De Berlin à Lausanne, l'IA révolutionne la gestion des réseaux d'eaux usées
Comment anticiper les défaillances d’un réseau de canalisations et optimiser les investissements publics ? C’est le défi que relèvent le Centre de compétences eaux de Berlin (KWB) et le Service de l’eau de la Ville de Lausanne grâce à l’intelligence artificielle (IA). Lors d’une conférence donnée dans le cadre d’Aqua Pro à Bulle, Nicolas Caradot du KWB et Yoann Sadowski de la Ville de Lausanne ont présenté leurs outils innovants permettant de prédire l’état de santé des infrastructures souterraines et de prioriser les interventions. Une approche qui permet d’optimiser des budgets souvent limités tout en évitant des défaillances coûteuses.
« La question fondamentale est : où sont les canalisations en mauvais état ? Quelle est leur proportion et comment va évoluer la situation en fonction de nos investissements ? », rappelle Nicolas Caradot. Pour y répondre, les gestionnaires de réseaux s’appuient sur des données d’inspection, principalement issues de caméras qui parcourent les canalisations.
« Des opérateurs ou des machines codent les défauts détectés pour établir l’état de santé des conduites. Mais en Allemagne, seuls 5 à 10% du réseau sont inspectés chaque année », précise-t-il. Le défi consiste donc à extrapoler ces observations partielles à l’ensemble du réseau.
C’est là qu’intervient le logiciel SEMAplus, développé par le KWB pour prévoir, optimiser et communiquer des stratégies de gestion patrimoniale. « À partir des données observées, nous pouvons reproduire le comportement de détérioration des conduites. Chaque matériau n’a pas le même processus de vieillissement », explique Nicolas Caradot.
Simuler l'avenir pour mieux investir
L’intelligence artificielle permet de réaliser des simulations prospectives. Pour un investissement donné, faut-il privilégier le remplacement ou la rénovation ? Comment va évoluer la valeur du réseau dans le futur ? Le système calcule l’évolution de l’état de santé des infrastructures et des coûts associés selon différentes stratégies.
« Nous pouvons comparer les stratégies et montrer les conséquences d’une réduction des investissements sur l’état de santé des infrastructures. Ces informations sont ensuite utilisables pour la communication politique ou en interne », ajoute Nicolas Caradot.
Un autre outil, le simulateur de conduites, permet de hiérarchiser les interventions lorsque le budget est limité. « Il s’agit de trouver en priorité les canalisations les plus problématiques en identifiant les variables qui expliquent leur état de santé : l’âge, les matériaux, la localisation… ».
Lausanne adopte les outils berlinois
La Ville de Lausanne a déployé ces technologies depuis 2022 pour gérer son réseau d’évacuation des eaux. « Notre objectif est d’éviter les défaillances, de planifier les interventions et de faciliter la collaboration avec les autres services municipaux », explique Yoann Sadowski, du service de l’eau lausannois. L’approche lausannoise s’appuie sur les données existantes traitées par des algorithmes pour établir une priorisation de chaque conduite. « Nous voulions être indépendants d’un fournisseur de logiciel et pouvoir utiliser ces outils de manière autonome », souligne-t-il.
Le processus commence par les inspections caméra, dont les données alimentent un modèle de machine learning. « Nous calculons automatiquement les défauts de structure, d’étanchéité et hydrauliques, qui sont transformés en notes. Le modèle estime ensuite la probabilité de défaillance à un jour J ». Une analyse multicritères complète cette approche. « Une défaillance au centre-ville n’a pas les mêmes conséquences qu’au milieu d’une rivière sensible. Nous devons en tenir compte ».
Des résultats probants malgré des contextes différents
Le simulateur de conduites, développé initialement pour Berlin, a été adapté avec succès à Lausanne malgré des contextes géographiques très différents. « Contrairement à Berlin qui est plate, Lausanne est en pente. Nous avons moins de collecteurs, mais les résultats sont bons », se réjouit Yoann Sadowski.
Cet outil permet notamment de planifier les campagnes d’inspection caméra et de prioriser les zones jamais inspectées du réseau. « La qualité des données en entrée est cruciale. Ce qui se passe entre l’entrée et la sortie du modèle reste parfois opaque, d’où l’importance de bien maîtriser les données initiales ».
Au-delà de la gestion patrimoniale, l’enjeu futur concerne le partage de données avec d’autres services municipaux. Comment collaborer avec les services des routes, de l’eau potable, de l’électricité ou du gaz ? « Quoi qu’il en soit, il y a des économies d’échelle à réaliser », conclut Yoann Sadowski.
Crédit photo: Ville de Lausanne