Pourquoi l'IA rate les cartes : une carte, c'est de la donnée

Demandez à n'importe quel modèle image une carte du Portugal et vous obtenez quelque chose qui est indubitablement une carte, et indubitablement pas le Portugal. Le littoral gonfle aux mauvais endroits. Des routes plongent dans la mer. Les labels ont l'air convaincants et ne veulent rien dire.

On classe ça comme un problème de qualité, comme si un modèle plus gros finirait par y arriver. Il n'y arrivera pas. La défaillance est structurelle, et comprendre pourquoi vous dit où l'imagerie générée a sa place dans le travail cartographique, et où elle n'en a pas.

Une carte n'est pas une image d'un lieu

Un modèle image est entraîné à produire une sortie qui ressemble à ce qui vient de sa distribution d'entraînement. Cet objectif est extraordinairement efficace sur certaines choses. La peau a une certaine translucidité, l'asphalte mouillé réfléchit d'une certaine façon, la lumière de fin de journée décroît à un certain rythme. Ce sont des propriétés statistiques de l'apparence, et l'apparence est ce que la fonction de coût mesure.

L'exactitude d'une carte n'est pas une propriété de l'apparence. Elle vit dans des relations que l'objectif ne peut pas voir :

• Un littoral n'est pas une texture, c'est une courbe précise. Le modèle apprend que les littoraux sont irréguliers, vaguement fractals, plus sinueux aux estuaires. Il n'a aucun mécanisme pour apprendre cette séquence de points-là. Un littoral plausible satisfait la fonction de coût.
• Les noms de lieux sont des données liées à des coordonnées. Sur une vraie carte, le label et la position sont un seul fait. Pour le modèle, ce sont deux régions de pixels sans rapport qui se trouvent cohabiter.
• Un réseau routier a une topologie. Les routes se connectent. Un carrefour est partagé par exactement les routes qui s'y rejoignent. Un itinéraire passe ou ne passe pas. « Ça ressemble à un réseau routier » et « c'est un réseau routier » sont deux cibles différentes, et seule la première est entraînée.
• L'échelle est une contrainte sur toute l'image à la fois. Chaque distance doit s'accorder avec toutes les autres et avec l'échelle graphique. Rien dans la génération n'impose une cohérence globale de ce type.
• Frontières, fleuves et littoraux doivent s'accorder entre eux. Un fleuve qui traverse deux fois une frontière est une affirmation factuelle, et le modèle ne peut pas la vérifier.
• Les projections sont des mathématiques. Mercator, Robinson et les projections équivalentes déforment de façons définies. Une carte générée n'a aucune projection, juste l'allure moyenne de plusieurs.

Il n'existe aucune représentation de la vérité terrain nulle part dans le modèle. Ni compressée, ni floue. Ce qu'il détient, c'est un très bon modèle de ce à quoi les cartes ressemblent — un objet complètement différent.

Plus de paramètres ne réglera pas ça

Le réflexe suivant est de se dire que c'est un problème de résolution et que la prochaine génération fera mieux. Ça vaut la peine d'être précis sur les raisons pour lesquelles ça ne s'applique pas.

Agrandir un modèle génératif améliore la fidélité à la distribution sur laquelle il a été entraîné. Ça rend une sortie plausible plus plausible encore. Si ce dont vous avez besoin est un fait précis et récupérable — la forme du littoral norvégien au 1/250 000, la suite des sorties de l'A4 — la fidélité distributionnelle ne le produira jamais. C'est un problème de lookup, et il n'y a aucune table où faire ce lookup.

La couture se voit sur les contours célèbres. L'Italie sort à peu près en forme de botte, parce que cette silhouette est assez sur-représentée pour donner un prior fort. Regardez le bord adriatique, en revanche, et il diffère à chaque fois. Le modèle reconstruit une approximation d'une forme mémorisée, il n'en récupère pas une. Dans un endroit moins iconique — la côte du Maine, le Danube à travers la Serbie — le prior est faible et la sortie est de l'invention.

Le réseau routier échoue de la même manière. Une route en impasse dans un bâtiment est indiscernable au premier regard d'une route qui ne l'est pas, et les deux satisfont un coût calculé sur des pixels. L'exactitude topologique est invisible pour le signal d'entraînement. Ce n'est pas un bug qui sera corrigé au prochain compte de paramètres.

Des labels lisibles ont rendu le problème plus dangereux

Soyons justes sur ce qui s'est amélioré, parce que quelque chose l'a été.

