SIG en temps réel : comment les données en direct transforment les cartes

SIG en temps réel : comment les données en direct transforment les cartes

Pendant la majeure partie de son histoire, le SIG a répondu à des questions sur un état du monde déjà enregistré : un levé, un recensement, une image acquise le mois dernier. Le SIG en temps réel répond à des questions sur ce qui se passe maintenant. Le changement n'est pas seulement technique : il modifie la fonction d'une carte, la manière de stocker les données et ce que signifie, pour un résultat, être exact.

Qu'est-ce que le SIG en temps réel ?

Le SIG en temps réel consiste à ingérer, traiter et afficher en continu des données de localisation à mesure que les événements arrivent, plutôt que par lots programmés. Un véhicule transmet sa position toutes les quelques secondes, un capteur de niveau d'eau envoie une mesure chaque minute, le transpondeur d'un avion émet en continu, et la carte reflète la dernière valeur sans que personne n'ait à ouvrir un fichier.

La définition pratique repose sur la latence au regard de la décision. Dépêcher une ambulance exige des positions vieilles de quelques secondes ; la surveillance des eaux souterraines peut être considérée comme du temps réel avec des mises à jour horaires. Concevoir pour une latence plus faible que celle qu'exige la décision ajoute des coûts sans ajouter de valeur.

SIG par lots contre SIG en temps réel

Caractéristique

SIG traditionnel

SIG en temps réel

Cycle de mise à jour

Programmé : de quelques heures à plusieurs années

Continu : de quelques secondes à quelques minutes

Question centrale

Qu'y a-t-il

Que se passe-t-il maintenant

Unité de données

Jeu de données ou couche

Événement ou observation

Architecture

Fichiers et bases de données

Courtiers de messages et processeurs de flux

Analyse

Exécutée à la demande

Exécutée en continu à chaque événement

Mise à jour du client

Rafraîchissement ou rechargement de la couche

Envoi push via WebSocket ou MQTT

Stockage

Jeux de données complets

État récent, agrégats, archive

Volume type

Moins de fichiers, plus volumineux

Nombreux petits messages

Défaillance type

Données obsolètes

Lacunes, latence, événements en double ou tardifs

Produits types

Cartes et rapports

Tableaux de bord, alertes, géorepérages

Valeur dans le temps

Stable pendant des années

Se périme souvent en quelques minutes

D'où viennent les données en direct

Le suivi de flottes et d'équipements est la principale source : des récepteurs GNSS embarqués dans des véhicules, des engins et des appareils de terrain transmettent leur position, leur vitesse et leur état. Les autorités de transport public publient le même type de données via GTFS-Realtime, qui transmet les positions des véhicules, les mises à jour des trajets et les alertes de service dans un format déjà utilisé par la plupart des calculateurs d'itinéraires.

Les réseaux de capteurs couvrent l'environnement et les infrastructures : niveau d'eau, qualité de l'air, humidité du sol, comptages de trafic, surveillance des ouvrages, compteurs et points SCADA des services publics. L'aviation et le transport maritime apportent l'ADS-B et l'AIS, deux des rares flux mondiaux en direct librement accessibles, tandis que les signalements participatifs, la télémétrie des véhicules connectés et la programmation de satellites à revisite rapide complètent le reste.

Comment les données arrivent sur la carte

C'est la couche de transport qui distingue un système temps réel d'un simple rafraîchissement rapide. MQTT domine côté appareils, car il est assez léger pour du matériel contraint et suit un modèle de publication et d'abonnement : un client ne reçoit que les sujets qu'il a demandés. Kafka prend en charge la partie centrale à fort volume de la chaîne, en conservant un journal d'événements ordonné et rejouable, de sorte qu'un consommateur en retard puisse rattraper son retard au lieu de perdre des données.

Côté navigateur, les WebSockets et les server-sent events envoient les mises à jour au client, ce qui évite le schéma d'interrogation périodique dans lequel une carte redemande la même couche toutes les quelques secondes et reçoit des données presque inchangées. L'interrogation garde sa place pour les flux de basse fréquence, où une requête par minute est plus simple que le maintien d'une connexion persistante.

