Emprise des bâtiments : définition, sources de données et méthode pour en créer une
L’emprise d’un bâtiment est le contour du bâtiment au niveau du sol, enregistré comme un polygone sur un plan horizontal. Tracez le contour de la base des murs, aplatissez cette forme sur une carte, et vous en avez une.
Presque aucune des emprises que vous pouvez télécharger ne correspond à cela. Elles ont été tracées à partir d’une photographie prise depuis le dessus, et suivent donc le toit. Le reste de cette page explique cette différence, où se trouvent les données ouvertes et que faire lorsqu’elles ne couvrent pas votre zone.
La définition et ce qui s’en écarte
Une emprise est une projection horizontale. Elle ne contient ni hauteur, ni nombre d’étages, ni intérieur. Deux bâtiments ayant la même emprise peuvent être un pavillon et une tour.
Quatre éléments sont appelés emprises alors qu’ils n’en sont pas. Chacun d’eux m’a déjà fait perdre un après-midi.
Emprise ou emprise du toit
Les caméras aériennes et satellitaires voient le toit. Un modèle ou une personne qui trace cette image dessine le bord du toit, et celui-ci ne correspond pas à la base des murs.
Trois éléments les séparent. Les avant-toits et les débords repoussent le toit vers l’extérieur, généralement de 30 à 80 cm sur une maison, soit quelques pour cent de la surface d’un petit bâtiment. L’inclinaison, c’est-à-dire le déplacement latéral de tout élément élevé dans une image prise hors nadir, déplace une tour entière de plusieurs mètres. Enfin, un abri de voiture, une véranda ou un auvent possède un toit sans aucun mur en dessous.
Overture l’inscrit dans son propre schéma. Son guide des bâtiments indique que la géométrie est « expected to be the most outer footprint, roofprint if traced from satellite/aerial imagery ». Google dit la même chose à propos des bâtiments élevés dans sa FAQ : le modèle « is trained to detect building rooftop rather than base », donc pour les immeubles élevés, le polygone se trouve là où apparaît le toit, et non là où se trouve le bâtiment.
L’erreur se cumule lorsque vous multipliez par des milliers de bâtiments. Le potentiel solaire s’intéresse au toit, donc l’emprise du toit est la bonne forme. L’imperméabilisation des sols, l’exposition aux inondations et le respect des règles de retrait s’intéressent à la base, et une emprise du toit surestime discrètement chacun de ces éléments.
Emprise ou parcelle
Une parcelle, ou limite cadastrale, est un objet juridique. C’est le terrain que possède quelqu’un. Le bâtiment se trouve à l’intérieur, et n’en couvre généralement qu’une fraction. Les données parcellaires proviennent d’un registre foncier et changent lorsque la propriété change. Les emprises proviennent de l’imagerie ou d’un relevé et changent lorsque le bâtiment évolue. Faire le lien entre les deux est une opération courante et utile. Confondre l’une avec l’autre revient à compter un jardin comme un toit.
Emprise ou surface de plancher
La surface de plancher brute correspond approximativement à l’emprise multipliée par le nombre d’étages, et c’est généralement ce qui intéresse les règles fiscales et d’urbanisme. L’enveloppe du bâtiment est sa peau en 3D : emprise plus hauteur plus forme du toit. Une emprise seule ne vous donne aucune de ces informations. Si vous avez besoin de la surface de plancher, il vous faut un nombre d’étages ou une hauteur, et seuls certains jeux de données en fournissent un.
Un bâtiment ou plusieurs
Les maisons mitoyennes sont le cas qui met le plus de pipelines en défaut. Une rangée de huit maisons partage ses murs. Vue du dessus, elle forme donc un seul toit continu sans séparation visible. Les détecteurs renvoient un polygone. Les cadastres en renvoient huit. Aucun des deux n’a tort, ils répondent à des questions différentes, et vous devez décider laquelle votre analyse doit traiter avant de compter quoi que ce soit.
Les cours intérieures sont des trous. Un bâtiment construit autour d’une cour est donc un polygone avec un anneau intérieur, et tout outil qui supprime les anneaux intérieurs gonfle sa surface. Une église avec une nef et une tour séparée peut arriver comme une géométrie multipartie. Et les auvents, encore une fois : le toit d’une station-service couvre quelque chose qui n’a pas de murs.
À quoi servent les emprises
Au potentiel solaire, selon la surface et l’orientation du toit. À l’exposition aux inondations et aux incendies de forêt, ainsi qu’à la tarification d’assurance qui en découle. À l’estimation de la population lorsque le recensement est ancien ou absent. À l’évaluation de l’impôt foncier et à la détection des extensions non autorisées. Aux télécommunications et à la planification des réseaux, où un bâtiment est à la fois un obstacle et un client. Aux modèles de villes en 3D, extrudés à partir de l’emprise et de la hauteur. À l’évaluation des dégâts après un tremblement de terre ou une tempête, en comparant deux dates.
Toutes ces applications ont besoin de la même chose : un polygone par bâtiment, avec une surface à laquelle vous pouvez faire confiance.