Les modèles de la génération Gemini 3 — Nano Banana 2 et Nano Banana Pro — rendent du texte lisible dans l'image. C'est un vrai bond. Le plus ancien gemini-2.5-flash-image en était totalement incapable ; demandez-lui quoi que ce soit d'étiqueté et vous obteniez des formes de lettres qui se dissolvaient à l'examen.

Mais une carte, c'est surtout des labels, et la lisibilité n'était que la moitié du problème.

Ces modèles rendent du texte plausible, pas du texte correct. Sur une affiche, cette distinction n'existe pas, parce qu'il n'y a aucun fait à rater. Sur une carte, c'est tout le sujet. Un nom de commune net et parfaitement lisible placé à quarante kilomètres de la commune réelle n'a pas été amélioré par sa lisibilité. Il a été aggravé.

Un texte illisible est manifestement décoratif. Personne ne navigue avec une bouillie. Un lecteur voit des lettres brouillées et en conclut, à raison, que c'est une illustration de carte. Donnez à la même image une typographie nette et assurée et elle se met à faire des affirmations — et les lecteurs, raisonnablement, croient la typographie. Le mode de défaillance est passé d'évident à invisible, la mauvaise direction pour tout ce qui sert à trouver un lieu.

Les nombres se comportent pareil. Échelles graphiques, altitudes, références de grille, distances : rendus de façon plausible, aucun calculé. Pour tirer le meilleur du texte dans l'image là où c'est approprié, voyez notre guide de prompting Nano Banana. Une carte n'est pas un de ces endroits.

Pour de vraies cartes, utilisez des outils de carto

Rien de tout ça n'est un problème difficile. C'est un problème résolu, résolu ailleurs. La vraie cartographie tourne sur de vraies géodonnées, et les outils sont matures et pour la plupart gratuits :

• MapLibre GL JS ou Mapbox GL JS pour des cartes vectorielles interactives dans le navigateur.
• Leaflet quand le besoin est une carte raster légère avec des pins et sans stylisation vectorielle.
• Les API de tuiles statiques quand il vous faut vraiment un PNG plat plutôt qu'un canevas interactif — une requête, une image, de vraies coordonnées.
• Les extraits OpenStreetMap, Natural Earth et une chaîne d'outils GeoJSON (QGIS, D3, génération SVG à la main) quand vous voulez la donnée sous-jacente et un contrôle stylistique total.

Le dernier point mérite d'être souligné. Beaucoup de ce qui est demandé sous la forme « génère-moi une carte » est en réalité « un schéma stylisé d'une région avec nos implantations dessus » — territoires commerciaux, zones de livraison, un localisateur de magasins. Dessiné en SVG à partir de vraies données de frontières, avec les labels comme nœuds de texte, c'est exact, ça se met à l'échelle proprement, ça se traduit en modifiant une chaîne, et ça passe un audit d'accessibilité. En pixels, ça n'est rien de tout ça.

Là où l'imagerie de carte générée gagne vraiment sa place

Ceci n'est pas un plaidoyer pour tenir les modèles image à distance de la cartographie. Il y a des cas où ils sont le bon outil, et ils partagent une propriété : rien dans l'image n'a de vérité terrain à trahir.

Cartes de fantasy et cartes de jeu. Personne ne peut vérifier le littoral d'un lieu qui n'existe pas. C'est le meilleur cas de tous — cartes de worldbuilding, documents de jeu de rôle sur table, accessoires in-game. Prenez Nano Banana Pro ici plutôt qu'un palier moins cher, parce que des noms de lieux inventés doivent quand même être lisibles, et la typo stylisée lisible est exactement ce que vous payez $0.075 chez Pro.

Illustration de carte fantasy dessinée à la main sur un parchemin vieilli, encre
sépia et terre d'ombre avec lavis à l'aquarelle. Un archipel inventé de sept îles
avec une masse continentale principale montagneuse, hachures d'ombrage côtier, un
voilier et un serpent de mer en pleine eau. Noms de lieux en serif calligraphié
ornementé : « THALVEN REACH » en travers de l'île principale, « CARRIC ISLE » sur
l'île du nord. Aucun autre texte nulle part dans l'image.

Texture et fond sous une vraie couche cartographique. Papier vieilli, un lavis topographique, un motif de courbes abstrait, un relief de terrain posé derrière des tuiles vectorielles vivantes. La couche générée ne porte aucune information, donc elle ne peut pas porter d'information fausse. Nano Banana 2 Lite à $0.0238 est le bon palier, et nous vous dissuaderions de tout ce qui coûte plus cher — vous générez du papier peint, et la profondeur compositionnelle de Pro et ses rôles d'images de référence ne vous achètent rien sur du papier peint.

