Location intelligence ou spatial AI : quelle différence ?

Opposer location intelligence et spatial AI relève d'une question de couches à empiler dans un produit cartographique, pas d'un choix de remplacement. La location intelligence, c'est l'éclairage métier ou opérationnel produit par le contexte géographique : quel lieu recommander, quel marché est mal desservi, quel itinéraire est préférable, ou à quel endroit la couverture fait défaut. Le spatial AI, c'est la couche d'AI qui interprète le lieu et le contexte cartographique, coordonne les outils spatiaux et aide les utilisateurs à passer à l'action. Un produit peut mobiliser les deux simultanément.

Les sections qui suivent distinguent les deux rôles, situent le SIG et le GeoAI à leurs côtés sans traiter ces étiquettes comme des synonymes, puis documentent Kaleidr à partir de ses pages publiques actuelles. À lire également : Qu'est-ce que le Spatial AI ?, GeoAI vs Spatial AI, Qu'est-ce qu'une API de location intelligence ? et Cartes d'expérience client et location intelligence. Les équipes qui ont déjà arrêté une forme d'implémentation peuvent aller directement à l'architecture combinée ; celles qui cherchent encore à nommer la catégorie devraient commencer par le tableau comparatif.

L'essentiel de la comparaison

• La location intelligence porte la valeur décisionnelle : classement, couverture, choix d'implantation et lecture de marché découlent du contexte géographique, avec ou sans AI.
• Le spatial AI est la couche d'intelligence : l'intention exprimée en langage naturel, l'état de la carte et le contexte du lieu sont interprétés, puis les outils sont coordonnés.
• Gardez la géométrie déterministe : distance, temps de trajet, appartenance et calcul d'itinéraire relèvent des systèmes spatiaux, pas d'un modèle de langage.
• Le SIG est une technologie, pas le résultat : les workflows géographiques peuvent produire de la location intelligence ; les deux termes ne se confondent pas.
• Vérifiez le contrat produit : Kaleidr présente aujourd'hui sa plateforme comme du Spatial AI à travers AI, Studio, Analytics et Enterprise, et décrit Enterprise comme une infrastructure de location intelligence.

En quoi location intelligence et spatial AI diffèrent-ils ?

La distinction utile porte sur le rôle que joue chaque couche. La location intelligence s'organise autour d'une décision métier ou opérationnelle que la géographie peut faire basculer. Le spatial AI s'organise autour de systèmes d'AI qui manipulent cartes, lieux, itinéraires, régions et autres contextes spatiaux pour qu'une personne puisse interroger, explorer et agir. Esri définit aujourd'hui la location intelligence comme l'éclairage tiré de la visualisation et de l'analyse de données géospatiales, qui aide les organisations à comprendre où et pourquoi les choses se produisent et à décider de la suite (What Is Location Intelligence?). CARTO la décrit comme l'extraction d'enseignements à partir de données de localisation pour répondre à des questions spatiales, en soulignant que le travail va bien au-delà du simple report d'enregistrements sur une carte (What Is Location Intelligence?). Aucune de ces définitions n'exige un modèle de langage.

Le spatial AI dépasse largement l'étiquette d'un tableau de bord. Kaleidr utilise aujourd'hui le Spatial AI comme cadre principal de sa plateforme et décrit une pile qui couvre les parcours clients, la création de cartes, l'analytique et l'intégration en entreprise (Build Your Own Spatial AI with Kaleidr). La page produit Kaleidr AI décrit une expérience cartographique conversationnelle où les utilisateurs peuvent poser des questions, découvrir des lieux, planifier et naviguer, tandis que les entreprises ancrent les réponses sur leurs annonces, leurs établissements, leurs points de vente, leurs catalogues de destinations, leur voix de marque et leurs politiques (AI Map Chat for Customer Discovery). Ces rôles documentés constituent une définition produit du Spatial AI : une AI qui travaille avec un contexte de lieu et de carte structuré, au lieu de traiter la localisation comme du texte ordinaire.

