Cette étude montre comment les données de conductivité mesurées par des sondes déployées sur un réseau de distribution d’eau potable peuvent être exploitées de manière automatique pour résumer et expliquer les variations spatiales de qualité d’eau. Un algorithme de classification non supervisée est utilisé pour regrouper les sondes dont les profils de conductivité se ressemblent et proposer ainsi des groupes représentant des zones de qualité d’eau homogène. La méthodologie est évaluée sur le réseau du Syndicat des eaux d’Île-de-France (Sedif), à partir des données de 215 sondes mesurant la conductivité toutes les cinq minutes. Deux types de résultats sont présentés : d’une part, l’image d’ensemble de la qualité de l’eau dans le réseau ; d’autre part, une typologie des différents phénomènes mis au jour par la méthode. Les résultats présentés montrent que les différentes zones de qualité d’eau connues par l’expertise métier sont repérées automatiquement, et que de nombreuses sous-zones jusqu’alors inconnues sont identifiées. Ainsi les conséquences des restitutions de réservoir, des interconnexions avec des distributeurs voisins, de l’âge de l’eau, des mélanges d’eaux produites par différentes usines, sont mises en évidence par la méthodologie proposée. Pour le réseau du Sedif, les résultats ont montré que 96 % des sondes pouvaient être affectées à un groupe. Cette méthodologie peut être appliquée à tout réseau équipé de capteurs de conductivité, dès lors qu’il est susceptible d’être alimenté par des eaux de qualités différentes.

This paper presents a study showing how conductivity measured by probes installed on a water distribution network can be automatically treated in order to synthesize and explain spatial variations of water quality. A clustering algorithm applied on conductivity time-series is used to gather the probes, the profiles of which are similar, thus generating zones of homogeneous water quality. Based on the measurements of 215 probes, the methodology has been evaluated on the Sedif’s network (Syndicat des eaux d’Île-de-France). Two types of results are displayed: on one hand, an averaged vision of water quality in the network; on the other hand, a typology of the different phenomena uncovered by the method. Results show that the different zones already defined by expert knowledge are identified by the methodology, as well as numerous previously unknown subzones. The following phenomena are detected by the proposed methodology: tank discharges, water exchanges with neighboring water distribution systems, varying water residence times, and mixing zones. On the Sedif’s network, 96% of the probes could be classified. The methodology proposed can be applied to any water distribution network, as long as it may be fed by waters having different conductivity signals.