Comment fonctionne la géolocalisation par IA ?

La chose la plus utile à comprendre est ce que ces modèles ne font pas. Aucune base de photographies n'est consultée, et aucune correspondance n'est trouvée. Rien de votre image n'est recherché nulle part.

• Texte et écriture : une seule enseigne plus un système d'écriture suffit souvent à ramener à un seul pays.
• Mobilier routier : couleurs des lignes, bornes, panneaux et marquages de bordure sont normalisés au niveau national.
• Réseaux : la forme des poteaux, la disposition des fils et la couleur des boîtes aux lettres changent aux frontières, là où le paysage ne change pas.
• Véhicules : proportions et couleur des plaques d'immatriculation, et modèles courants localement.
• Architecture : pente des toits, proportions des fenêtres et matériaux suivent le climat et la tradition de construction.
• Végétation et lumière : le mélange d'espèces donne une bande climatique ; l'angle des ombres contraint la latitude.

Aucun de ces indices n'est décisif seul, et un humain qui lit les mêmes indices dans l'ordre procède exactement ainsi. Une balise GPS situerait l'appareil à environ 5 m près ; l'inférence visuelle travaille à une résolution des milliers de fois plus grossière, et cet écart explique tout. L'estimation est une intersection : chaque signal écarte des possibilités, et la réponse est celle qui survit au plus grand nombre d'entre eux. C'est aussi pourquoi une photo à peu de signaux visibles donne une réponse faible plutôt qu'une réponse fausse et assurée. En lisant ces signaux à partir de Street View seul, un modèle de recherche a battu un joueur professionnel de GeoGuessr six parties à zéro.

Elles se complètent plus qu'elles ne se font concurrence. L'ordre raisonnable est de chercher d'abord, car l'exact bat l'approximatif, et de n'inférer que lorsque rien ne correspond. La comparaison des moteurs indique lequel essayer selon le sujet.

C'est une limite de la méthode, pas de la taille du modèle. Un modèle plus grand trouve la bonne ville plus souvent ; il ne transforme pas la photographie d'une rue résidentielle quelconque en numéro de maison. Tout outil qui présente une précision au niveau de la rue à partir des seuls pixels présente une supposition comme une mesure.

Le mode d'échec à surveiller est une réponse assurée sur une photo sans particularité. Un modèle qui nomme une ville précise à partir d'un mur nu n'a rien trouvé que vous auriez manqué : il a produit du bruit avec un chiffre accolé. C'est aussi la première chose à tester avant de construire sur une API de géolocalisation de photos : mettez des murs nus dans le jeu de test et voyez ce qui revient. Les chatbots généralistes n'y échappent pas : lors des tests de Bellingcat en 2025, chaque modèle, ChatGPT compris, s'est trompé du tout au tout à un moment ou à un autre.