Où trouver des données d’emprises de bâtiments
Cinq sources couvrent la plupart des besoins. Tout ce qui figure dans ce tableau a été lu sur la page de l’éditeur le 23 août 2026.
| Source | Couverture | Licence | Date | Géométrie | Obtention |
|---|---|---|---|---|---|
| OpenStreetMap | Mondiale, avec un niveau de complétude qui dépend de la communauté de cartographie locale | ODbL 1.0 | En temps réel, selon l’état de la carte au moment de la requête | Dessinée à la main, donc avec des angles droits et de vrais attributs, mais tracée à partir de l’imagerie dans la plupart des endroits | QuickOSM dans le gestionnaire de plugin, ou une requête Overpass |
| Microsoft Global ML Building Footprints | Mondiale. 1,4 milliard de bâtiments issus d’images Bing Maps prises entre 2014 et 2024, sur 30 340 tuiles réparties dans 225 régions | CDLA Permissive 2.0 | Mise à jour le 13 août 2026 | Sortie de modèle. Hauteur sur un sous-ensemble, score de confiance sur les emprises les plus récentes | dataset-links.csv par pays et quadkey, ou la Planetary Computer |
| Google Open Buildings v3 | Afrique, Asie du Sud, Asie du Sud-Est, Amérique latine et Caraïbes. 1,8 milliard de détections sur 58 millions de km². Ni Europe, ni Amérique du Nord, ni Australie | CC BY 4.0 ou ODbL 1.0, au choix | Inférence réalisée en mai 2023 | Sortie de modèle, avec un score de confiance et une table des seuils de précision par région | 178 Go de CSV par cellule S2, Earth Engine, ou 20 fichiers de pays sélectionnés sur HDX |
| Overture Maps buildings | Mondiale, fusionnée à partir des sources précédentes ainsi que d’Esri Community Maps et de données nationales | ODbL | Mensuelle. Version actuelle 2026-08-19.0 | Conflationnée. OpenStreetMap est prioritaire là où elle existe, la sortie de modèle complète le reste, avec une correspondance à 50 % de recouvrement | GeoParquet sur AWS ou Azure, ou la CLI overturemaps |
| IGN BD TOPO (France) | France et départements d’outre-mer, thème bâti | Licence Ouverte 2.0 | Trimestrielle, dernière publication le 31 juillet 2026 | Relevée, précision métrique, 3D avec une hauteur par bâtiment | data.gouv.fr, par département |
1.4B
bâtiments dans Microsoft Global ML Building Footprints
README, consulté le 23 août 2026
1.8B
détections dans Google Open Buildings v3, sur 58 millions de km²
Page du jeu de données, consultée le 23 août 2026
2026-08-19
version actuelle des bâtiments Overture, une par mois
Calendrier des versions, consulté le 23 août 2026
Lisez les licences avant de choisir. ODbL est une licence à partage à l’identique. Une base de données dérivée doit donc être publiée selon les mêmes conditions, et cette clause a déjà fait échouer plus d’un livrable client. CDLA Permissive 2.0 et CC BY 4.0 demandent uniquement une attribution. Google publie sous CC BY 4.0 et ODbL, et vous laisse choisir, précisément pour que la communauté OpenStreetMap et tous les autres puissent utiliser les données sans débat sur leur compatibilité.
Les trois sources mondiales ne sont pas d’accord sur les mêmes zones, et c’est là que réside l’information utile.
Si vous voulez simplement un fichier pour une zone, notre téléchargeur gratuit d’emprises de bâtiments lit les trois sources mondiales pour une emprise que vous dessinez et vous remet un GeoJSON contenant l’attribution. Aucun compte, et la zone est limitée à 25 km².
Quand les données ouvertes ne suffisent pas
Quatre situations, et je rencontre les quatre au cours d’une année normale.
La zone n’est pas couverte. Google s’arrête à la limite du Sud global. Microsoft va là où l’imagerie Bing est disponible. OpenStreetMap va là où quelqu’un a pris le temps de cartographier.
Les données sont plus anciennes que la question. Google Open Buildings a exécuté son inférence en mai 2023. Un lotissement terminé en 2025 n’y figure pas, et aucun téléchargement ne changera cela.
Les bâtiments sont nouveaux ou ont disparu. L’évaluation des dégâts et le suivi des constructions nécessitent deux dates, alors que les données ouvertes n’en fournissent qu’une.
Vous avez besoin d’une forme que personne ne publie. Des pans de toit pour une étude solaire, ou des bâtiments issus de votre propre vol de drone à 5 cm, là où un modèle mondial à 30 cm n’a rien d’utile à dire.
Vous extrayez alors vos propres données.
Quatre façons d’obtenir les emprises de votre zone
Trois des quatre solutions s’exécutent dans 
. Les mêmes questions se posent à chaque fois : que faut-il installer, faut-il un GPU ou un compte, votre imagerie quitte-t-elle votre machine, que fournissez-vous, que récupérez-vous, quel est le coût pour un vrai projet, et quelle est la limite.
