IA en exploration minière : ce que les données révèlent vraiment
Il y a beaucoup de bruit en ce moment autour de l’intelligence artificielle en exploration minière. Les fournisseurs promettent des découvertes plus rapides, un ciblage plus précis, des modèles entraînés sur « la base de données la plus riche du monde ». Une partie de tout cela est réelle. Une autre partie, c’est une plateforme qui cherche un problème auquel s’adapter.
Après près de deux décennies à appliquer la télédétection, les SIG et l’analyse prédictive à des projets d’exploration aux Amériques — des forêts boréales du Québec aux ceintures de porphyres des Andes centrales — je veux partager ce qui fonctionne vraiment. Pas ce qui sonne bien lors d’une démonstration. Ce qui produit des résultats quand le forage commence.
Trois projets récents illustrent cela mieux que n’importe quelle présentation.
Projet Abitibi, Québec, Canada — Lithium en terrain bouclier végétalisé
Projet en stade précoce de pegmatites à spodumène dans la partie orientale de la Ceinture de l’Abitibi. 155 claims d’exploration, environ 10 670 hectares. Couverture végétale boréale dense. Ce dernier détail compte plus qu’on ne le croit généralement.
Quand on survole le Bouclier canadien en été, ce qu’on voit, c’est des arbres. Beaucoup d’arbres. La télédétection optique traditionnelle est très limitée ici — la végétation masque les signatures spectrales des roches sous-jacentes, et le traitement hyperspectral standard génère de fausses réponses d’oxydes qui orientent dans la mauvaise direction. La plupart des plateformes IA génériques ne résolvent pas ce problème. Elles font simplement passer le bruit à travers un modèle plus sophistiqué.
Notre approche a commencé par la sélection des données. Nous avons utilisé Landsat-5, Landsat-8, Sentinel-2, ASTER et WorldView-2 — chacun choisi pour des propriétés spectrales spécifiques pertinentes aux pegmatites porteuses de Li, pas simplement parce qu’ils étaient disponibles. ASTER était essentiel pour ses bandes SWIR couvrant les caractéristiques d’absorption minérale dans la plage 2,1–2,4 μm, où la spodumène, la lépidolite et la montébrasite ont des signatures diagnostiques. WorldView-2 a apporté la résolution spatiale nécessaire pour détecter les corps pegmatitiques de plus petite taille.
Nous avons masqué la végétation en utilisant des seuils NDVI calibrés par capteur — 0,2 pour ASTER, 0,25 pour Landsat-5, 0,3 pour Landsat-8 — parce qu’appliquer le même seuil sur des capteurs différents introduit ses propres erreurs. Nous avons développé des combinaisons RGB personnalisées spécifiquement pour discriminer les minéraux porteurs de Li, non adaptées de la littérature sur l’or ou le cuivre. Les rapports de bandes ont été construits autour des courbes de réflectance réelles de la spodumène, de la lépidolite et de la cookeite.
L’avancée clé a été l’intégration des données radiométriques aéroportées — canaux potassium (K), uranium (U) et thorium (Th) — avec les images satellitaires. Là où les capteurs optiques voyaient des arbres, les données radiométriques capturaient la signature géochimique des roches en dessous. Les données magnétiques ont ajouté le contexte structural. Nous avons ensuite appliqué la Logique Floue pour synthétiser toutes les couches simultanément, gérant l’incertitude inhérente aux données multi-sources sans forcer une classification binaire que les données ne pouvaient pas soutenir.
Le résultat : une carte de potentiel minéral montrant des anomalies K coïncidentes avec une faible réponse végétale — un proxy pour du terrain à pegmatites proches de la surface — validé par des points de contrôle terrain fournis par l’équipe du client. Aucune campagne de terrain n’a été nécessaire pour générer le premier ensemble de cibles.
Projet Montauban, Québec, Canada — Or en profondeur par Tomographie de Bruit Ambiant
Celui-ci est dans le domaine public, je peux donc être précis.
Plus tôt cette année, Geomatic World et CAUR Technologies ont livré conjointement un modèle géologique 3D basé sur la Tomographie de Bruit Ambiant (ANT) pour le projet aurifère et argentifère Montauban d’ESGold Corp. au Québec. Le résultat : un corridor minéralisé identifié jusqu’à environ 900 mètres de profondeur — significativement plus profond que toute exploration antérieure sur la propriété, où les forages historiques dépassaient rarement 50 mètres et les sondages les plus profonds n’atteignaient que 250 mètres. Le modèle a également défini environ 2 kilomètres de longueur de strike, la minéralisation semblant s’élargir en profondeur.
ESGold l’a divulgué publiquement dans un communiqué de presse en février 2026.
L’ANT est une méthode sismique passive qui utilise les vibrations ambiantes du sol — circulation, vent, activité microsismique — pour imager les contrastes de densité et les caractéristiques structurales du sous-sol. Sans source sismique active. Sans explosifs. Sans forage préalable pour voir ce qui s’y trouve. CAUR Technologies a acquis les données de vitesse sismique avec son propre système instrumental et sa chaîne de traitement. Geomatic World a construit le modèle géologique 3D à partir de ces données, en l’intégrant avec notre interprétation de télédétection et de structure, pour produire un modèle qui guide le ciblage exploratoire en profondeur.
C’est ce que le partenariat avec CAUR Technologies livre concrètement. CAUR Technologies est affiliée à Geophysics GPR International, avec des opérations actives en Amérique du Nord, en Amérique du Sud, en Afrique et en Asie. Ce réseau, combiné aux capacités de télédétection IA et d’analyse prédictive de Geomatic World, signifie que nous pouvons mener un projet de la cartographie spectrale de surface à l’imagerie sismique profonde dans un flux de travail intégré — sans que le client ait à coordonner trois fournisseurs distincts.
