Vue 3D IGN : la France en 3D, à partir des données ouvertes de l’IGN

Ce que fait l’outil

On donne une adresse, un lieu ou des coordonnées. La page reconstruit la scène : les bâtiments avec leurs vrais toits, les arbres un par un, le relief et la photo aérienne, sous un soleil qui suit sa vraie course.

À Gordes, dans le Vaucluse, la scène compte 249 bâtiments, 2 160 arbres et 84 m de relief. Quelques lieux à essayer en ligne :

• Gordes, un village perché.
• Le Mont-Saint-Michel, dont l’abbaye vient d’OpenStreetMap, faute de LiDAR.
• La raffinerie de Feyzin, avec 30 citernes à leur hauteur, dont 14 que le LiDAR ne voit pas.
• La cathédrale de Strasbourg, au milieu d’un tissu médiéval.

Six semaines, 186 commits

J’ai ouvert le dépôt le 26 septembre 2026. Au 6 novembre, il comptait 186 commits. Je l’ai présenté sur LinkedIn le 6 octobre : le post a fait près de 64 000 impressions, 703 réactions et 97 republications.

Je le développe avec Claude Code. Le 6 novembre, Clockifai a compté 1 h 30 de Claude sur ce projet : voir la journée en détail.

D’où viennent les données

Tout vient des services publics de la Géoplateforme de l’IGN, sans clé d’API ni base de données :

• Les bâtiments viennent de la BD TOPO, le relief du RGE ALTI, et le sol de la photo aérienne.
• Les toits sont mesurés dans le nuage de points LiDAR HD : gouttière, faîtage et pans.
• Les arbres sont segmentés un par un, sur une grille de hauteur à 50 cm.
• Les monuments hors de la couverture LiDAR sont repris au modèle 3D d’OpenStreetMap.

Chaque règle est mesurée

Aucun réglage n’a été fixé à l’œil. Chacun l’a été après une mesure sur des données réelles :

• Les toits en pans restent à 8 à 12 cm du LiDAR.
• La végétation est reconnue à 93 % sur la photo aérienne, pour 2 % de toits pris à tort pour du vert.
• Un bâtiment sous les arbres, dont le LiDAR ne voit que la canopée, est dessiné pâle et sans toit, plutôt qu’avec une hauteur inventée.

Ce qui a changé depuis le 6 octobre

Date	Nouveauté
9 octobre	Les diagnostics de performance énergétique (DPE) de l’ADEME et les ventes immobilières (DVF), au clic
10 octobre	L’horizon jusqu’à 60 km, et un drone piloté au clavier
15 octobre	L’export vers les logiciels de conception (IFC 4) et les SIG (CityGML 2.0)
15 octobre	Les bateaux, lus sur la photo aérienne, et les bornes de recharge des véhicules électriques
20 au 22 octobre	Une vue en voiture, qui suit la position comme un GPS
31 octobre	L’ensoleillement de chaque toit sur une année
3 novembre	Un lien pour partager une vue telle quelle, caméra, soleil et couches compris

Des flèches pour décaler la vue ont aussi été ajoutées, à la demande d’un lecteur du post.

L’IA, là où elle sert

En option, un réseau de neurones lit sur la photo aérienne les véhicules, les piscines et les bateaux, tels qu’ils étaient le jour de la prise de vue, et la vue les pose en volume.

Une autre option pose sur les toits les 471 449 installations photovoltaïques résidentielles du registre OpenPVMapper, publié par Gabriel Kasmi (Mines Paris-PSL).

Le soleil de chaque toit

Le bouton « Ensoleillement » peint chaque toit du soleil qu’il reçoit en un an, en kWh/m².

• Le climat est l’année type du service PVGIS de la Commission européenne : 8 760 heures mesurées par satellite de 2005 à 2023.
• L’ombre est celle de tout ce que la vue dessine : bâtiments, arbres et relief. Environ 330 cartes d’ombre sont calculées par la carte graphique, directement dans le navigateur, en quelques secondes.
• Le résultat reste à 3 % près de PVGIS sur un toit dégagé et bien orienté.

La fiche d’un toit donne sa surface favorable, et un ordre de grandeur de la puissance et de la production possibles. C’est un point de départ pour se poser les bonnes questions, pas une étude d’installateur.

Questions fréquentes

Peut-on reconnaître l’essence de chaque arbre ?

Pas arbre par arbre. Le LiDAR ne donne que des hauteurs, et les arbres de la vue sortent de quatre sources croisées :

• Le modèle de hauteur du LiDAR HD, à 50 cm, donne la hauteur et la forme du houppier.
• La BD TOPO dit où sont les haies, les bois et les forêts.
• La photo aérienne montre, hors de ces zones, ce qui dépasse et qui est vert.
• La BD Forêt v2 donne l’essence qui domine un massif, pas celle de chaque arbre, et rien hors forêt.

L’IGN a publié PureForest pour aller plus loin : 18 essences dans 449 forêts. Sur des placettes de 50 m en peuplements purs, 80 % sont bien classées, mais la moyenne par classe tombe à 55 %. Distinguer feuillus et résineux est solide. L’essence d’un arbre dans un peuplement mélangé relève encore de la recherche.

Faut-il un compte ou une clé ?

Non. La démo en ligne s’ouvre sans compte, et les données viennent de services publics sans clé d’API. Le code est ouvert, sous licence MIT, et s’installe avec Docker.

Les ventes immobilières sont-elles publiées ?

Non. Les conditions de réutilisation de DVF interdisent de réidentifier les personnes et de laisser les moteurs de recherche indexer ces données. La page les lit à la demande, et ne les publie nulle part.

Les limites

• Le territoire : l’outil ne couvre que la France métropolitaine.
• Le LiDAR HD : sa couverture est en cours. Environ 77 % des bâtiments sont couverts, et ailleurs le panneau le signale.
• La taille d’une scène : elle couvre au plus 2 000 m de côté autour du point.
• La démo en ligne : elle tourne sur une machine personnelle. Une scène neuve met de quelques secondes à une minute à se construire.

Ce que ce projet montre de ma façon de travailler

• Partir de la donnée qui existe déjà, ici les données ouvertes de l’IGN, plutôt que d’en acheter.
• Mesurer chaque règle sur des cas réels, et préférer une case vide à une valeur inventée.
• Mettre l’IA là où elle apporte quelque chose, et nulle part ailleurs.
• Livrer dans les formats des métiers, pour que le résultat serve au-delà de l’écran.

C’est la même méthode que j’applique aux projets industriels : la même vue lit un parc de stockage de raffinerie aussi bien qu’un village. Le code est sur GitHub.