Les jeux de données ouverts, téléchargés. Rien à installer. Aucun GPU, aucun compte. Rien ne quitte votre machine, à part la bounding box demandée. Vous fournissez une zone, vous récupérez un GeoJSON avec la licence et l’attribution inscrites dans le fichier. Gratuit. La limite : la solution ne peut renvoyer que ce que les éditeurs ont déjà cartographié, donc un nouveau lotissement peut rester absent. Notre téléchargeur.
Notre AI Segmentation. Gestionnaire de plugin QGIS, puis création d’un compte. Aucun GPU, aucun téléchargement de poids, aucun environnement Python. Le mode Automatic et la sauvegarde cloud en Semi-Auto envoient l’imagerie située dans la zone que vous dessinez vers nos serveurs en Europe. Le petit modèle Semi-Auto s’exécute localement et conserve l’imagerie sur votre machine. Vous fournissez une zone sur n’importe quel raster ou fond de carte, ainsi qu’un mot comme building. Vous récupérez un GeoPackage stylisé, avec un polygone par objet, chacun ayant une classe, un score de confiance et une surface. Gratuit pour 3 km² de détection automatique par mois, puis 39 € par mois pour 300 km². La limite : le résultat contient plus d’objets que demandé. Les ventilations, lucarnes et abris de cour reviennent sous forme de polygones correctement délimités, mais qui ne sont pas des bâtiments. Vous devez donc les filtrer par confiance et par surface. Page du produit.
Deepness. Gestionnaire de plugin, puis installation d’OpenCV et d’ONNX Runtime au premier démarrage. Environ vingt minutes quand tout fonctionne. Aucun compte. Tout s’exécute sur votre machine, avec le CPU pour les petits rasters et votre propre configuration CUDA pour accélérer les calculs. Vous fournissez n’importe quel raster layer ainsi qu’un fichier de modèle ONNX. Vous récupérez un vector layer ou un raster layer. Gratuit, sous licence Apache 2.0. La limite : il ne fournit aucune capacité de détection, et un modèle entraîné sur des images à 25 cm interprétera votre vol de drone à 5 cm comme du bruit sans vous prévenir. Dépôt et documentation.
Mapflow, par Geoalert. Gestionnaire de plugin, puis connexion. Aucun GPU. Le traitement s’exécute sur leurs serveurs, et l’imagerie quitte donc votre machine à chaque exécution. Vous fournissez une zone dessinée sur l’une de leurs sources d’imagerie. Vous récupérez des vector layers : bâtiments avec hauteur facultative, routes, champs et forêts. Les bâtiments coûtent 10 crédits par km², à 0,10 $ le crédit, arrondis au kilomètre carré entier supérieur. Une ville de 10 km² coûte donc environ 10 $. Le forfait gratuit fournit 250 crédits sur 25 km² au maximum, avec export bloqué. La limite : les maisons mitoyennes sont fusionnées en un seul polygone, comme le montrent leurs propres captures d’écran. Documentation du plugin.
Pour une comparaison plus large, y compris les options locales basées sur SAM, consultez le comparatif des plugins AI et le hub QGIS AI.
Essayez gratuitement dans QGIS, sans carte bancaire
Vérifiez le layer avant de lui faire confiance
Cinq vérifications, dans l’ordre où je les exécute. Elles prennent environ quinze minutes et m’ont évité d’expédier un mauvais chiffre plus d’une fois.
Comparez le nombre à un échantillon que vous numérisez vous-même
Choisissez un kilomètre carré. Numérisez chaque bâtiment à la main. Comparez le nombre obtenu à celui du layer. Un ratio inférieur à 0,9 ou supérieur à 1,1 signifie que le layer répond à une question différente de celle que vous aviez en tête. Vous voulez le savoir avant l’analyse, pas après.
Examinez attentivement les rangées mitoyennes
Zoomez sur la rue de maisons mitoyennes la plus dense de votre zone d’intérêt. Comparez le nombre de polygones à celui des portes d’entrée. Cette vérification indique si le jeu de données sépare les murs mitoyens, et elle détermine toutes les statistiques par bâtiment que vous êtes sur le point de calculer.
Trouvez la construction la plus récente
Ouvrez le lotissement le plus récent que vous connaissez. S’il est absent, vous venez de mesurer la date réelle des données, ce qui est plus honnête que la date affichée sur la page de téléchargement.
Vérifiez le CRS et les unités de surface
La plupart de ces jeux de données sont fournis en EPSG:4326. Calculez une surface en degrés et vous obtenez un nombre sans signification, qui ressemble pourtant toujours à un nombre. Reprojetez dans un CRS métrique adapté à la latitude, puis calculez.
Comparez un toit à ses murs
Choisissez un bâtiment élevé. Si le polygone est décalé par rapport à la base des murs, vous avez des emprises de toit affectées par l’inclinaison. Tout travail sur l’imperméabilisation des sols ou les retraits nécessite alors une correction ou une autre source.
L’étape suivante, si vous voulez maintenant les polygones plutôt que la définition, est le tutoriel détecter automatiquement les emprises de bâtiments dans QGIS, qui couvre l’étape de filtrage déterminant si le layer est exploitable.
