Random Forest, XGBoost, CNN ou Transformer ?

Les articles de télédétection donnent parfois l’impression que le choix du modèle est une course vers l’architecture la plus récente, alors que la cartographie des vergers se joue souvent plus tôt, dans la qualité de la série temporelle, des étiquettes de parcelles et du découpage de validation. Random Forest peut être le meilleur choix lorsque les annotations sont rares et que l’on veut comprendre quelles variables spectrales ou phénologiques comptent. XGBoost devient intéressant lorsque les interactions non linéaires et les probabilités importent. Un réseau de segmentation est plus pertinent lorsque les limites et le contexte spatial dominent, tandis qu’un modèle récurrent ou un Transformer mérite sa complexité lorsque la séquence contient une information qui ne doit pas être aplatie en une longue liste de bandes.

Les travaux disponibles plaident pour une architecture graduée plutôt que pour un vainqueur unique. Une étude fondée sur ConvRNN hiérarchique montre qu’un modèle peut apprendre d’abord la catégorie générale « verger », puis utiliser cette représentation pour distinguer des classes plus rares comme la pomme et la poire. Des travaux récents sur Transformer utilisent des séquences Landsat et Sentinel-2 pour une cartographie intra-saison plus rapide, tandis que l’étude consacrée aux pommiers en 2025 combine sélection de caractéristiques temporelles, SegNet, CBAM et Focal Loss pour améliorer la segmentation. Ces méthodes ne répondent pas à la même question ; les comparer avec une seule précision finale peut donc être trompeur. Voir l’étude temporelle hiérarchique, l’étude Transformer de 2025 et l’étude sur les pommiers.

Dans un projet réel, la séquence la plus défendable consiste à établir une base solide avec des caractéristiques explicites, à ajouter un modèle spatial lorsque la carte révèle un problème de limites, puis à introduire un modèle temporel profond seulement si la base ne représente pas suffisamment la séquence. Chaque amélioration doit être évaluée avec le même découpage par parcelle, avec une année ou une région laissée de côté lorsque cela est possible, et avec une ablation montrant si le gain vient de l’architecture, des bandes supplémentaires, de la fenêtre temporelle ou des annotations. La complexité se justifie lorsqu’elle rend le résultat plus transportable ou plus utile, pas lorsqu’elle le rend seulement plus difficile à expliquer.