Pourquoi confond-on si facilement location intelligence et spatial AI ?

Les deux catégories manipulent des lieux, des coordonnées, des cartes, des itinéraires, des régions, des distances et du contexte géographique. Toutes deux peuvent répondre à des questions comme : quel magasin un client doit-il visiter, quel marché souffre d'une offre insuffisante, quel hôtel correspond à un voyage, ou quels lieux doivent apparaître en premier. Le recouvrement est réel, si bien que les étiquettes s'emploient comme si elles désignaient un seul produit. La différence tient souvent au rôle joué par le système plutôt qu'au jeu de données qu'il stocke.

La location intelligence part généralement d'une question métier, passe par une analyse géographique, puis aboutit à une décision. Le spatial AI y ajoute l'intention humaine, le contexte spatial, la coordination d'outils et une réponse ou une action cartographique ancrée. Un produit moderne peut exécuter les deux chemins sur le même inventaire. Qualifier chaque carte d'« AI » ou chaque rapport géographique de « Spatial AI » masque cette séparation et complique les décisions d'achat, le recrutement et la mesure.

Qu'est-ce que la location intelligence ?

La location intelligence, c'est l'éclairage mobilisé pour infléchir une décision qui dépend de la localisation des choses. Choix d'implantation, comparaison de zones de chalandise, couverture des zones de service, recherche contrainte par le temps de trajet, écarts entre demande et offre, mise en relation avec un prestataire : autant de missions de location intelligence dès lors que la géographie change la réponse. Esri rattache aujourd'hui la catégorie à la visualisation et à l'analyse de données géospatiales, puis à la planification de l'action suivante. CARTO oppose actuellement ce travail au simple affichage de résultats sur une carte et considère l'analyse de localisation comme partie intégrante d'un problème métier ou sociétal.

La carte est une interface utile pour ce travail. La carte n'en est pas la définition. Un service de classement peut renvoyer un identifiant de lieu, une plage de temps de trajet et un indicateur d'éligibilité sans afficher le moindre viewport : le résultat reste de la location intelligence. Des API, des moteurs de recommandation et des workflows côté serveur peuvent donc relever de la location intelligence même sans tableau de bord à l'écran. Qu'est-ce qu'une API de location intelligence ? détaille cette forme d'implémentation.

La location intelligence exige-t-elle de l'AI ?

Non, la location intelligence n'exige pas d'AI. L'adresse d'un client peut être confrontée à une zone de service, filtrée par stock et horaires d'ouverture, classée par temps de trajet, puis renvoyée comme magasin éligible le plus proche. Les ventes par point de vente, la population par région et les emplacements des concurrents peuvent être joints en une vue de marché sans aucun modèle de langage. Ces workflows restent de la location intelligence parce que la sortie est une décision géographique, non parce qu'un modèle a rédigé le texte qui l'entoure.

Les équipes ne devraient pas étiqueter tout calcul géographique comme de l'AI. Zones tampons, intersections, tests point-dans-polygone, itinéraires sur réseau et statistiques zonales restent déterministes jusqu'à ce qu'un modèle appris apporte de la classification, de l'extraction, de la prédiction ou du classement. L'AI peut accélérer la location intelligence en interprétant une requête ou en résumant un résultat. Ce n'est pas elle qui rend la décision géographique.

Qu'est-ce que le spatial AI ?

Le spatial AI désigne les systèmes d'AI qui travaillent avec un contexte spatial : où se trouve un élément, ce qui l'entoure, comment les lieux se relient, ce qui est visible sur la carte, quelle région est sélectionnée, comment un itinéraire modifie un choix, et ce qu'un utilisateur entend par « près de », « entre » ou « sur le chemin ». Qu'est-ce que le Spatial AI ? constitue l'article pilier de définition pour ce domaine. Dans un produit cartographique, le spatial AI prend souvent la forme d'une recherche conversationnelle, de recommandations conscientes de la carte, d'une création de cartes pilotée par prompt, ou d'une exploration assistée par l'AI.

