Des données géographiques à la décision : prédire l’état des réseaux d’assainissement par machine learning

T. COUGARD, M.-Y. AKHMARI

Comment cibler au mieux les inspections par caméras sur un réseau d’assainissement largement invisible ? Un projet avec 36 collectivités a combiné des données SIG de réseau, des inspections par caméra et le machine learning pour prédire l’état des canalisations et optimiser les programmes d’inspection des réseaux.

Partager sur

Ajouter à ma liste de lecture Retirer de ma liste de lecture

15 €

Des données géographiques à la décision : prédire l’état des réseaux d’assainissement par machine learning — ©mulderphoto

Un patrimoine étendu et largement méconnu

Les réseaux d’assainissement font partie des infrastructures urbaines les plus stratégiques, et paradoxalement parmi les moins documentées. Les collectivités gèrent des bases de systèmes d’information géographique (SIG) qui décrivent parfois plusieurs milliers de kilomètres de canalisations, mais la connaissance de l’état physique réel reste fragmentaire. La cause est connue : les inspections télévisées (ITV), seul moyen fiable d’établir un diagnostic visuel pour les conduites non visitables, coûtent entre 2 et 15 € par mètre linéaire hors curage et ne sont réalisées que sur 2 à 3 % du réseau en moyenne annuelle, le diagnostic complet d’un réseau dans une échelle de temps suffisamment rapide n’étant pas à la portée des maîtres d’ouvrage.

L’analyse de la distribution de nos données montre qu’une campagne d’inspection classique menée à l’aveugle ou sans ciblage préalable ne présente sta – tistiquement qu’un faible taux de découverte de conduites en état critique, environ 25 % selon la définition retenue pour la catégorie critique (d’autres approches plus réalistes évaluent à 10 % le taux de conduites en état critique). En l’absence d’indicateur permettant de cibler les ITV d’inspection (hors ITV de réception de travaux) sur les réseaux les plus à risque, ces dernières sont souvent déclenchées sur d’autres critères comme des critères d’opportunité en lien avec des opérations de voirie. Ce mécanisme est en partie responsable de la méconnaissance de l’état réel du réseau et de la localisation des conduites les plus dégradées.

Le Cabinet Merlin a engagé un projet de recherche appliquée visant à transformer les bases d’inspection par caméra en outil prédictif de l’état des conduites non inspectées. L’objectif n’est pas de remplacer l’ITV mais de la cibler : faire en sorte que chaque inspection soit déclenchée là où elle a le plus de chances de révéler des conduites en état critique et accélérer l’identifi – cation des secteurs les plus vulnérables des réseaux.