Motif de courbes de niveau abstrait, style vectoriel plat, lignes concentriques
fines vert sauge sourd sur un fond crème chaud, réparties uniformément dans le
cadre sans point focal. Sensation de texture sans raccord, faible contraste,
discret. Aucun texte, aucun label, aucun nombre, aucune boussole, aucune légende.

Art de type carte, qualité illustration. Ouvertures éditoriales, pages de garde de livre, un bandeau décoratif où le lecteur voit immédiatement que c'est du dessin, pas de la donnée. Poussez fort vers l'illustration — aplats de couleur, touche visible, stylisation assumée — pour que personne ne le prenne pour une référence.

Si ce que vous construisez est une slide avec un schéma de région dessus, c'est un autre problème avec d'autres outils, et nous l'avons écrit dans les outils IA pour des présentations professionnelles. Si vous pesez plus généralement quel palier Nano Banana convient à un job, notre comparaison des quatre traite la question. Et si vous êtes venu chercher un archipel sur parchemin plutôt qu'un vrai littoral, c'est précisément le job pour lequel chaque modèle de la catégorie text-to-image a été construit. Inventer un lieu, pas en consigner un — tout le catalogue est bon à exactement ça.

La version courte : un moteur cartographique quand l'image doit être vraie, un modèle image quand elle doit seulement être bonne.

Questions fréquentes

Pourquoi les générateurs d'images IA sont-ils si mauvais en cartes ?

Parce qu'ils sont entraînés à produire une sortie qui ressemble à leurs données d'entraînement, et que l'exactitude d'une carte vit dans des choses que la ressemblance ne capture pas. Un littoral est une courbe précise plutôt qu'une texture, les noms de lieux sont des données liées à des coordonnées, et un réseau routier a une topologie. Aucune représentation de la vérité terrain géographique n'existe dans le modèle : il génère donc quelque chose en forme de carte plutôt que quelque chose de vrai.

Des modèles IA plus gros finiront-ils par générer des cartes exactes ?

Pas par la seule montée en taille. L'agrandissement améliore la proximité entre la sortie et une distribution d'entraînement, ce qui rend les cartes plausibles plus plausibles plutôt que plus correctes. Récupérer un littoral ou un tracé routier précis est un problème de lookup, et un modèle image génératif n'a aucune table à consulter.

Nano Banana Pro peut-il générer une carte utilisable ?

Il génère une image en forme de carte avec des labels lisibles, ce qui n'est pas la même chose qu'une carte utilisable. Nano Banana Pro rend du texte stylisé lisible de façon fiable, donc les mots sont nets — mais ce sont des mots inventés à des positions inventées. Prenez-le pour les cartes de fantasy et l'art cartographique décoratif, jamais pour quoi que ce soit qui serve à s'orienter.

Pourquoi un texte lisible sur une carte générée est-il pire qu'un texte brouillé ?

Un texte brouillé signale clairement qu'une image est décorative, tandis qu'une typographie nette se lit comme faisant autorité. Un nom de commune parfaitement lisible au mauvais endroit invite le lecteur à lui faire confiance. La lisibilité s'est améliorée sur les modèles de la génération Gemini 3 ; l'exactitude, non. C'est cet écart qui rend les labels assurés dangereux sur une carte.

Qu'utiliser à la place d'un générateur d'images IA pour des cartes ?

De vrais outils de carto bâtis sur de vraies géodonnées : MapLibre GL JS ou Mapbox GL JS pour des cartes vectorielles interactives, Leaflet pour des cartes raster légères avec des marqueurs, une API de tuiles statiques quand il vous faut une seule image plate, ou du SVG généré à partir des données OpenStreetMap et Natural Earth. Tous produisent une géométrie exacte et un texte éditable et traduisible.

Les cartes de fantasy générées par IA sont-elles bonnes ?

Oui, et c'est le cas où la technologie colle proprement au job. Un monde fictif n'a aucune vérité terrain à contredire, donc la plausibilité est la seule exigence, et la plausibilité est ce que ces modèles optimisent. Nano Banana Pro est le bon palier, parce que des noms de lieux inventés doivent quand même être lisibles.

Quel modèle utiliser pour une texture de fond cartographique ?

Nano Banana 2 Lite, à $0.0238 l'image. Les textures de fond ne portent aucune information, donc elles ne peuvent pas porter d'information fausse, et aucune des raisons de payer un palier supérieur — longs prompts compositionnels, images de référence séparées par rôle, texte fiable dans l'image — ne s'applique à un motif posé derrière une couche cartographique vivante.