GeoLibre : comment exécuter un SIG dans le navigateur, Jupyter et le bureau sans installer de logiciels lourds

Si vous avez déjà travaillé avec des données spatiales, vous connaissez la situation classique. Besoin de visualiser rapidement un GeoJSON ou d'exécuter quelques requêtes spatiales sur un fichier Parquet — et vous ouvrez QGIS. L'application se charge, importe les modules, et pour une visualisation basique, vous vous retrouvez à consommer plusieurs gigaoctets de RAM et à configurer des couches.

Les développeurs de la communauté OpenGeos ont décidé d'aborder le problème sous un angle différent. Ils ont créé GeoLibre — une plateforme légère pour travailler avec des données géospatiales qui s'exécute directement dans le navigateur, dans les notebooks Jupyter, et sous forme d'application bureau autonome.

Ce qui se cache sous le capot

L'architecture du projet combine plusieurs technologies web modernes. Le frontend est construit avec React et TypeScript. MapLibre GL JS et deck.gl gèrent le rendu des cartes en 2D et 3D.

La partie la plus intéressante se déroule lors du traitement des données. Au lieu d'envoyer des fichiers géospatiaux volumineux vers des serveurs externes, GeoLibre utilise DuckDB-WASM avec l'extension spatiale. Le fichier est traité côté client. Vous glissez-déposez un fichier GeoJSON ou Parquet dans la fenêtre du navigateur, et le DuckDB local exécute les requêtes SQL directement dans la mémoire de votre appareil.

Les versions bureau et mobile sont construites avec Tauri v2. Cela donne une taille de distribution compacte et une faible consommation de ressources par rapport aux solutions traditionnelles basées sur Electron.

Fonctionnalités pratiques

L'outil couvre la plupart des tâches quotidiennes des analystes géo et des développeurs.

SQL spatial local dans le navigateur

DuckDB-WASM permet d'écrire des requêtes SQL spatiales sans avoir à démarrer PostgreSQL avec PostGIS. Vous pouvez effectuer des jointures de couches, calculer des zones tampons et agréger des données directement dans l'interface de l'application.

Travailler avec des données 3D et des échelles temporelles

GeoLibre prend en charge le travail avec les tuiles 3D et les objets vectoriels volumétriques. Un exemple probant issu des matériaux de démonstration du projet est une carte 3D des bâtiments de Manhattan.

Chaque bâtiment est extrudé par hauteur et coloré en fonction de l'année de construction. En utilisant le curseur temporel intégré, vous pouvez lancer une animation et regarder comment la ville s'est construite de 1850 à 2025.

Cartographier d'autres planètes

Les créateurs du projet ne se sont pas limités à la Terre. La plateforme inclut des cartes de base d'OpenPlanetaryMap et USGS Astrogeology.

Vous pouvez basculer vers la Lune, Mars, Mercure, Vénus ou les lunes de Jupiter. Chaque corps céleste dispose de son propre ellipsoïde défini, donc les calculs de distance et de surface restent précis.

Intégration avec Python et Jupyter

Un package Python distinct geolibre est disponible pour les data scientists. Il permet d'intégrer des cartes interactives directement dans les cellules Jupyter Notebook. Vous pouvez passer un DataFrame Pandas ou GeoPandas au widget et obtenir immédiatement une représentation cartographique prête à l'emploi.

Comment l'essayer

Le moyen le plus rapide est d'ouvrir la version web web.geolibre.app. Aucune inscription ni installation requise.

Si vous travaillez dans Jupyter, le package s'installe avec une commande standard :

pip install geolibre

Pour l'installation Conda, utilisez le dépôt conda-forge :

conda install -c conda-forge geolibre

Pour les builds d'application bureau locaux pour votre distribution, vous aurez besoin de Node.js et Rust :

git clone https://github.com/opengeos/GeoLibre.git
cd GeoLibre
pnpm install
pnpm tauri dev

À qui s'adresse le projet

GeoLibre est utile pour les développeurs, les chercheurs et les analystes de données qui ont besoin d'un outil rapide pour inspecter et visualiser des données géospatiales. Il ne remplace pas complètement les outils SIG lourds pour la cartographie complexe, mais il gère efficacement le traitement initial rapide, le prototypage dans Jupyter et la démonstration de données spatiales directement dans un navigateur web.