Les images satellites sont des instantanés de la surface terrestre. Nous proposons de les prévoir. Nous formulons la prévision de la surface terrestre comme une tâche consistant à prédire les images satellites en fonction des conditions météorologiques futures. EarthNet2021 est un grand ensemble de données adapté à l'entraînement de réseaux neuronaux profonds pour cette tâche. Il contient des images satellites Sentinel-2 à une résolution de 20 mètres, associées aux variables topographiques et météorologiques méso-échelle (1,28 km), regroupées en 32 000 échantillons. De plus, nous présentons EarthNet2021 comme un défi permettant la comparaison entre modèles. Les prévisions issues de ce défi amélioreront considérablement (plus de 50 fois) la résolution spatiale trouvée dans les modèles numériques. Cela permettra de prédire les impacts localisés dus aux événements météorologiques extrêmes, soutenant ainsi des applications en aval telles que la prédiction du rendement agricole, l'évaluation de la santé des forêts ou le suivi de la biodiversité. Pour accéder aux données, au code et pour savoir comment participer, rendez-vous sur www.earthnet.tech