Une IA généraliste est-elle capable de lire une carte aéronautique à la manière d’un pilote ?
Deux modèles vision-langage sont mis à l’épreuve sur une vraie carte VAC (celle de Chavenay, LFPX, mon terrain d’attache), avec la même consigne : extraire code OACI, coordonnées, fréquences et métadonnées au format JSON.
- Qwen2.5-VL-72B-Instruct sur OVHcloud AI Endpoints : très convaincant en zero-shot, avec un code OACI juste, des coordonnées exactes, deux fréquences sur trois correctement reconnues, et en prime un score de confiance par champ.
- Llava-next-mistral-7b : en difficulté, avec des champs confondus, des dates prises pour des altitudes et une sortie JSON instable.
L’article défend une architecture hybride (extraction par IA, validation par règles, supervision humaine) et explique pourquoi l’ouverture des endpoints cloud rend enfin l’expérimentation itérative viable, à un coût raisonnable, pour les équipes aérospatiales.