Kaleidr AI documente aujourd'hui les fonctions Ask, Explore, Plan et Navigate comme missions orientées client, et invite les entreprises à connecter leurs propres lieux et à ancrer les réponses sur leur inventaire, leur voix de marque et leurs politiques, plutôt que sur la seule recherche web générique. Le spatial AI dépasse par ailleurs la fenêtre de conversation. Création de cartes par prompt, instructions de classement intelligentes, actions conscientes de la carte, requêtes d'itinéraire contextuelles et raisonnement sur l'état de la carte relèvent tous de la même catégorie. Un panneau qui ne reçoit jamais l'état de la carte, des identifiants de lieux, des coordonnées, une région sélectionnée ou un contexte d'itinéraire reste un chat purement textuel, même dessiné à côté d'une carte.

Le spatial AI doit-il remplacer le calcul spatial ?

Un modèle de langage sait interpréter « trouve-moi un hôtel proche du congrès mais pratique pour l'aéroport ». Ce modèle ne doit pas inventer la géométrie. Un parcours de production interprète la demande, récupère des lieux candidats, exécute un calcul spatial déterministe, applique les règles d'éligibilité et de classement, puis fait appel à l'AI pour expliquer le résultat et proposer une action cartographique. Distance, calcul d'itinéraire, point-dans-polygone, intersection, appartenance, temps de trajet et transformations de coordonnées relèvent des systèmes spatiaux. L'AI est utile pour interpréter les contraintes, choisir les outils à appeler, expliciter les compromis et coordonner les actions sur la carte.

API de classement de lieux traite du biais de présentation côté restitution : le premier résultat peut capter les clics grâce à la mise en page plutôt qu'à une réelle préférence, si bien que le rang devrait être consigné comme contexte plutôt que pris pour une preuve de qualité. La même frontière s'applique ici. Un spatial AI qui estime un temps de trajet à partir de la prose, invente une disponibilité ou ignore les règles d'éligibilité de l'hôte ne constitue pas un meilleur système de location intelligence. Ces réponses ne sont pas ancrées.

Quelle place pour le SIG parmi ces termes ?

Un SIG est un système dédié au travail sur l'information géographique, à l'analyse, aux couches, aux opérations spatiales et aux workflows cartographiques. La location intelligence peut être produite avec un SIG. Le spatial AI peut appeler un SIG ou des services géospatiaux. Les termes ne sont pour autant pas interchangeables. Esri indique aujourd'hui que les logiciels SIG alimentent la location intelligence en permettant de gérer, visualiser et analyser des données géospatiales (What Is Location Intelligence?). CARTO décrit actuellement le SIG comme l'ensemble des systèmes et infrastructures servant à collecter, gérer et analyser des données spatiales, et la location intelligence comme la transformation de ces données en enseignements actionnables, avec un accent plus marqué sur l'accessibilité et l'intégration métier (What Is Location Intelligence?).

Un vocabulaire de travail clair consiste donc à réserver : le SIG à la technologie et aux workflows géographiques ; le GeoAI à l'AI appliquée aux données et analyses géospatiales ; le Spatial AI à la couche d'intelligence plus large capable de travailler avec des cartes, des lieux, des itinéraires et des scènes ; l'AI mapping à la création et à l'interaction cartographiques assistées par l'AI ; et la location intelligence à la décision métier ou opérationnelle que la géographie vient étayer. GeoAI vs Spatial AI propose la comparaison technique sur la distinction GeoAI. AI Mapping présente la taxonomie des catégories de produits.

En quoi la Spatial AI, la GeoAI et la location intelligence diffèrent-elles ?

La GeoAI et l'AI géospatiale désignent généralement l'AI appliquée aux données géographiques, aux SIG, à l'imagerie, à la télédétection ou à l'analyse géospatiale. La Spatial AI peut englober ces travaux, mais aussi l'interaction sensible à la carte, les scènes 3D, la robotique et d'autres environnements spatiaux. La location intelligence, c'est la décision qui suit un classement, un calcul d'itinéraire, une analyse de couverture ou un choix d'implantation. L'AI mapping désigne le workflow produit qui sert à créer, rechercher, modifier des cartes ou interagir avec elles. Un même produit peut couvrir les quatre. L'erreur consiste à traiter ces quatre expressions comme des synonymes exacts.

