars, qui a survécu cinq décennies et demie sans vendre une seule action, a obtenu le droit de faire cette mise.

La question est de savoir si la géographie est suffisamment durable pour le supporter.