1. Introduction

La captation par drone (dronautique) et le LiDAR sont devenus des outils incontournables dans les domaines de la topographie, de l'arpentage, du foncier, de l'agriculture de précision et des études d'infrastructures. Ces technologies permettent une acquisition haute précision de données géospatiales, transformant les méthodes de travail traditionnelles.

Longtemps réservées aux instituts géographiques nationaux et aux grandes entreprises, ces technologies se sont démocratisées ces dernières années, grâce à la baisse des coûts des capteurs et à l'essor des logiciels de traitement open-source.

Ce dossier propose une synthèse complète des technologies drone et LiDAR, des méthodes d'acquisition et de traitement des nuages de points, et de leurs applications métier.

2. Les drones comme vecteurs haute précision

L'usage des drones s'impose aujourd'hui dans de nombreux domaines : arpentage, topographie, foncier, agriculture de précision, inspection d'infrastructures.

2.1. Types de drones utilisés

2.2. Capteurs embarqués

• Caméras optiques (RGB) : photogrammétrie, orthophotos, modélisation 3D.
• Caméras multispectrales : agriculture de précision (indices NDVI, NDRE).
• Caméras thermiques : inspection d'ouvrages, détection de fuites.
• Capteurs LiDAR : acquisition de nuages de points, pénétration de la végétation.

3. Le LiDAR : une révolution pour la 3D

Le LiDAR (Light Detection And Ranging) est une technologie de télédétection qui mesure la distance entre un capteur et une cible en utilisant des impulsions laser. Il produit des nuages de points 3D d'une extrême précision.

3.1. Principes de fonctionnement

Le LiDAR émet des impulsions laser vers le sol et mesure le temps de retour de chaque impulsion. La combinaison de millions de mesures permet de reconstituer une représentation 3D précise du terrain, des bâtiments, de la végétation et des infrastructures.

3.2. Types de LiDAR

3.3. Avantages du LiDAR par rapport à la photogrammétrie

• Pénétration de la végétation : le LiDAR peut traverser la canopée pour mesurer le sol nu.
• Indépendance à la lumière : fonctionne de nuit comme de jour.
• Précision altimétrique supérieure : en particulier en zone boisée.
• Mesure directe de la hauteur des objets (arbres, bâtiments).

4. Acquisition de nuages de points

La démocratisation des données LiDAR nationales (Open Data / classification automatique) accélère le traitement du relief, l'analyse du bâti et le calcul automatique de pentes ou de toitures.

4.1. Formats de données

• LAZ / LAS : formats standard pour les nuages de points LiDAR (ASPRS).
• COPC (Cloud Optimized Point Cloud) : format optimisé pour le cloud.
• E57 : format pour les nuages de points issus de scanners terrestres.
• PDAL : bibliothèque open-source pour le traitement des nuages de points.

4.2. Densité et précision

Type d'acquisition	Densité (pts/m²)	Précision altimétrique
LiDAR national (open data)	1-5 pts/m²	15-30 cm
LiDAR drone (aéroporté)	10-50 pts/m²	5-15 cm
LiDAR terrestre (TLS)	100-1000 pts/m²	1-5 mm
Photogrammétrie drone	10-50 pts/m²	2-5 cm

5. Classification automatique des données

La classification automatique des nuages de points est une avancée majeure permise par l'intelligence artificielle et les algorithmes de machine learning.

5.1. Classification ASPRS

La norme ASPRS (American Society for Photogrammetry and Remote Sensing) définit 24 classes standards :

• Classe 1 : Non classé
• Classe 2 : Sol (ground)
• Classe 3 : Végétation basse
• Classe 4 : Végétation moyenne
• Classe 5 : Végétation haute
• Classe 6 : Bâtiment
• Classe 7 : Bruit
• Classe 8 : Bâtiment (modèle clé)
• Classe 9 : Eau

5.2. Méthodes de classification

• Filtrage morphologique : séparation sol / végétation.
• Filtrage par pente : identification des ruptures de pente.
• Machine Learning (Random Forest, SVM) : classification supervisée.
• Deep Learning (PointNet, PointCNN) : classification directe sur nuages de points.

5.3. Logiciels de classification

• LAStools : suite logicielle pour le traitement LiDAR.
• PDAL : bibliothèque open-source, avec modules de filtrage et de classification.
• CloudCompare : logiciel open-source de visualisation et traitement.
• ArcGIS Pro / QGIS : avec plugins dédiés.
• Global Mapper : outil polyvalent de traitement de données spatiales.

6. Applications métier

6.1. Topographie et arpentage

• Levés topographiques haute résolution.
• Modèles Numériques de Terrain (MNT) et de Surface (MNS).
• Courbes de niveau et profils en long.
• Calcul de surfaces et de volumes (cubatures).

6.2. Foncier et cadastre

• Limites parcellaires et plans cadastraux.
• Modélisation 3D des bâtiments.
• Suivi de l'évolution urbaine.

6.3. Agriculture de précision

• Cartographie des sols et des cultures.
• Indices de végétation (NDVI, NDRE).
• Optimisation de l'irrigation et des intrants.
• Détection précoce des stress hydriques et phytosanitaires.

6.4. BTP et infrastructures

• Suivi de chantier et calculs de cubatures.
• Inspection d'ouvrages (ponts, barrages, lignes électriques).
• Relevés de réseaux et modélisation 3D.

6.5. Environnement et risques

• Cartographie des zones inondables.
• Suivi de l'érosion côtière.
• Inventaire forestier et biomasse.
• Surveillance des glissements de terrain.

7. Perspectives 2026-2030

Les technologies drone et LiDAR sont en pleine évolution. Les axes de développement incluent :

• IA embarquée sur drone : traitement en temps réel des données acquises.
• Essaims de drones : coordination de plusieurs drones pour couvrir de grandes surfaces.
• LiDAR à photon unique : cartographie à très haute altitude.
• LiDAR hyperspectral : identification des matériaux et des minéraux.
• Jumeaux numériques 3D/4D : intégration des données LiDAR dans les plateformes de simulation.
• Standardisation des formats : adoption de COPC et GeoParquet.

8. Conclusion

La captation par drone et LiDAR transforme en profondeur les métiers de la topographie, de l'arpentage, du foncier, de l'agriculture de précision et des études d'infrastructures.

Les drones offrent une flexibilité et une précision inégalées pour l'acquisition de données géospatiales. Le LiDAR permet une modélisation 3D fine du relief, du bâti et de la végétation, avec des densités de points toujours plus élevées.

La classification automatique des nuages de points, permise par l'IA, réduit considérablement les temps de traitement et ouvre la voie à des analyses prédictives.

Les applications métier sont nombreuses et en constante expansion : topographie, agriculture, BTP, environnement, gestion des risques.

Les perspectives 2026-2030 — IA embarquée, essaims de drones, formats cloud-native — promettent de transformer encore plus profondément les pratiques.