L'étiquette la plus utile découle de la tâche. La classification d'imagerie et l'automatisation SIG renvoient à la GeoAI. La recherche de lieux conversationnelle et les actions cartographiques renvoient à la Spatial AI. La couverture de marché et le choix d'implantation renvoient à la location intelligence. La création d'une carte à l'image de la marque à partir de prompts renvoie à l'AI mapping. Retenez le terme qui indique à un acheteur, un analyste ou un développeur ce que le système fait réellement.

Pourquoi cette distinction compte-t-elle pour les acheteurs B2B ?

Une équipe qui achète une solution de location intelligence peut avoir besoin de classement, d'analyse d'implantation, de couverture de marché, de logique de zone de service, de comparaison d'itinéraires ou d'analytique régionale. Une équipe qui achète une couche de Spatial AI peut avoir besoin de recherche de lieux conversationnelle, d'interaction cartographique en langage naturel, de recommandations contextuelles, de création de cartes assistée par AI ou d'interprétation de l'intention spatiale. Ces deux démarches d'achat peuvent partager des données tout en différant par l'implémentation, les compétences mobilisées et les indicateurs de succès.

Un même inventaire peut alimenter les deux. L'hôtellerie peut recourir à la location intelligence pour identifier les quartiers partenaires qui attirent l'attention, puis à la Spatial AI pour qu'un client puisse demander un restaurant calme près de l'hôtel, adapté à un dîner d'affaires. Le retail peut classer ses magasins par couverture et temps de trajet, puis permettre à un client de demander quel magasin proche du bureau dispose d'un article après l'heure de fermeture. Les produits de réservation et les places de marché peuvent conserver la disponibilité et le prix dans le système hôte, calculer les relations de trajet dans les services spatiaux et laisser l'AI expliquer le compromis. Location Intelligence Customer Experience Maps présente cette tâche client sous la forme : découvrir, comparer, agir.

Comment un produit de localisation doit-il combiner les deux couches ?

L'architecture la plus solide attribue un rôle précis à chaque système. Les systèmes métier restent la source de référence pour l'inventaire, les horaires, le prix, la politique commerciale et le fait qu'une réservation ou une demande ait réellement eu lieu. Les systèmes spatiaux restent la source de référence pour la géométrie, le temps de trajet, la zone de service et l'inclusion. La Spatial AI interprète la requête, sélectionne les outils, explique le résultat et propose des actions cartographiques. La location intelligence est la décision produite par ces couches : un meilleur lieu, une lacune de couverture, un enseignement de marché ou une liste d'options classées.

L'intention du client doit parvenir à la Spatial AI accompagnée du contexte de carte et de lieu, puis traverser l'éligibilité, le temps de trajet, la zone de service et le classement avant qu'une carte et une liste synchronisées ne présentent uniquement des options valides. L'hôte conserve la maîtrise des actions Réserver, Visiter, Demander ou Naviguer. Recopier chaque fait dans le modèle recrée l'incohérence à un coût supérieur et complique la confidentialité. Ancrez la recommandation dans des identifiants que le système opérationnel comprend déjà.

Où Kaleidr se situe-t-il aujourd'hui ?

La page d'accueil actuelle de Kaleidr s'ouvre sur « Build Your Own Spatial AI with Kaleidr » et présente quatre couches produit coordonnées : Kaleidr AI pour la Spatial AI conversationnelle alimentée par les données métier ; Kaleidr Studio pour concevoir et publier des cartes AI à l'image de la marque ; Kaleidr Analytics pour comprendre ce que les clients recherchent, explorent et sur quoi ils agissent à travers les lieux et les parcours ; et Kaleidr Enterprise pour les API, SDK et contrôles d'entreprise qui intègrent la Spatial AI dans les produits (Build Your Own Spatial AI with Kaleidr). La même page décrit la connexion des données métier et des informations de localisation, la constitution d'un socle de connaissances métier ancré dans la localisation, le déploiement de la Spatial AI dans les sites web et les applications, et l'apprentissage à partir des interactions clients.

