GéoLLM : Accédez aux données géographiques de l'Etat en posant une question simple, sans aucune compétence technique
QuickieGenAI
22/09/2026 | 13h30 - 13h55 | Conf : IGN
Informations
À l'initiative d'IGNfab, un Model Context Protocol (MCP) est proposé en bêta test. Un MCP permet de connecter les modèles d’intelligence artificielle (comme les grands modèles de langage LLM) aux bases de données. Le MCP mis à disposition permet donc de connecter son assistant IA favori aux bases de données de l’IGN et ainsi d’interroger les données IGN en toute simplicité en langage naturel. On peut donc croiser des données, générer des cartes sans avoir de compétences géomatiques particulières.
Le MCP est disponible sur https://beta.ign.fr
Dans le GéoLLM deux outils sont proposés, un connecteur (MCP_ Géocontext) pour votre assistant IA et un chatbot cartographique (APITopo).
Dans le détail, Geocontext (https://github.com/ignfab/geocontext) et APITopo (https://apitopo.ign.fr/) explorent deux voies complémentaires pour rendre les référentiels géographiques de l’IGN directement mobilisables par des assistants d’intelligence artificielle :
- Geocontext s’inscrit dans une logique d’interopérabilité avec la Géoplateforme. Sous la forme d’un serveur MCP expérimental, il donne aux modèles de langage un accès outillé aux données géographiques françaises de référence : géocodage, altitude, informations administratives, cadastre, urbanisme, servitudes d’utilité publique ou encore interrogation de données WFS. Son objectif est de fournir un contexte spatial fiable, sans répliquer les données sources, en maîtrisant la volumétrie des réponses et en s’appuyant sur des références réutilisables vers les objets géographiques.
- APITopo adopte une approche davantage orientée expérience utilisateur et exploration cartographique. À travers un assistant en ligne, il permet d’interroger les données vectorielles de la BD TOPO, de produire des résultats exploitables et de les réutiliser dans des environnements cartographiques. Conçu comme un espace d’expérimentation autonome, il permet d’explorer différentes approches innovantes associant modèles de langage, données géographiques et interfaces conversationnelles.
Ensemble, ces deux expérimentations interrogent la manière dont les LLM peuvent transformer l’accès aux données géographiques publiques : simplifier l’interrogation des référentiels, accélérer l’analyse territoriale et ouvrir de nouveaux usages métiers pour les collectivités, les experts SIG et les acteurs opérationnels. Elles contribuent également à dessiner une trajectoire d’évolution pour les services de la Géoplateforme, vers des interfaces plus naturelles, plus contextualisées et plus directement orientées usage.
