D'où Google Maps tire ses données ? Sources et pipeline

Google Maps agrège données de sept flux primaires, fusionnés via ML et vérification humaine.

1. Sources gouvernementales & autoritatives

• Agences cartographiques nationales : USGS (US), Ordnance Survey (UK), IGN (France), GSI (Japon), INEGI (Mexique).
• Données cadastrales/parcellaires, limites admin, inventaires routes, codes postaux.
• Portails open data (data.gov, data.gov.uk, EU Open Data Portal).

2. Imagerie satellite & aérienne

• Maxar (WorldView, GeoEye) : 30–50 cm résolution, revisite globale.
• Airbus (Pléiades, SPOT) : 50 cm, stéréo pour 3D.
• Planet Labs : 200+ satellites Dove, revisite quotidienne 3–5 m (détection changements).
• Google-owned : Skybox (Terra Bella, vendu Planet 2017), avions Street View.
• Orthorectification → mosaïque vraie échelle → couche de base.

3. Street View & Vérité terrain

• Voitures Street View : 10M+ miles, 100+ pays. Imagerie 360° + LiDAR + GPS/IMU.
• Trekkers (sac à dos) : Sentiers, intérieurs, lieux.
• Photos intérieurs/commerces : Uploads propriétaires, photographes de confiance.
• Vision par ordi extrait : adresses, panneaux, noms commerces, marquages voies, POIs.

4. Partenaires données tiers

• HERE Technologies / TomTom : Géométrie routes, restrictions virages, limitations vitesse, attributs poids lourds.
• OpenStreetMap : Détails community-mappés (sentiers, bâtiments, tags) — utilisés sélectivement, avec attribution.
• Fournisseurs données locaux : Zenrin (Japon), Mappy (France), MapmyIndia, etc.

5. Contributions utilisateurs (UGC)

• Ajouter lieu, modifier détails, avis, photos, « Suggérer modif », programme Local Guides (150M+ contributeurs).
• Signalements temps réel : trafic, incidents, fermetures (intégration Waze depuis rachat 2013).

6. Flux autoritatifs & Licences

• Transport : GTFS-Realtime de 10 000+ agences.
• Commerces : Dun & Bradstreet, Foursquare, Yelp (historique), revendications directes marchands.
• Urgence : Cartes crises, alertes SOS, périmètres feux (NOAA, NASA FIRMS).

7. Pipeline fusion IA/ML

• Résolution entités : Fusionner POIs dupliqués cross-sources.
• Détection changements : Diff satellite → nouvelle route/bâtiment → file vérification.
• Imagerie → vecteur : Deep learning (RoadTracer, BuildingNet) extrait géométrie.
• Scoring qualité : Confiance par attribut → auto-accept / revue humaine / rejet.

Cadence mises à jour

• Imagerie : 1–3 ans (urbain), 3–5+ (rural).
• Routes/POIs : Quotidien (UGC, Waze, partenaires).
• Adresses : Continu (flux gov + ML).

Google Maps est un moteur de fusion vivant, pas un dataset statique. La « source » est un consensus constamment pondéré de tout ce qui précède.