Kaleidr Enterprise se présente actuellement comme « Spatial Intelligence Built for Your Stack » et évoque une infrastructure de location intelligence, des API d'inférence, des systèmes de classement et de l'analytique pour les stacks produit sensibles à la localisation (Location Intelligence APIs and Map SDK). Studio annonce aujourd'hui la création de cartes à partir de prompts, des tuiles cartographiques personnalisées, des couches, des données en temps réel, la visualisation 3D, la personnalisation graphique et la publication (AI Map Maker for Branded Interactive Maps). Analytics documente aujourd'hui des tableaux de bord, l'audience, l'engagement et des enseignements pour la mesure des cartes et des lieux (Map Engagement and Location Analytics). La Spatial AI constitue le cadre de la plateforme. La location intelligence est l'infrastructure de décision et le résultat de mesure à l'intérieur de ce cadre. Vérifiez la disponibilité actuelle sur Tarifs et formules avant de faire dépendre un workflow de production d'une fonctionnalité précise.

Quel terme employer dans les pages produit, les appels d'offres et la documentation développeur ?

Employez Spatial AI lorsque la page met l'accent sur l'interaction AI, les cartes conversationnelles, les recommandations sensibles aux lieux, la création de cartes ou les workflows spatiaux assistés par AI. Employez location intelligence lorsque la page met l'accent sur les décisions métier, l'analyse de marché, le classement, la couverture, l'analytique spatiale ou l'infrastructure d'entreprise. Employez les deux lorsque l'AI rend la location intelligence directement actionnable pour un client ou un opérateur. Une formule qui fonctionne : de la Spatial AI pour les cartes orientées client, alimentée par la location intelligence issue des données métier.

Un acheteur gagne à décrire la capacité attendue plutôt qu'à s'en remettre à un terme parapluie. Demandez la recherche de lieux en langage naturel, l'ancrage dans les données métier, une AI sensible à la carte, le classement de lieux, l'analyse des temps de trajet, la logique de zone de service, l'analytique des lieux, l'intégration par SDK, la création de cartes personnalisées et les contrôles d'accès d'entreprise. Les développeurs devraient garder la frontière technique explicite : la couche Spatial AI analyse l'intention et propose des actions cartographiques ; les services de location intelligence renvoient le contexte de lieu, un classement, des itinéraires ou une analyse. Baptiser chaque endpoint « API AI » masque quel système est autorisé à inventer une réponse.

Quelles erreurs les équipes doivent-elles éviter ?

L'échec récurrent consiste à traiter un terme voisin comme un substitut. Remplacer un SIG ou une solution de web analytics par un modèle de langage supprime la géométrie de référence et le contexte d'acquisition. Projeter des enregistrements sur une carte relève de la visualisation, pas de la location intelligence, aussi longtemps qu'aucune question spatiale n'a reçu de réponse. Un panneau de chat sans état de carte n'est pas de la Spatial AI. Mesurer la Spatial AI au seul volume de messages récompense les échecs qui s'étirent. Spatial Analytics vs. Web Analytics traite le volet mesure de cette dernière erreur.

Comment les équipes doivent-elles traiter la confidentialité des données de localisation ?

La spécification W3C Geolocation indique actuellement que récupérer la position géographique d'un appareil « also discloses the location of the user of the device, thereby potentially compromising the user's privacy », et précise aux développeurs que les lois sur la confidentialité de leur juridiction peuvent encadrer l'usage et l'accès (Geolocation). L'adresse du domicile, le lieu de travail, l'itinéraire, les dates de voyage et la position actuelle précise peuvent tous être sensibles, même lorsque le catalogue de lieux est public. Privilégiez les identifiants de lieux, les identifiants de zones, les bandes de temps de trajet et les identifiants de zones de service quand ils suffisent à répondre à la question métier.

