Ce travail de thèse explore l'utilisation de l'intelligence artificielle et de données multimodales (sous forme vectorielle et matricielle) dans le but d'améliorer l'observation des territoires urbains, en se concentrant sur la génération de données de température de surface (LST) spatio-temporelles. L'acquisition de données LST de haute qualité permet de mieux comprendre le phénomène de la formation des îlots de chaleur urbains (ICU), qui est un défi sociétal majeur avec des impacts environnementaux et sanitaires significatifs. Les contraintes liées aux données LST actuelles, telles que les lacunes spatiales dues à la couverture nuageuse, la résolution temporelle limitée des satellites et le compromis entre résolution spatiale et temporelle, empêchent une analyse fine des dynamiques thermiques urbaines et la mise en place de stratégies d'adaptation efficaces. Cette thèse s'inscrit dans le cadre des Défis IA de la région Auvergne-Rhône-Alpes. Elle a été menée notamment au sein du laboratoire LIRIS de l'Université Lumière Lyon 2, en co-encadrement avec le laboratoire LIMOS de l'Université Clermont Auvergne.
Afin de pallier ces problématiques, nous avons développé des modèles d'IA génératifs, notamment un réseau antagoniste génératif conditionnel (cGAN) et un modèle de diffusion. Dans un premier temps, nous avons étudié l'estimation spatiale de la LST à partir d'orthophotos RGB à l'aide d'un modèle cGAN (pix2pix). Les limitations initiales ont conduit à démontrer la possible inclusion de données multimodales (modèle numérique de terrain, occupation/usage du sol), ce qui a sensiblement amélioré les résultats grâce à une meilleure représentation des caractéristiques urbaines et de l'altitude, facteurs clés influençant les ICU. 
Pour réduire les artefacts aux bords des images générées, une stratégie de tuilage avec chevauchement et un mécanisme de fusion pondérée ont été mis en œuvre. Dans une seconde partie, nous avons étendu notre approche à la complétion spatio-temporelle de la LST en développant un modèle de diffusion conditionné par des images RGB de Landsat 8 et des séries temporelles de température de l'air de Météo-France. Notre modèle reconstruit la LST avec des capacités de généralisation temporelle et spatiale. Les résultats mettent en évidence le potentiel de notre travail comme outil pour la prédiction des ICU et aux aménagements. 
Bien que des limitations subsistent, ce travail valide la faisabilité de l'utilisation de modèles d'IA génératifs et de données multimodales pour améliorer la résolution des données LST spatio-temporelles. Cela fournit des informations essentielles pour la recherche sur les ICU et la prise de décision en matière de planification urbaine et d'adaptation au changement climatique.