Cartographier avec des mots : intégrer les grands modèles de langage dans la pratique géospatiale

Résumé. Depuis des décennies, l'intelligence artificielle géospatiale (IA) s'est concentrée sur l'imagerie et les données, les interfaces linguistiques restant inexplorées. Cette étude présente une revue systématique des recherches appliquant les grands modèles de langage (LLM) à la cartographie et aux sciences géographiques (GIScience). Nous avons analysé 54 articles évalués par des pairs publiés entre 2023 et 2025, cartographiant l'utilisation des LLM dans l'acquisition de données, l'enrichissement sémantique, l'analyse spatiale, la conception cartographique et l'interaction utilisateur, entre autres sujets. Le corpus révèle quatre principaux groupes d'applications : (1) création/alignment sémantique de graphes de connaissances géographiques ; (2) acquisition de données basée sur le texte et la vision ; (3) analyse spatiale guidée par le langage et réponse aux questions géométriques (GeoQA) ; et (4) stylisation et symbolisation cartographiques automatisées. GPT-3.5/4 sous-tend les deux tiers des études, tandis que les modèles à poids ouverts, tels que LLaMA-2, FLAN-T5, Gemini et DeepSeek, gagnent en popularité. Les travaux sur les LLM s'alignent principalement avec les défis d'ouverture et de reproductibilité, ainsi que l'automatisation de la conception cartographique, mais sont nettement plus faibles dans des domaines tels que l'éthique de la provenance, l'inférence causale, la cartographie participative et l'interaction multimodale mobile. Nous proposons trois priorités pour les recherches futures : (i) ensembles de données de référence ouverts pour le raisonnement spatial et la qualité cartographique ; (ii) listes de contrôle éthiques qui révèlent les biais, les risques liés à la vie privée et les hallucinations ; et (iii) investissement dans des Geo-LLM multilingues et à faibles ressources afin d'élargir la participation mondiale. En cartographiant les avancées actuelles par rapport aux lacunes de longue date dans la recherche, cette revue fournit un programme d'action pour orienter les grands modèles de langage (LLM) vers une pratique cartographique équitable et digne de confiance.