Mapsnap : géoréférencer automatiquement les cartes d'assurance Sanborn historiques
En bref
- Un développeur a créé mapsnap, un programme qui géoréférence automatiquement les cartes d'assurance Sanborn (cartes détaillées des villes américaines des années 1870-1960).
- Le système utilise l'OCR pour détecter les noms de rues, identifie les intersections candidates, puis aligne la carte historique avec une carte moderne.
- Ces cartes documentent l'architecture et l'organisation urbaine avant les grands projets de rénovation du XXe siècle, utiles pour des archives comme OldNYC ou OldSF.
Ce que dit la source
L'auteur observe que les cartes d'assurance Sanborn sont des ressources précieuses pour comprendre l'histoire urbaine américaine (1870-1960), avec des détails sur les matériaux de construction, les adresses, les hauteurs d'immeubles, les commerces. Cependant, les localiser sur une carte moderne (géoréférencement) est un processus manuel fastidieux. Après avoir testé des approches avec Claude et ChatGPT sans résultats satisfaisants, il a développé mapsnap : un programme qui automatise cette tâche en combinant l'OCR, la détection d'intersections et l'ajustement géométrique.
- Les Sanborn maps sont des ouvrages très détaillés produits par la Sanborn Map Company entre 1870 et 1960, couvrant chaque bloc de la plupart des villes américaines, avec codes couleur pour les matériaux (brique rouge, bois jaune) et annotations (adresses, hauteurs, usages).
- La Library of Congress a numérisé environ 400 000 cartes Sanborn tombées dans le domaine public et les rend accessibles gratuitement en ligne.
- Le géoréférencement manuel (aligner une carte historique sur une carte web moderne en identifiant des points de repère communs) est possible mais répétitif ; la communauté OldInsuranceMaps.net s'y consacre.
- Mapsnap automatise ce processus en trois étapes : détection OCR des noms de rues avec EasyOCR (un modèle de 2020 qui gère du texte à tous les angles), identification des intersections candidates, puis calcul de l'alignement géométrique.
- L'approche ne repose pas principalement sur la vision IA généraliste (ChatGPT/Claude) mais sur des techniques de traitement d'image ciblées, plus fiables pour cette tâche spécifique.
Dans les commentaires
Peu de débat substantiel sur ce fil.
- Un seul commentaire pertinent note que le travail est intéressant et renvoie vers OldInsuranceMaps.net sans critique.
Notre lecture
Mapsnap est une belle application de génie logiciel appliqué à une niche spécialisée : plutôt que de forcer un LLM à résoudre un problème de vision, l'auteur a construit une pipeline classique (OCR → extraction de structures → ajustement géométrique) mieux adaptée. C'est un exemple pragmatique de quand les petits modèles et les algorithmes robustes surpassent l'IA générale. Intéressant pour qui travaille sur la reconnaissance et l'alignement de documents historiques, mais sans conséquence business immédiate hors du domaine des archives numériques et de l'histoire locale.