Un identifiant de lieu peut être public alors que l'origine précise d'un utilisateur est sensible. Ne les traitez pas comme équivalents. L'autorisation doit s'exécuter avant que des emplacements métier privés n'atteignent la couche AI. Private Location Data for AI Map Workflows traite la minimisation et le contrôle d'accès pour ces enregistrements. La politique appropriée dépend du déploiement et du contexte juridique ; cet article décrit la conception de la mesure et de l'architecture, il ne constitue pas une appréciation pour un lecteur en particulier.

Comment construire une Spatial AI autour de la location intelligence ?

Commencez par une seule décision client ou opérationnelle dépendante de la localisation. Définissez les données de référence, les critères d'éligibilité stricts, les calculs spatiaux nécessaires et le résultat métier attendu. Ajoutez la Spatial AI lorsque l'intention exprimée en langage naturel ou l'interaction sensible à la carte améliore sensiblement ce workflow. Découvrir Kaleidr AI pour des expériences cartographiques conversationnelles ancrées dans les lieux de votre activité. Découvrir Kaleidr Enterprise pour les API, SDK, systèmes de classement, l'analytique et les contrôles de déploiement décrits sur la page publique actuelle.

FAQ

La location intelligence et la Spatial AI, est-ce la même chose ?

Non. La location intelligence est l'enseignement ou la décision issus du contexte géographique. La Spatial AI est une AI qui interprète le contexte spatial ou agit sur lui. La Spatial AI peut contribuer à produire de la location intelligence.

La location intelligence exige-t-elle de l'intelligence artificielle ?

Non. La location intelligence peut être produite avec un SIG, de l'analytique spatiale, du calcul d'itinéraires, des règles métier ou des calculs déterministes, sans AI.

La Spatial AI exige-t-elle une carte ?

Pas nécessairement. La Spatial AI peut fonctionner avec des coordonnées, des itinéraires, des environnements 3D, des trajectoires et d'autres représentations spatiales. Dans les produits de localisation orientés client, une carte interactive constitue une interface courante.

Quel est un exemple de location intelligence ?

Classer les magasins éligibles par temps de trajet et par stock, repérer un marché mal desservi ou déterminer le meilleur site pour une nouvelle implantation en sont autant d'exemples.

Quel est un exemple de Spatial AI ?

Un assistant sensible à la carte qui interprète « trouve un hôtel près du congrès mais pratique pour l'aéroport » et coordonne la récupération des lieux, le calcul d'itinéraire, le classement et une action cartographique en est un exemple.

La location intelligence et le SIG, est-ce la même chose ?

Non. Un SIG est une technologie et un ensemble de workflows géographiques. La location intelligence est l'enseignement métier ou opérationnel dérivé du contexte géographique. Le SIG est l'un des moyens de la produire.

La Spatial AI et la GeoAI, est-ce la même chose ?

Pas exactement. La GeoAI désigne généralement l'AI appliquée aux données géographiques, aux SIG, à l'imagerie et à l'analyse géospatiale. La Spatial AI est plus large et peut inclure l'interaction sensible à la carte, la robotique, les environnements 3D et d'autres contextes spatiaux.

L'AI mapping et la Spatial AI, est-ce la même chose ?

L'AI mapping est une catégorie de produits centrée sur la création, la recherche, la modification, l'analyse de cartes et l'interaction avec elles, assistées par AI. La Spatial AI est une catégorie d'intelligence plus large, capable d'alimenter l'AI mapping.

Où se situe Kaleidr ?

Kaleidr retient la Spatial AI comme cadre de positionnement global de sa plateforme. Kaleidr AI apporte des expériences spatiales conversationnelles destinées aux clients finaux, Studio permet de concevoir des cartes assistées par l'AI, Analytics mesure les comportements centrés sur les lieux, et Enterprise fournit l'infrastructure de location intelligence, les SDK, les API, les systèmes de classement, l'analytique et les contrôles, tels que ces pages les documentent aujourd'hui.