Projet Cajamarca, Pérou — Porphyre Cu-Au dans la Ceinture Métallogénique Andine Nord
Hémisphère différent, géologie différente, environnement de données différent — même logique méthodologique.
La région de Cajamarca, dans le nord du Pérou, se trouve dans l’une des ceintures métallogéniques les plus prolifiques au monde. Systèmes de porphyres cuivre-or, surimpression épithermale, altération hydrothermale intense. Le signal géologique est fort. Mais la complexité l’est aussi : phases d’altération multiples, surimpression structurale, niveaux d’érosion variables, et données publiques de qualité très hétérogène.
Ce projet a été développé en collaboration avec IAMGOLD Pérou. Le point de départ n’était pas une base de données globale générique — c’était notre propre base de données à l’échelle andine, construite sur des années de travail de terrain, d’interprétation de télédétection et de modélisation géologique au niveau des projets au Pérou, au Chili et en Argentine. Ce contexte régional ne se télécharge pas. Il vient de comprendre pourquoi un halo potassique se présente différemment dans un porphyre miocène de Cajamarca par rapport à un système éocène du sud du Pérou, et de calibrer le modèle en conséquence.
Nous avons traité les données ASTER pour la cartographie de l’altération hydrothermale — zones argilitique, phylitique et potassique — et intégré des données aéromagnétiques pour identifier l’architecture structurale qui héberge la minéralisation. L’analyse prédictive a utilisé des méthodes IA pour pondérer et combiner ces données avec notre connaissance métallogénique régionale, produisant une carte de cibles classées avec des zones de confiance explicites plutôt qu’une simple carte de chaleur.
La valeur pour IAMGOLD n’était pas seulement la carte. C’était la capacité d’expliquer pourquoi chaque cible était classée où elle l’était, de retracer le raisonnement géologique derrière le résultat du modèle, et d’ajuster l’analyse quand de nouvelles données de forage arrivaient. Ce niveau de transparence est ce dont les équipes techniques ont besoin avant de s’engager dans des programmes de sondage.
Ce projet est également la base de la présentation technique que nous livrerons au Congrès Mondial des Mines 2026 à Lima en fin de mois — l’un des forums techniques les plus rigoureux de l’industrie minière mondiale. L’invitation ne reposait pas sur notre budget marketing. Elle reposait sur les résultats.
Ce que ces projets ont en commun
Trois projets. Deux pays. Trois systèmes géologiques — pegmatites Li en bouclier boréal, or profond dans le socle précambrien, porphyre Cu-Au dans les Andes. La méthodologie s’adapte à chacun.
La sélection des données est guidée par la minéralogie et l’environnement du système spécifique, pas par ce qui est génériquement disponible. Le prétraitement est calibré aux conditions locales, pas appliqué depuis un modèle. Les outils IA sont choisis pour leur capacité à gérer l’incertitude honnêtement — la Logique Floue ne prétend pas que les données sont plus propres qu’elles ne le sont. Le contexte géologique régional se construit sur des années ; il ne peut pas être remplacé par une base de données d’entraînement globale.
Un modèle ne vaut que ce que vaut la logique géologique qui le sous-tend. Une plateforme qui fait passer vos données dans un modèle pré-entraîné et retourne une carte de chaleur est utile en première approche. Ce n’est pas un substitut à un interprète qui comprend le système minéral, les limites des données et la géologie structurale du district.
Les trois projets partagent aussi ceci : le client a reçu un rapport technique complet, signé par un P.Géo., expliquant la méthodologie, les sources de données, les étapes de traitement et l’interprétation. Pas un tableau de bord. Un document technique défendable.
Une note sur la confidentialité des données
Deux des trois projets ci-dessus sont référencés par région plutôt que par nom de client. Les données d’exploration sont stratégiques. Les informations propriétaires de nos clients — limites de claims, résultats de forage, cibles identifiées — ne quittent pas un accord de confidentialité bilatéral. Elles n’alimentent pas une base de données tierce. Elles n’améliorent pas le modèle d’un autre fournisseur.
Quand vous confiez les données de votre projet à une plateforme SaaS, lisez les conditions attentivement. Comprenez ce que « anonymisé et agrégé » signifie en pratique. C’est une question légitime à poser à tout fournisseur d’IA, nous y compris.
Nous sommes une petite entreprise. Pas de série B à 30 millions de dollars. Pas de stand à chaque conférence. Ce que nous avons, c’est vingt ans de géoscience appliquée, un partenariat stratégique avec CAUR Technologies et Geophysics GPR International, une base de données propriétaire à l’échelle andine, et des résultats qui tiennent quand le forage commence.
Geomatic World travaille avec des compagnies juniors et de taille intermédiaire en exploration minière en Amérique du Nord, Centrale et du Sud. Nos quatre services principaux — Geo-AIRS Télédétection IA, GeoWorld Insight Technology, GeoWorld Insight SIG-Base de données, et GeoWorld Modélisation Géologique — sont livrés comme des produits techniques complets, pas comme des plateformes à apprendre à opérer.
Si votre projet a des données complexes, une géologie difficile, une végétation dense, ou un terrain que personne n’a encore imagé en profondeur — c’est exactement là où nous travaillons le mieux.
🌐 Also available in / Également disponible en / También disponible en: 🇬🇧 Read in English · 🇪🇸 Leer en español
P.Géo., Ing., M.Sc. Santiago Mayor Président et CEO, Geomatic World Inc. Montréal, Canada santiago_mayor@geomaticworld.com | www.geomaticworld.ca
Leave a Reply