Le développement rapide de l'intelligence artificielle pousse la science de la télédétection à passer d'un paradigme « observation dominante » à un paradigme « cognition intelligente ». Face aux défis posés par l'expansion rapide de l'échelle d'observation caractérisée par la multi-source hétérogène et les caractéristiques de haute dimension, les méthodes traditionnelles d'interprétation peinent à répondre aux exigences pratiques en termes d'efficacité, de précision et d'évolutivité. Les technologies d'intelligence artificielle représentées par l'apprentissage profond et les grands modèles offrent un nouveau support théorique et des voies techniques pour l'extraction automatique de caractéristiques, la fusion multimodale et la découverte de connaissances en profondeur dans les systèmes terrestres complexes. Ces dernières années, la fusion des données de télédétection avec intelligence artificielle s'est approfondie dans plusieurs types de données d'observation (optique haute résolution, hyperspectrale, SAR, LiDAR, etc.) et diverses tâches intelligentes (classification, détection, segmentation, détection de changement et raisonnement avec grands modèles), démontrant un potentiel pour remodeler les modes de cognition et renforcer l'intelligence décisionnelle dans des scénarios d'application clés tels que la géologie, l'écologie, l'agriculture, l'urbanisme et la surveillance des catastrophes. Cependant, la recherche actuelle présente encore des problèmes tels qu'un couplage insuffisant entre les mécanismes d'observation et la représentation des modèles, une capacité limitée de généralisation interrégionale et intermodale, ainsi que des défis en termes d'interprétabilité et de fiabilité des systèmes intelligents. Sur cette base, cet article examine systématiquement les derniers progrès de l'intelligence artificielle au service de la science de la télédétection selon trois dimensions : technologies d'observation, méthodes intelligentes et applications typiques, résume leur évolution et caractéristiques communes, explore les défis clés liés aux systèmes terrestres dynamiques complexes à l'échelle mondiale, et envisage la construction d'un nouveau système théorique intelligent pour la télédétection de prochaine génération, généralisable, interprétable et durable.

science de la télédétection;intelligence artificielle;apprentissage profond;applications interdisciplinaires;big data de télédétection;interprétation intelligente