Cet ouvrage ambitionne d'initier les géographes à l'intelligence artificielle à l'aide de modèles d'apprentissage automatique. Une première partie dresse un état de l'art. Après avoir défini cette forme de modélisation sont décrites les quatre étapes qu'impose la réalisation de ce type de modèle. Puis, après un exposé des paradigmes les plus classiques, comme l'apprentissage supervisé ou non supervisé, plusieurs paragraphes concernent les paradigmes et les algorithmes récents. Enfin, un dernier chapitre aborde de façon plus approfondie les réseaux de neurones. Une deuxième partie présente le langage Wolfram Mathematica. Comment réaliser des modèles d'apprentissage automatique pour répondre à des questions géographiques, tel est l'objectif de la troisième partie? Les études de cas examinent volontairement des problématiques géographiques variées: l'histoire de la géographie, la prévision des séries chronologiques, l'étude de structures territoriales et enfin quelques relations entre l'apprentissage automatique et la géographie théorique. Chaque chapitre suit un même plan: questionnement géographique, élaboration des ensembles de données d'apprentissage et de test, programme écrit.