Traiter le flux

Dans un système de streaming, l'analyse s'exécute sur chaque événement plutôt que sur une table. Les opérations courantes sont le filtrage, qui écarte les événements sans intérêt avant leur stockage ; le géorepérage, qui vérifie si un objet mobile est entré dans une zone, en est sorti ou y stationne ; et l'agrégation par fenêtres, qui calcule des comptages et des moyennes sur un intervalle glissant, par exemple les cinq dernières minutes.

C'est le traitement par trajectoire qui le distingue de l'analyse spatiale ordinaire. Les événements appartiennent à une trajectoire identifiée par l'identifiant d'un véhicule ou d'un capteur, et les valeurs dérivées, comme la vitesse, le cap, la distance depuis le dernier arrêt ou l'intervalle sans incident, dépendent de l'événement précédent de cette trajectoire. C'est pourquoi les plateformes de streaming exigent un identifiant de trajectoire pour la plupart de leurs outils, et pourquoi les événements arrivant dans le désordre doivent être traités explicitement.

Stocker ce qui circule en flux

Les systèmes temps réel conservent généralement trois couches de données aux durées de vie différentes. L'état courant contient un enregistrement par objet suivi et c'est ce qu'affichent la plupart des cartes ; une fenêtre d'historique récent de quelques heures ou jours permet la relecture et l'analyse à court terme ; et une archive conserve des données sous-échantillonnées ou agrégées pour l'étude à long terme.

La rétention doit être conçue avant la mise en service du flux. Mille véhicules qui émettent toutes les cinq secondes génèrent environ dix-sept millions d'enregistrements par jour, et stocker chaque point en pleine résolution pendant des années répond rarement à une question qu'une synthèse ne permettrait pas de traiter. L'approche habituelle consiste à alléger l'archive dans le temps ou dans l'espace, en ne gardant le détail complet que pour les incidents et les périodes étudiées.

Normes et outils

Côté open source, l'OGC SensorThings API est la norme de référence pour les données de capteurs : un modèle de données REST doté d'une extension MQTT pour les abonnements, publié en versions 1.0 et 1.1, avec l'extension STAplus ajoutée en 2023 et une version 2.0 en cours de développement. FROST-Server en est l'implémentation open source la plus déployée, et une pile ouverte type l'associe, ou associe Kafka, à PostGIS et à un client construit sur MapLibre ou deck.gl.

Dans l'écosystème Esri, le paysage a changé en 2026. ArcGIS Velocity, jusque-là disponible uniquement comme extension d'ArcGIS Online, a été publié pour ArcGIS Enterprise auto-hébergé sous Windows et Linux avec ArcGIS Enterprise 12.1. ArcGIS GeoEvent Server a été déprécié au même moment : sa dernière version est prévue avec ArcGIS Enterprise 12.3 en 2027, et il sera supprimé à la version 12.4, attendue en novembre 2027. Les organisations qui utilisent encore des processus GeoEvent disposent d'un délai défini, mais limité, pour migrer.

Visualiser les données en direct

Le premier problème est que la fréquence de mise à jour et la fréquence d'affichage utile sont deux choses différentes. Redessiner des milliers de symboles en mouvement aussi vite que les messages arrivent consomme des ressources sans aider personne à lire la carte ; les clients mettent donc généralement les mises à jour en tampon, redessinent à intervalle fixe et interpolent le mouvement entre deux positions.

Le deuxième est qu'une carte en direct doit montrer sa propre fiabilité. Le symbole d'un véhicule dont la dernière position date de dix minutes est identique à celui d'un véhicule qui a émis il y a une seconde, à moins que l'ancienneté ne soit codée délibérément : par un estompage, une étiquette d'âge explicite ou une suppression après un délai. Les opérateurs font confiance à une carte qui reconnaît quand elle ne sait pas.

Le troisième est la densité. À l'échelle d'une ville, les points individuels forment une masse compacte : le regroupement, les cartes de chaleur ou l'agrégation par tronçons et par zones communiquent donc généralement mieux que les positions brutes, les objets individuels apparaissant au zoom ou à la sélection.