Kaleidr peut-il remplacer notre fournisseur de cartes actuel ?

Remplacer le fournisseur de cartes en place n'est pas le positionnement central de Kaleidr. Kaleidr peut greffer de l'AI sur des cartes existantes compatibles et ajouter des couches d'intelligence spatiale, tandis que l'hôte conserve son moteur de rendu, ses systèmes métier et ses données de référence.

Par quoi une équipe B2B doit-elle commencer ?

Commencez par une seule décision client ou opérationnelle qui dépend de la localisation. Définissez les données de référence, les critères d'éligibilité stricts, les calculs spatiaux nécessaires et le résultat métier attendu. Ajoutez la Spatial AI lorsque l'intention exprimée en langage naturel ou une interaction pilotée par la carte améliore réellement ce workflow.

Références

• Kaleidr. Build Your Own Spatial AI with Kaleidr. Consulté le 2 septembre 2026. https://kaleidr.com/
• Kaleidr. AI Map Chat for Customer Discovery. Consulté le 2 septembre 2026. https://kaleidr.com/ai
• Kaleidr. Location Intelligence APIs and Map SDK. Consulté le 2 septembre 2026. https://kaleidr.com/enterprise
• Kaleidr. AI Map Maker for Branded Interactive Maps. Consulté le 2 septembre 2026. https://kaleidr.com/studio
• Kaleidr. Map Engagement and Location Analytics. Consulté le 2 septembre 2026. https://kaleidr.com/analytics
• Esri. What Is Location Intelligence?. Consulté le 2 septembre 2026. https://www.esri.com/en-us/location-intelligence/overview
• CARTO. What Is Location Intelligence?. Consulté le 2 septembre 2026. https://carto.com/location-intelligence/
• W3C. Geolocation. W3C Candidate Recommendation Snapshot, 26 mars 2026. Consulté le 2 septembre 2026. https://www.w3.org/TR/geolocation/

@misc{kaleidr_spatial_ai_home_2026_09_02,
  title  = {Build Your Own Spatial AI with Kaleidr},
  author = {{Kaleidr}},
  note   = {Accessed 2 September 2026},
  url    = {https://kaleidr.com/}
}

@misc{kaleidr_ai_2026_09_02,
  title  = {AI Map Chat for Customer Discovery},
  author = {{Kaleidr}},
  note   = {Accessed 2 September 2026},
  url    = {https://kaleidr.com/ai}
}

@misc{kaleidr_enterprise_2026_09_02,
  title  = {Location Intelligence APIs and Map SDK},
  author = {{Kaleidr}},
  note   = {Accessed 2 September 2026},
  url    = {https://kaleidr.com/enterprise}
}

@misc{kaleidr_studio_2026_09_02,
  title  = {AI Map Maker for Branded Interactive Maps},
  author = {{Kaleidr}},
  note   = {Accessed 2 September 2026},
  url    = {https://kaleidr.com/studio}
}

@misc{kaleidr_analytics_2026_09_02,
  title  = {Map Engagement and Location Analytics},
  author = {{Kaleidr}},
  note   = {Accessed 2 September 2026},
  url    = {https://kaleidr.com/analytics}
}

@misc{esri_location_intelligence_2026_09_02,
  title  = {What Is Location Intelligence?},
  author = {{Esri}},
  note   = {Accessed 2 September 2026},
  url    = {https://www.esri.com/en-us/location-intelligence/overview}
}

@misc{carto_location_intelligence_2026_09_02,
  title  = {What Is Location Intelligence?},
  author = {{CARTO}},
  note   = {Accessed 2 September 2026},
  url    = {https://carto.com/location-intelligence/}
}

@misc{w3c_geolocation_2026_09_02,
  title  = {Geolocation},
  author = {{W3C}},
  note   = {W3C Candidate Recommendation Snapshot, 26 March 2026. Accessed 2 September 2026},
  url    = {https://www.w3.org/TR/geolocation/}
}