JUNN : le Jumeau Numérique National de la France (analyse 2026)

1. Qu'est-ce que JUNN ?

JUNN (Jumeau Numérique National) est le programme national lancé le 13 avril 2026 par trois opérateurs publics majeurs : l'IGN (Institut national de l'information géographique et forestière), le Cerema (Centre d'études et d'expertise sur les risques, l'environnement, la mobilité et l'aménagement) et Inria (Institut national de recherche en sciences et technologies du numérique).

L'objectif affiché : doter la France d'une infrastructure technique souveraine capable de répondre aux besoins de visualisation, d'optimisation et de simulation pour l'ensemble des territoires, qu'ils disposent ou non déjà d'un jumeau numérique local.

Le programme s'inscrit dans le cadre du plan France 2030. Il mobilise un budget total de 40 millions d'euros sur trois ans, dont 25 millions financés par la Banque des Territoires. La première phase opérationnelle couvre la période 2026 à 2029, avec un premier ensemble d'applications attendu pour la fin 2026.

2. Les Territoires Pilotes

La stratégie de déploiement s'appuie sur cinq départements pionniers choisis pour leur diversité géographique et leurs enjeux spécifiques :

Ce choix n'est pas anodin. Il couvre volontairement un spectre large : montagne, métropole, forêt, littoral atlantique et zone rurale. Les résultats obtenus sur ces cinq territoires serviront de référence pour industrialiser la méthode sur le reste de l'Hexagone.

3. Les Cas d'Usage Prioritaires

Sept grandes familles d'applications ont été pré-identifiées par les opérateurs. Chacune représente un chantier technique substantiel pour la filière 3D française :

• Urbanisme durable : simulation des Plans Locaux d'Urbanisme, études d'ensoleillement, calcul de densités bâties.
• Résilience aux risques naturels : modélisation des inondations, submersions marines, glissements de terrain.
• Optimisation de la mobilité : simulation multimodale, prévision de trafic, planification vélo et transports collectifs.
• Adaptation des forêts au réchauffement climatique : suivi LiDAR, modélisation de la vulnérabilité aux feux.
• Gestion de la ressource en eau : bassins versants, recharge des nappes, réseaux d'eau potable.
• Déploiement des énergies renouvelables : potentiel solaire sur toitures, planification éolienne, réseaux de chaleur.
• Lutte contre la propagation épidémique : modélisation des flux de population et détection de clusters.

4. Architecture Technique Présumée

Bien que les détails techniques complets de JUNN ne soient pas encore publics, l'analyse des briques existantes chez ses opérateurs permet d'anticiper l'architecture probable :

• Socle géospatial : le programme LiDAR HD de l'IGN (couverture nationale à 10 pts/m²) fournit la base altimétrique haute résolution.
• Données bâti : la BD TOPO® et le modèle BDUni apportent la vectorisation des bâtiments, routes et réseaux.
• Format d'échange : CityGML 3.0 est le candidat naturel pour structurer la sémantique urbaine (LOD1 à LOD3).
• Moteur de visualisation : les technologies de streaming type 3D Tiles et Cesium sont déjà utilisées par l'IGN.
• Briques IA : Inria apporte son expertise en simulation numérique, apprentissage profond et méthodes de réduction d'ordre.

Concrètement, un développeur souhaitant construire une application compatible JUNN devra maîtriser un empilement technique assez précis. Voici un exemple minimal de chargement et traitement d'une dalle LiDAR HD de l'IGN en Python :

import laspy
import numpy as np
import open3d as o3d

def load_ign_tile(laz_path: str) -> o3d.geometry.PointCloud:
    """Charge une dalle LiDAR HD IGN au format LAZ."""
    las = laspy.read(laz_path)

    xyz = np.vstack([las.x, las.y, las.z]).transpose()
    classification = np.array(las.classification)

    pcd = o3d.geometry.PointCloud()
    pcd.points = o3d.utility.Vector3dVector(xyz)

    # Classes IGN : 2=sol, 6=batiment, 5=vegetation haute
    colors = np.zeros((len(xyz), 3))
    colors[classification == 2] = [0.5, 0.4, 0.3]
    colors[classification == 6] = [0.8, 0.2, 0.2]
    colors[classification == 5] = [0.2, 0.7, 0.3]
    pcd.colors = o3d.utility.Vector3dVector(colors)

    return pcd

def extract_buildings(pcd: o3d.geometry.PointCloud, las) -> o3d.geometry.PointCloud:
    """Isole les points bâtiment (classe 6) pour l'intégration CityGML."""
    mask = np.array(las.classification) == 6
    buildings = pcd.select_by_index(np.where(mask)[0])
    return buildings.voxel_down_sample(voxel_size=0.2)

# Usage type pour un département pilote JUNN
pcd = load_ign_tile("LHD_FXX_0650_6860_PTS_C_LAMB93_IGN69.laz")
print(f"Dalle chargée : {len(pcd.points):,} points")

Cette brique de base est exactement celle que nous enseignons dans le module LiDAR de la formation Architecte IA 3D. La valeur ajoutée se construit ensuite par empilement : segmentation sémantique, conversion vers CityGML, connexion à un moteur de simulation, exposition via une API.