Erreurs fréquentes

L'erreur la plus courante consiste à tout diffuser à la fréquence maximale simplement parce que le matériel le permet. L'ingestion, le stockage et le volume d'alertes augmentent avec ce choix, et ramener l'intervalle de transmission à ce dont la décision a réellement besoin est généralement la plus grosse économie possible.

La deuxième consiste à considérer la dernière position reçue comme la position actuelle. Entre deux transmissions, le véhicule s'est déplacé ; pendant une coupure réseau, il a pu aller loin. Toute analyse fondée sur des trajectoires en direct doit conserver l'heure de l'observation avec la position et traiter les données anciennes comme une estimation.

La troisième concerne la conception des alertes. Des géorepérages qui se déclenchent à chaque franchissement de limite produisent un bruit que les opérateurs apprennent vite à ignorer ; exiger une durée de présence, appliquer une hystérésis autour de la limite ou imposer un intervalle minimal entre deux notifications transforme un flux d'alarmes en informations sur lesquelles une personne peut agir.

FAQ

Le SIG en temps réel nécessite-t-il une plateforme spécifique ?

Pas nécessairement. Les flux à faible volume peuvent être gérés avec une base de données, une tâche planifiée et une carte web. Les plateformes de streaming dédiées deviennent nécessaires lorsque la fréquence des événements, l'analyse continue ou la garantie de livraison dépassent ce qu'une architecture par interrogation peut supporter.

Quelle latence est acceptable ?

Cela dépend de la décision que la carte appuie. Les secours travaillent à la seconde, l'exploitation de flottes à la dizaine de secondes, la surveillance environnementale à la minute ou à l'heure. L'exigence doit être formulée explicitement, car elle détermine toute l'architecture.

Que deviennent les événements qui arrivent dans le désordre ?

Ils doivent être traités délibérément. Les plateformes de streaming ordonnent les événements selon un champ d'horodatage de l'événement plutôt que selon l'heure d'arrivée et acceptent une fenêtre de retard définie ; au-delà, les événements très tardifs sont écartés ou envoyés vers un processus de correction distinct.

Les données en temps réel peuvent-elles servir aux rapports officiels ?

En général, seulement après validation. Les flux en direct contiennent des lacunes, des doublons et des erreurs de capteurs ; les chiffres des rapports sont donc normalement produits à partir d'une archive nettoyée, tandis que la vue en direct sert à l'exploitation.

Un tableau de bord est-il la même chose qu'un SIG en temps réel ?

Non. Un tableau de bord est une manière d'afficher des résultats et peut se rafraîchir à partir d'une source statique. Le SIG en temps réel désigne la chaîne qui se trouve derrière, dans laquelle les événements sont ingérés et analysés en continu à mesure qu'ils arrivent.

Points clés

Les données en direct font passer la carte du statut d'archive à celui d'instrument. Au lieu de décrire un état relevé à un moment donné, elle montre une situation encore en cours, ce qui fait de la latence, des lacunes et de l'ancienneté des données une question de qualité et non de simples détails techniques. Une carte en temps réel n'est fiable que dans la mesure où elle sait montrer ce qu'elle ignore à l'instant présent.

Ce qui fait fonctionner ces systèmes, c'est la sobriété de leur conception : des intervalles de transmission adaptés aux décisions, une rétention planifiée avant l'arrivée du premier événement, des alertes assez rares pour être lues et une visualisation qui agrège au lieu de tout afficher. La technologie est désormais accessible aussi bien en open source qu'en solutions commerciales, et le plus difficile est de décider quelles questions exigent vraiment une réponse à la seconde près.

Transformez vos données spatiales en perspectives commerciales

Arrêtez de vous battre avec des outils SIG complexes. Importez, analysez et visualisez vos données géographiques en quelques minutes, et non en plusieurs heures.

Transformez vos données spatiales en perspectives commerciales

Arrêtez de vous battre avec des outils SIG complexes. Importez, analysez et visualisez vos données géographiques en quelques minutes, et non en plusieurs heures.

Transformez vos données spatiales en perspectives commerciales

Arrêtez de vous battre avec des outils SIG complexes. Importez, analysez et visualisez vos données géographiques en quelques minutes, et non en plusieurs heures.