5. Pourquoi JUNN Change la Donne

Il existait déjà de nombreuses initiatives locales : GeoRennes, Rennes Numérique, Paris 3D, ENEDIS Open Data, le programme Mon Territoire du Cerema. JUNN ne les remplace pas. Il apporte quatre ruptures majeures :

• Souveraineté : infrastructure française, données hébergées en France, briques open source prioritaires. Fini la dépendance à des plateformes propriétaires étrangères.
• Interopérabilité : un référentiel commun qui permet aux jumeaux locaux de se parler entre eux et avec l'échelle nationale.
• Mutualisation : une petite commune rurale peut utiliser les mêmes briques qu'une métropole, sans avoir à reconstruire un modèle à partir de zéro.
• Continuité simulation : la combinaison IGN (données), Cerema (expertise métier) et Inria (recherche) couvre toute la chaîne, de l'acquisition au calcul scientifique.

6. Les Défis Techniques à Venir

Un projet de cette ampleur soulève des questions techniques redoutables. Voici les principaux points qui vont occuper la communauté géospatiale française dans les trois prochaines années :

Chacun de ces défis représente un marché pour les experts formés. La volumétrie seule justifie de maîtriser les architectures distribuées et les formats cloud natifs comme COPC (Cloud Optimized Point Cloud) ou EPT (Entwine Point Tile).

7. Opportunités pour les Architectes IA 3D

JUNN crée mécaniquement une demande nouvelle sur plusieurs profils techniques qui recouvrent exactement le périmètre de notre formation :

• Ingénieurs nuages de points : traitement LiDAR HD, segmentation automatique, détection de changement.
• Développeurs CityGML / BIM-GIS : conversion nuages vers modèles sémantiques LOD2/LOD3.
• Spécialistes rendu neuronal : intégration de Gaussian Splatting et NeRF pour restitutions photo-réalistes.
• Architectes d'agents spatiaux : couche conversationnelle et raisonnement sur graphe de scène urbain.
• Experts simulation : couplage jumeau numérique et modèles physiques (hydraulique, climat, mobilité).

Dans les faits, les collectivités pilotes cherchent déjà des compétences. Les bureaux d'études historiques comme Setec, Egis, Ingerop, ainsi que les spécialistes géospatiaux (Geosat, Futurmap, Siradel) recrutent des profils hybrides capables de relier données brutes, IA et logique métier.

8. Feuille de Route 2026 à 2029

Le calendrier annoncé par les opérateurs distingue trois jalons :

• Fin 2026 : premier ensemble d'applications opérationnel sur les cinq départements pilotes.
• 2027 à 2028 : industrialisation des briques, ouverture progressive à l'ensemble des collectivités volontaires.
• 2029 : bilan de la première phase, décision sur le passage à l'échelle nationale complète.

Ce calendrier reste optimiste compte tenu de la complexité technique. Il est probable que les cas d'usage "urbanisme" et "risques naturels" soient les premiers opérationnels, avec un décalage de 6 à 12 mois sur les volets "simulation climatique" et "épidémies" qui exigent davantage de recherche fondamentale.

Conclusion : un Signal Fort pour la Filière

JUNN matérialise une conviction que nous portons à 3DGA depuis des années : les données spatiales, couplées à l'intelligence artificielle, deviennent une infrastructure critique pour la transformation écologique et numérique des territoires.

• Le budget de 40 millions d'euros valide la maturité industrielle du domaine.
• L'alliance IGN, Cerema et Inria couvre toute la chaîne acquisition, métier et recherche.
• Les cas d'usage couvrent des enjeux sociaux majeurs, de la submersion à la mobilité.
• La période 2026 à 2029 va générer des centaines de postes techniques qualifiés.

Pour les professionnels du géospatial, de la 3D et de l'IA, la fenêtre est ouverte. JUNN va structurer la demande pour une décennie. Ceux qui maîtrisent aujourd'hui les briques techniques (LiDAR HD, CityGML, segmentation IA, agents spatiaux) seront les architectes des jumeaux numériques de demain.

Sources : IGN, Banque des Territoires, Direction Générale des Entreprises, junn-france.fr.